Chi tiết và toàn diện: Chiến lược phát triển của nhà phân tích dữ liệu

Các nhà phân tích dữ liệu thường phải đối mặt với nhiều thách thức trong con đường sự nghiệp của mình: khối lượng công việc thu thập dữ liệu lớn, thiếu sự hướng dẫn của ban lãnh đạo, không quen thuộc với lĩnh vực kinh doanh, nhu cầu báo cáo thường xuyên và yêu cầu chất lượng cao. Bài viết này sẽ khám phá sâu hơn những thách thức này và cung cấp một loạt các giải pháp thực tế để giúp các nhà phân tích làm rõ các bước giải quyết vấn đề, sắp xếp hệ thống chỉ báo dữ liệu, thiết lập logic chẩn đoán vấn đề và đo lường hiệu quả của hành vi kinh doanh.

Bận rộn với việc thu thập dữ liệu mỗi ngày, thiếu sự hướng dẫn của ban lãnh đạo và không quen thuộc với doanh nghiệp là ba trở ngại chính cản trở sự phát triển của các nhà phân tích dữ liệu. Nếu bạn thêm vào đó: bị thúc ép viết báo cáo + báo cáo của bạn bị từ chối vì thiếu chiều sâu, thì cũng giống như bị sét đánh vậy. Ví dụ điển hình nhất là người bạn ngôi sao này, người đã gặp phải đủ mọi khó khăn:

Vì vấn đề này rất điển hình nên hôm nay tôi sẽ chia sẻ cụ thể một số ý tưởng để phá vỡ bế tắc, các bạn học sinh có vấn đề tương tự có thể tham khảo.

1. Làm rõ các bước giải quyết vấn đề

Có các bước cố định để giải quyết các vấn đề kinh doanh bằng phân tích dữ liệu:

Bước 1: Sắp xếp hệ thống chỉ tiêu dữ liệu theo quy trình kinh doanh

Bước 2: Chẩn đoán các vấn đề trong phát triển kinh doanh dựa trên hệ thống chỉ số

Bước 3: Phân tích hiệu quả của các hành động kinh doanh dựa trên chẩn đoán vấn đề

Do đó, khi đến một môi trường mới, bước đầu tiên là phải hiểu các quy trình kinh doanh và sắp xếp hệ thống chỉ số. Giống như sinh viên này, các chỉ số mà anh ấy viết ra rất rời rạc và khó có thể xác định được thứ tự quan trọng. Đây là bước đầu tiên để giải quyết vấn đề.

2. Sắp xếp hệ thống chỉ số dữ liệu

Lý do tại sao nó được gọi là "hệ thống" chỉ báo là vì rất khó để nhận ra vấn đề với một loạt các chỉ báo nằm rải rác và chúng cần được tổ chức một cách hợp lý. Có ba loại tổ chức phổ biến: song song, cụ thể toàn diện và dạng phễu. Sinh viên này chủ yếu tham gia vào hoạt động bán hàng toB nên phù hợp để sử dụng phương pháp tính tổng điểm. Đầu tiên, hãy sắp xếp mối quan hệ giữa GMV, giá trị đơn hàng trung bình, tần suất, lợi nhuận gộp và lợi nhuận ròng (như thể hiện trong hình bên dưới).

Sau đó, bạn có thể kết hợp quy trình ghé thăm khách hàng mới/quy trình đặt hàng của khách hàng cũ để làm rõ các chỉ số quy trình bán hàng (như được hiển thị bên dưới).

Hệ thống chỉ số dữ liệu cũng cần được phối hợp với các chiều phân loại. Hệ thống chỉ số bán hàng thường sử dụng con người (khách hàng), hàng hóa (mặt hàng) và địa điểm (kênh bán hàng) làm các chiều phân loại.

Điều này sẽ xây dựng bộ khung cho hệ thống chỉ số, sau đó có thể được sửa đổi dựa trên các chi tiết của quy trình kinh doanh và cũng có thể được sử dụng để phân tích chẩn đoán. Bước này là công việc cơ bản. Trước tiên, bạn phải làm quen với tình hình kinh doanh và làm rõ mối quan hệ giữa các chỉ số, nếu không mọi việc khác sẽ rất khó khăn.

3. Thiết lập logic chẩn đoán vấn đề

Với hệ thống chỉ báo dữ liệu, việc chẩn đoán vấn đề trở nên dễ dàng. Nhìn chung, logic chẩn đoán vấn đề được xây dựng theo nguyên tắc “từ xa đến gần, từ lớn đến nhỏ”:

1. Có tuân thủ theo chu kỳ bán hàng thông thường (trừ báo động giả) không

2. Sự suy giảm có tiếp tục không (bắt đầu từ nguồn gốc của sự suy giảm)

3. Số lượng khách hàng giảm hay số lượng đơn hàng giảm? (Khoan sâu)

4. Có ít khách hàng lớn hay ít khách hàng cá nhân hơn? (Kích thước con người)

5. Có phải vì ít sản phẩm tươi theo mùa hay ít tiền tệ mạnh (kích thước của hàng hóa)?

6. Có phải do ít phát triển doanh số hay ít đơn hàng độc lập (kích thước thực địa)?

Ở bước này, không cần phải tách câu hỏi 1, 2 và 3. Bạn chỉ cần xem xét các chỉ số tổng thể để có thể bắt đầu nhanh chóng. Câu hỏi 4, 5 và 6 khó hơn. Đầu tiên, dữ liệu cần được chia nhỏ và quan sát nhiều lần. Thứ hai, các vấn đề có thể khác nhau ở các thời điểm khác nhau, do đó kích thước phân tách cần phải thay đổi ở những tháng khác nhau. Thứ ba, cần phải tích lũy nhãn doanh nghiệp để thuận tiện cho việc giải thích dữ liệu.

Quá trình này đòi hỏi phải tích lũy kinh nghiệm phân tích và nỗ lực liên tục , do đó có thể tốn nhiều thời gian. Khi lượng dữ liệu tích lũy tăng lên, nhà phân tích dữ liệu cũng ngày càng có nhiều kinh nghiệm hơn trong ngành.

4. Đo lường hiệu quả của các hoạt động kinh doanh

“Lựa chọn những danh mục mà các thương gia thường mua và tăng giá” là hành động mà doanh nghiệp thực hiện để cải thiện hiệu suất. Loại phân tích các hành động kinh doanh cụ thể này trước tiên đòi hỏi phải đề xuất các giả thuyết phân tích, giúp dễ dàng đưa ra kết luận.

Ví dụ, tăng giá có thể cải thiện hiệu suất. Trong trường hợp tốt nhất, các sản phẩm được lựa chọn là những sản phẩm cao cấp, chất lượng cao, không theo tiêu chuẩn, chẳng hạn như thanh long xanh nhỏ và anh đào. Khách hàng khó có thể so sánh giá theo chiều ngang. Ngoài ra, chất lượng sản phẩm tốt nên họ không quá nhạy cảm với giá cả, do đó có thể chấp nhận việc tăng giá.

Trong trường hợp xấu nhất, các sản phẩm được chọn là các sản phẩm tiêu chuẩn thông thường với ít sự khác biệt về chất lượng, chẳng hạn như gạo, bột mì, dầu và trứng. Khách hàng sẽ bỏ chạy ngay khi họ thấy “Ồ, giá của bạn đắt hơn giá thị trường nhiều quá!”

Khi thực hiện phân tích, các giả định trên có thể được diễn đạt như sau:

Sau khi dữ liệu được đưa ra, bạn chỉ cần quan sát trực tiếp kết quả.

1. Sau khi chiến dịch được triển khai, hiệu suất chung có tăng lên (thành công) hay vẫn giữ nguyên hoặc giảm đi (thất bại)?

2. Những loại sản phẩm nào được kích thích bởi hoạt động này có độ nhạy cảm với giá cao (thất bại) và những loại nào có độ nhạy cảm với giá thấp (thành công)

3. Khách hàng tham gia hoạt động có giảm tổng mức tiêu thụ (thất bại) hay chuyển sang mua sản phẩm mà không tăng giá (thất bại) không?

Việc đánh giá hiệu quả của một sự kiện tương đối đơn giản. Là một nhà phân tích dữ liệu, miễn là bạn có thể hiểu được mục tiêu của sự kiện và logic kinh doanh về cách sự kiện đạt được những mục tiêu đó, bạn có thể nhanh chóng đưa ra kết quả đánh giá. Đây là kỹ năng mà các nhà phân tích dữ liệu nên ưu tiên phát triển.

Tuy nhiên, khi trả lời bộ phận kinh doanh: "Tôi có thể làm gì để cải thiện hiệu suất?" cần thời gian dài hơn. Vì có nhiều cách để cải thiện hiệu suất nên bạn cần có kiến ​​thức thực tế và hiểu rõ hơn về các phương pháp kinh doanh trước khi có thể đưa ra đề xuất. Điều này đòi hỏi các nhà phân tích dữ liệu phải ghi chú nhiều hơn và sắp xếp các hành động kinh doanh khác nhau xung quanh cùng một mục tiêu để họ có thể so sánh kết quả sau này.

Tất nhiên, nếu có một người lãnh đạo dẫn đường thì tất cả những điều trên đều không thành vấn đề. Nhưng nhiều sinh viên thiếu sự hướng dẫn của người lãnh đạo trong công việc và thậm chí không có ai để thảo luận, điều này khiến mọi việc trở nên rất khó khăn.

Tác giả: Thầy giáo thực tế Chen

Tài khoản công khai WeChat: Giáo viên Chen thực tế