Để phân tích biến động của chỉ số, mô hình dữ liệu nên được xây dựng như thế này

Làm thế nào để phân tích biến động của chỉ báo? Tác giả bài viết này phân tích những hành vi sai trái phổ biến, ba điểm chính của mô hình chẩn đoán, các chỉ số phân biệt, làm rõ nguyên nhân tích cực và tiêu cực, truyền thông thường xuyên và loại trừ, và chẩn đoán sau kết quả. Chúng ta hãy cùng xem nhé.

Khi số liệu kinh doanh bắt đầu dao động, mọi người luôn có câu hỏi:

• “Tại sao lại tăng 5%?”
• “Tại sao lại giảm thêm 1% nữa?”
• “Tại sao nó tăng lên trong 2 ngày rồi lại giảm xuống?”
• "Tại sao ba ngày nay vẫn chưa có thay đổi gì?"

Luôn có hàng trăm ngàn câu hỏi tại sao được phát ra từ nhiều khoa khác nhau, khiến cho sinh viên chuyên ngành dữ liệu phải bận rộn tính toán các con số mỗi ngày. Họ không chỉ cảm thấy chóng mặt mà còn phàn nàn: "Tại sao chúng ta không thể có tầm nhìn xa hơn?" "Bạn chưa đủ sâu sắc!"

Phải làm gì? Hôm nay tôi sẽ giải thích về hệ thống này.

1. Những lỗi thường gặp

Thực hành phổ biến nhất là tháo rời khi có sự thay đổi trong các chỉ số. Nhiều kích thước khác nhau được đưa ra để tham chiếu chéo và yếu tố có sự khác biệt lớn nhất được coi là yếu tố gây ra sự biến động của chỉ số (như thể hiện trong hình bên dưới).

Làm như vậy là rất ngu ngốc và kém hiệu quả.

Điều này vô nghĩa vì: phía doanh nghiệp chỉ quan tâm đến những vấn đề cụ thể. Ví dụ:

• Có phải vì sản phẩm mới không đủ tốt không?
• Đối thủ có động thái gì không?
• Có phải là việc thực hiện chưa được tiến hành?
• Có sự thay đổi nào trong môi trường không?

…

Những lý do kinh doanh này không thể được tóm tắt bằng những thông tin đơn giản như "giới tính, độ tuổi, khu vực và tên sản phẩm" trong cơ sở dữ liệu. Do đó, ngay cả khi chúng ta thực hiện bảng phân tích chéo, chúng ta cũng không thể trả lời những câu hỏi sâu hơn này.

Không hiệu quả vì: Nó làm lãng phí thời gian của các nhà phân tích dữ liệu. Rất nhiều biến động chỉ đơn giản là biến động tự nhiên hoặc do chính doanh nghiệp gây ra. Có khá nhiều biến động chỉ đơn giản là do nhà phát triển di chuyển các điểm chôn vùi nhưng không nói gì cả. Những câu hỏi này không yêu cầu phải lập bảng chéo nhiều lần. Việc buộc các nhà phân tích dữ liệu phải lập bảng phân tích chéo không chỉ lãng phí thời gian mà còn bỏ lỡ cơ hội tóm tắt các mô hình và tiến hành phân tích chuyên sâu.

Vậy, làm thế nào để tối ưu hóa việc thực hành?

2. Ba điểm chính của mô hình chẩn đoán

Từ nguồn gốc, hãy đặt ra ba câu hỏi tâm hồn:

1. Có phải mọi biến động của chỉ báo đều quan trọng không?
2. Có phải mọi biến động đều do nguyên nhân chưa rõ?
3. Có phải mọi biến động đều đáng để hành động không?

Câu trả lời là: Không, không, không!

Ít nhất ba phần tư các biến động là có kế hoạch, có thể dự đoán được và không đáng để quan tâm. Do đó, việc chuẩn bị những công việc cơ bản trước sẽ hữu ích hơn nhiều so với việc vội vã. Chìa khóa để giải quyết vấn đề một cách có hệ thống là phân biệt rõ ràng các chỉ số, thu thập nguyên nhân trước và dự đoán trước kết quả. Để đạt được điều này, cần có sự hỗ trợ của toàn bộ quy trình làm việc chứ không phải một chuỗi mã bí ẩn.

3. Phân biệt giữa các chỉ số cốt lõi, phụ và cận biên

Những chỉ số liên quan đến doanh thu, chi phí và lợi nhuận đều là những chỉ số cốt lõi. Biến động của các chỉ số cốt lõi phải được chú ý ưu tiên.

Chỉ số phụ là chỉ số quy trình hoặc chỉ số phụ tạo nên doanh thu, chi phí và lợi nhuận. Ví dụ, số lượng người dùng, tỷ lệ chuyển đổi, giá trị đơn hàng trung bình, v.v. Sự biến động của các chỉ số phụ có phải là vấn đề không? Không nhất thiết. Rất có thể là sự phát triển kinh doanh vừa mới có một hình thức mới. Do đó, bạn không cần phải theo dõi sự thay đổi hàng ngày mà hãy chú ý đến xu hướng phát triển (như hình dưới đây):

Các chỉ số cận biên là các chỉ số không liên quan trực tiếp hoặc thậm chí không thể định lượng chính xác, chẳng hạn như mức độ hài lòng, NPS, v.v. Các chỉ số này có thể được sử dụng để theo dõi xu hướng dài hạn. Hơn nữa, việc chú ý đến những trường hợp cực đoan trong truyền miệng và dư luận (đặc biệt là khách hàng không hài lòng hoặc các cuộc tấn công ác ý) có giá trị hơn là xem xét các chỉ số thống kê.

Tất nhiên, định nghĩa về lõi, vệ tinh và biên sẽ khác nhau đối với các doanh nghiệp khác nhau. Tuy nhiên, cần phải có phương pháp điều trị khác biệt, nếu không khả năng cao sẽ gặp phải tình trạng tiến thoái lưỡng nan "phân tích nhiều nhưng không tác động gì đến hiệu suất".

4. Làm rõ lý do tích cực và tiêu cực

Những lý do tích cực phổ biến:

• Khuyến mãi
• Chính sách tích cực
• Hàng mới về
• Khai trương cửa hàng mới
• Mùa cao điểm đang đến

Những lý do tiêu cực phổ biến:

• Thời gian ngừng hoạt động của hệ thống
• Chính sách tiêu cực
• Sản phẩm cũ đã bị hủy niêm yết
• Thời tiết mưa
• Mùa giải đang đến

Không những có thể biết trước mà khá nhiều trong số chúng còn có thể được phân tích trước để đưa ra phạm vi chấp nhận được.

Đối với mùa thấp điểm/mùa cao điểm, phương pháp phân tích định kỳ có thể được sử dụng để trích xuất các mẫu biến động định kỳ từ dữ liệu trong quá khứ (như thể hiện trong hình bên dưới).

Đối với các hoạt động quảng cáo, trước tiên bạn có thể dán nhãn các loại hoạt động, sau đó tính tỷ lệ đầu vào-đầu ra của từng loại hoạt động dựa trên dữ liệu trong quá khứ.

Khi một sản phẩm mới được ra mắt, trước tiên bạn có thể dán nhãn loại sản phẩm và sau đó tính toán đường cong LTV của sản phẩm dựa trên dữ liệu trong quá khứ.

Khi mở một cửa hàng mới, trước tiên bạn có thể dán nhãn loại cửa hàng, sau đó tính toán đường cong LTV của cửa hàng dựa trên dữ liệu trong quá khứ (nguyên tắc giống như phân loại sản phẩm).

Thông qua phân loại nhãn + phân tích lại, có thể rút ra phạm vi định lượng cho hầu hết các biến động do nguyên nhân tự nhiên và nhân tạo gây ra. Việc thu thập trước những lý do này có thể giúp giảm bớt sự lo lắng do biến động của chỉ báo gây ra và tập trung vào những vấn đề cần chú ý.

Lưu ý rằng có hai loại câu hỏi khó chuẩn bị:

1. Những tai nạn bất ngờ, chẳng hạn như lỗi hệ thống, thời tiết xấu, v.v.
2. Những thay đổi trong các yếu tố bên ngoài, chẳng hạn như các chương trình khuyến mãi của đối thủ cạnh tranh và rủi ro chính sách

Những điều này đòi hỏi cơ chế giao tiếp + giải quyết vấn đề.

5. Giao tiếp thường xuyên và xử lý sự cố

Thông báo chung:

• Theo góc độ kinh doanh: các chương trình khuyến mãi gần đây, kế hoạch ra mắt và hủy niêm yết sản phẩm, kế hoạch khai trương cửa hàng và kế hoạch ra mắt sản phẩm.
• Về mặt kỹ thuật: tiến độ phát triển, các vấn đề phát triển
• Nhìn từ bên ngoài: các chính sách mới được ban hành và có hiệu lực; các đối thủ cạnh tranh đã công bố hành động của họ

Xử lý sự cố: chất lượng dữ liệu cơ bản, xác minh dữ liệu hàng ngày thường xuyên.

Tất cả thông tin, khi được tóm tắt theo một thời gian biểu, có thể tạo thành tài liệu cơ bản để giải thích các biến động, và sau đó chúng ta có thể chờ dữ liệu đưa ra kết quả. Hãy xem kết quả rồi quyết định xem có nên đi sâu hơn không.

6. Chẩn đoán sau khi có kết quả

Loại A: Biết lý do + Kỳ vọng + Thay đổi tích cực. Chỉ cần theo dõi xu hướng miễn là giá trị kỳ vọng không bị phá vỡ. Nếu bạn muốn biết lý do cho sự dao động này, chỉ có bốn từ: dao động bình thường.

Thể loại B: Biết lý do + kỳ vọng + thay đổi tiêu cực. Chỉ cần theo dõi xu hướng miễn là giá trị kỳ vọng không bị phá vỡ. Nếu bạn muốn biết lý do cho sự dao động này, chỉ có bốn từ: dao động bình thường.

Loại C: Biết lý do + vượt quá mong đợi + thay đổi tích cực. Ví dụ, như hình minh họa bên dưới, ban đầu dự kiến ​​giá của chương trình khuyến mãi trước sẽ tăng đáng kể, nhưng cuối cùng lại không có phản hồi nào. Nguyên nhân là gì? Sự kiện đã thất bại... Lúc này, tốt hơn hết là nên trực tiếp phân tích các chi tiết của sự kiện và yêu cầu phía doanh nghiệp tiến hành nghiên cứu trực tiếp và nghĩ ra cách đáng tin cậy hơn để cứu vãn tình hình.

Loại D: Biết lý do + vượt quá mong đợi + thay đổi tiêu cực. Ví dụ, như thể hiện trong hình bên dưới, thời tiết xấu ban đầu được dự báo sẽ kéo dài quá lâu, khiến một số cửa hàng vốn yếu kém giờ đây đứng bên bờ vực sụp đổ. Lúc này, chúng ta cần chia lực lượng thành hai nhóm.

1. Yi Lu: Phân tích xem có những yếu tố liên quan khác góp phần vào tội ác hay không
2. Một cách khác: thực hiện phân tích chuẩn để xem có biện pháp khẩn cấp nào trong môi trường bất lợi hay không

Loại E: Lý do chưa rõ + thay đổi tích cực. Vượt quá mong đợi có phải là điều tốt không? Không nhất thiết. Ví dụ, nếu bên kinh doanh tin rằng doanh số bán hàng sẽ tăng đột biến trong ngắn hạn và bổ sung hàng tồn kho, điều này sẽ chỉ gây ra tình trạng tồn đọng lớn hơn. Do đó, khi những sự kiện tích cực vượt quá mong đợi, cần đặc biệt chú ý đến các yếu tố liên quan, chẳng hạn như hết hàng các sản phẩm bán chạy nhất, tồn đọng các sản phẩm bán chậm, chi phí tiếp thị tăng vọt (đừng để những kẻ săn hàng hời thoát tội) và số lượng khiếu nại tăng đột biến.

Loại F: Lý do không rõ + thay đổi tiêu cực. Đây là điều cần phải cảnh giác. Lúc này, trước tiên bạn nên "nhìn ba lần"

1. Thoạt nhìn: vấn đề cục bộ hay vấn đề toàn cầu
2. Nhìn lại lần thứ hai: vấn đề đột ngột hay vấn đề dai dẳng
3. Nhìn lại lần thứ ba: Có dấu hiệu thuyên giảm hay tình trạng đang trở nên tệ hơn?

(Lấy một ví dụ đơn giản như hình dưới đây)

Về nguyên tắc, đối với các vấn đề cục bộ và đột ngột, việc tìm ra nguyên nhân bên trong sẽ nhanh hơn; Đối với các vấn đề toàn cầu và liên tục, có thể có những tác động sâu sắc từ bên ngoài. Trước đây tôi đã chia sẻ "Làm thế nào để phân tích dữ liệu để tăng DAU? 》, có giải thích chi tiết hơn, bạn có thể tham khảo.

Tóm lại, với sự chuẩn bị cơ bản đầy đủ, bạn có thể nhanh chóng phân biệt được mức độ nhẹ, trung bình và nghiêm trọng của vấn đề, đưa ra kết luận phân tích và đặt nền tảng cho các phân tích tiếp theo, tránh việc nói chuyện phiếm không mục đích.

VII. Bản tóm tắt

Phân tích dữ liệu đòi hỏi phải đếm, nhưng để diễn giải các con số thu được, người ta cần nắm bắt được các sự kiện phong phú, sử dụng dữ liệu để đánh giá định lượng các phần có thể định lượng, theo dõi các phần liên tục phát triển và phân tích các phần mơ hồ để ngày càng tiến gần hơn đến sự thật.

Cần lưu ý rằng các nhiệm vụ này không thể chỉ được hoàn thành bởi các nhà phân tích dữ liệu.

• Nếu bản thân người lãnh đạo không biết mục tiêu
• Nếu chúng ta tự mình phát triển mọi thứ,
• Nếu doanh nghiệp thậm chí không biết “phân loại” là gì
• Nếu doanh nghiệp phải nói "Những gì tôi làm thật tuyệt vời Kras! Phải có lý do khác cản trở tôi!"

…

phân tích? Phân tích nhảm nhí! Kết luận của phân tích là: công ty này có quá nhiều kẻ ngốc và không thể cứu được.

Sinh viên chỉ làm việc với dữ liệu cần nắm vững các phương pháp cơ bản về phân loại, dán nhãn, trích xuất biến động định kỳ và tính toán ROI. Chỉ bằng cách này, họ mới có thể phán đoán rõ ràng trong một cuộc tranh luận rằng liệu chúng ta có đang sử dụng phương pháp đúng đắn hay không, hay đối phương không muốn hợp tác, không hiểu về quản lý khoa học hay đang lợi dụng tình hình. Suy cho cùng, rất khó để tìm được những công ty tốt và phát triển kỹ năng của riêng bạn là cách đúng đắn để vào được một công ty tốt.

Tác giả: Cô giáo Chen giản dị; Tài khoản công khai WeChat: Giáo viên Chen thực tế