Tôi không nhận ra rằng tôi đã làm việc không đúng cách với nhà phân tích. Chỉ khi tôi sử dụng đúng phương pháp thì doanh nghiệp của tôi mới phát triển.

Tôi không biết cách hợp tác với các nhà phân tích và cách xác định ranh giới, và tôi không hiểu rõ nội dung công việc của các nhà phân tích. Làm sao tôi có thể giải quyết những bối rối hiện tại? Tác giả tóm tắt giá trị công việc và con đường phát triển của các nhà phân tích để giúp bạn hợp tác tốt với các nhà phân tích. Nếu bạn cũng có những băn khoăn này, tôi hy vọng bài viết sau đây có thể giải đáp được thắc mắc của bạn.

Gần đây, tôi thấy rằng độc giả bối rối về cách hợp tác với các nhà phân tích, đặc biệt là cách phân chia ranh giới công việc giữa bộ phận sản phẩm, vận hành và nhà phân tích. Tất nhiên, các nhà quản lý cấp cao không biết nội dung và giá trị công việc của các nhà phân tích và gặp khó khăn trong việc tuyển dụng các nhà phân tích. Tôi đã cố gắng tóm tắt giá trị và lộ trình tăng trưởng của các nhà phân tích, cũng như các phương pháp hợp tác, hy vọng có thể hữu ích cho độc giả.

1. Trước tiên chúng ta hãy nói về dữ liệu là gì?

Điều này sẽ ảnh hưởng đến định nghĩa về nhà phân tích và công việc của chúng ta, vì vậy hãy cùng nói lại về dữ liệu là gì.

Nếu bạn tra cứu nhiều bộ bách khoa toàn thư, bạn sẽ tìm thấy những lời giải thích có thẩm quyền. Đối với hiểu biết của riêng tôi về dữ liệu, bạn có thể xem xét mặt đối lập của nó. Tôi nghĩ rằng điều ngược lại của dựa trên dữ liệu chắc chắn không phải là không dựa trên dữ liệu. Nói cách khác, con người đã sử dụng dữ liệu từ thời xa xưa, bắt đầu từ việc thắt nút dây thừng để đếm. Trong hầu hết trường hợp, chưa bao giờ có một cách tiếp cận hoàn toàn không dựa trên dữ liệu. Vấn đề là mọi người từ thế hệ này sang thế hệ khác luôn sử dụng nhiều dữ liệu hơn để phân tích. Phương pháp tiếp cận dựa trên dữ liệu mà chúng ta đang truyền đạt hiện nay chắc chắn không phải là phương pháp tiếp cận dựa trên dữ liệu mà chúng ta đã áp dụng cách đây 20 năm khi Internet vẫn chưa phổ biến.

Chúng tôi đặc biệt tìm thấy hai điều trái ngược nhau từ góc nhìn của công ty và thảo luận về những gì không dựa trên dữ liệu?

Đầu tiên là hoạt động kinh doanh trong quá khứ. Họ sẽ thực hiện các hành động kinh doanh dựa trên thực tế. Khi xảy ra kết quả không tốt, chúng tôi sẽ nhận thấy và tiến hành sửa đổi, điều chỉnh. Chu kỳ lặp lại này có thể mất vài tháng hoặc nửa năm đến một năm, nhưng phát triển theo hướng dữ liệu nhằm mục đích phát hiện ra vấn đề nhanh hơn và sớm hơn. Khi chúng ta phát hiện ra một số manh mối trong quản lý và vận hành, hoặc tìm thấy một số vấn đề trong quy trình kinh doanh, chúng ta đưa ra quyết định nhanh chóng để cải thiện kết quả kinh doanh và lợi nhuận hoạt động, thay vì chỉ điều chỉnh sau khi tình huống thực sự xảy ra.

Mặt trái của cách tiếp cận dựa trên dữ liệu này là các chu kỳ dài hạn, những sự kiện lớn, nổi bật không còn là cơ sở thực tế cho việc ra quyết định của chúng ta nữa.

Ngoài ra còn có thứ mà chúng ta gọi là đoán, nghĩa là mọi người đều muốn khám phá ra một số manh mối sớm hơn và sau đó đưa ra kết luận trong phạm vi đa dạng hơn.

Tất nhiên, nếu bạn muốn tổng hợp thông tin ở nhiều cấp độ khác nhau để đưa ra quyết định toàn diện, bạn thường phải dựa vào sự phán đoán toàn diện của mọi người. Nhiều thông tin khái niệm chủ quan được trộn lẫn với nhau và một số kinh nghiệm được thêm vào để đưa ra quyết định. Sự phán đoán về tính liên quan của nó thực ra không mang tính định lượng. Trên thực tế, điều này cũng có nhiều vấn đề, đặc biệt là khi quy trình phức tạp, chu kỳ lặp lại diễn ra rất nhanh, kinh nghiệm không đáng tin cậy và việc chỉ dựa vào phỏng đoán của nhân viên kinh doanh sẽ trở nên kém hiệu quả.

Đó là lý do tại sao ngày nay trong thời đại của chúng ta, chúng ta lại chú trọng nhiều đến dữ liệu.

2. Các nhà phân tích dữ liệu hợp tác với bộ phận lao động kinh doanh như thế nào?

Phần lớn phân tích dữ liệu là cách tổ chức dữ liệu. Sự phân công lao động này dựa trên định hướng hiệu quả giao tiếp. Nói cách khác, sự phân công lao động của nhóm chúng tôi phù hợp với mảng kinh doanh. Thông thường, các công ty Internet lớn sẽ phân công các nhà phân tích cho từng phòng ban. Ví dụ, bộ phận kinh doanh của tôi bao gồm hai đơn vị ra quyết định, vì vậy các nhà phân tích bên phía tôi sẽ được phân công vào hai nhóm để liên lạc với họ.

Điều này có thể mang lại một số vấn đề nhất định, nghĩa là đôi khi mọi người sẽ làm những việc đòi hỏi cùng một kỹ năng và đôi khi mọi người thậm chí sẽ trả lời cùng một câu hỏi. Để đảm bảo hiệu quả truyền thông tối ưu, mức giá này phải được trả. Bất kể một tổ chức phân chia công việc như thế nào thì đều có ưu điểm và nhược điểm riêng. Không có cách hoàn hảo nào để phân chia hoặc một chiến lược nào có thể có được điều tốt nhất của cả hai phương pháp. Điều quan trọng hơn là phải cân nhắc xem liệu phân công lao động có thể hỗ trợ doanh nghiệp của bạn và tối đa hóa hiệu quả của phòng ban hay không. Sự phân công lao động như vậy có lợi cho việc tập trung vào việc truyền đạt nhu cầu của từng bên kinh doanh trong từng liên kết.

3. Giá trị cốt lõi của một nhà phân tích là gì?

Trước hết, khả năng phân tích là khả năng cơ bản của một người. Vì vậy, không chỉ các nhà khoa học dữ liệu và nhà phân tích kinh doanh mới có khả năng phân tích. Phía kinh doanh cũng có khả năng phân tích. Nó không giống như việc bạn có thể viết SQL hay không. Không phải ai cũng có thể viết SQL. Nhưng không ai không biết cách phân tích, đặc biệt là những người ra quyết định kinh doanh trong bất kỳ đơn vị kinh doanh nào. Không có người ra quyết định nào không biết cách phân tích.

Do đó, phân tích không phải là cách mô tả tốt về ranh giới trách nhiệm công việc. Đây là năng lực cơ bản của con người, có người mạnh, có người yếu. Vì vậy, chúng ta nói rằng các nhà phân tích thực hiện phân tích, điều này chắc chắn không sai, nhưng việc sử dụng nó để mô tả một vị trí là không đủ và không đủ rõ ràng.

Hôm nay chúng ta sẽ nói về những gì chúng ta làm khi phân tích dữ liệu? Mục đích là cung cấp hỗ trợ quyết định cho những người ra quyết định ở nhiều đơn vị kinh doanh khác nhau. Nhờ có sự hiện diện của các nhà phân tích, những người ra quyết định này có thể thu thập được nhiều thông tin hơn. Khi đó khi sử dụng những thông tin khác nhau thì phương pháp của nó sẽ phù hợp và thích hợp hơn. Khi đó, khi có nhu cầu kết nối hay phối hợp giữa một số tổ chức, góc nhìn sẽ đa dạng hơn, hiệu quả ra quyết định của người ra quyết định cũng cao hơn nhờ có sự hỗ trợ của các nhà phân tích.

Tất nhiên, người ra quyết định có thể là một nhóm người, nhưng điều đó không sao cả. Đây là lý do tại sao chúng ta cần cung cấp loại hỗ trợ quyết định toàn diện này.

4. Mô hình dữ liệu phù hợp với mô hình kinh doanh

Trong lĩnh vực tiêu dùng truyền thống, dữ liệu bao gồm dữ liệu kinh doanh và tài chính cũng được sử dụng, đó là lý thuyết 4P cổ điển: kênh, giá, sản phẩm và người dùng. Bốn yếu tố này được tổ chức theo cách này để tạo thành một vòng khép kín. Thông qua vòng khép kín này, khả năng thâm nhập thị trường tiêu dùng được cải thiện và doanh thu được tăng lên. Các công ty như Apple là công ty CNTT tương đối mới, nhưng tất cả đều xây dựng phương pháp phân tích của mình theo phương pháp tiếp cận thị trường tiêu dùng truyền thống này. Tốc độ lặp lại rõ ràng là chậm. Tất nhiên, điều này có liên quan rất nhiều đến đặc điểm kinh doanh của họ.

5. Mô hình Growth Hacker

Mô hình này là mô hình hacker tăng trưởng của Thung lũng Silicon. Hình thức tổ chức chung là một khuôn khổ kinh doanh tốt, phân chia lưu lượng và lặp lại nhanh chóng. Ưu điểm lớn nhất là tốc độ và mỗi đơn vị kinh doanh đều được phân chia và quản lý. Không đòi hỏi nhiều kiến ​​thức kinh doanh và nhận thức thị trường vì môi trường sau khi chia tách đã khép kín. Bạn có thể nhanh chóng trả lời hướng đi của vòng lặp tiếp theo trong phạm vi rất nhỏ. Trên thực tế, yêu cầu về năng lực toàn diện của con người đã giảm nhẹ, nên ngưỡng năng khiếu thấp.

Tuy nhiên, mô hình này cũng có nhược điểm. Nhược điểm đầu tiên là nó không thể áp dụng rộng rãi. Trên thực tế, nó có yêu cầu rất cao về phân khúc lưu lượng truy cập. Ví dụ, TikTok, Facebook và Instagram phù hợp hơn với phương pháp này. Điều quan trọng là phải xem liệu nhu cầu ở một bên có ảnh hưởng đến những thay đổi ở bên kia hay không. Ví dụ, Didi sẽ có ít xe hơn ở phía cung ứng sau khi bạn đặt hàng. Nhìn thoáng qua, chúng ta có thể thấy rằng nguồn cung thương mại điện tử và video là vô hạn và không bị ảnh hưởng bởi nhu cầu. Đối với các doanh nghiệp song phương phức tạp, do lưu lượng truy cập không thể tách rời nên nhiều cuộc thử nghiệm AB mà chúng ta thấy thực sự có ý nghĩa kinh doanh khác với các cuộc thử nghiệm AB của các công ty chỉ tập trung vào lưu lượng truy cập ở Thung lũng Silicon.

Nhược điểm thứ hai là một khi bạn rơi vào con đường phụ thuộc này, theo đuổi sự lặp lại nhanh chóng và dựa vào khuôn khổ kinh doanh này, bạn sẽ không còn nhạy cảm với những thay đổi lớn của thị trường. Ví dụ, khi Tik Tok vào Hoa Kỳ, thực tế là họ đã gửi một mẫu cho Facebook. Với lưu lượng tương đối lớn và đã có người trình diễn, tốc độ sao chép sản phẩm tương đối chậm.

Điều này thực sự có nghĩa là khi nói đến những thay đổi lớn của thị trường, những người đưa ra quyết định thử nghiệm và lặp lại nhanh chóng sẽ không nhạy bén đến vậy. Một thay đổi lớn như vậy thực sự có tác động tàn phá, nhưng các chuyên gia tăng trưởng thường không trả lời loại câu hỏi này. Ví dụ, nếu bạn muốn điều chỉnh hoạt động kinh doanh từ cấu trúc hoạt động hoặc muốn mở rộng hoạt động kinh doanh thượng nguồn và hạ nguồn, vì nó được chia thành một vòng khép kín đủ nhỏ, theo quan điểm tập trung kinh doanh và huy động tổ chức, các tổ chức lặp lại cục bộ có xu hướng bỏ qua những vấn đề này hoặc không thể sử dụng những chiều hướng này làm phương tiện kinh doanh để thực hiện một việc gì đó.

Nếu có cơ hội thị trường mới nào xuất hiện, chúng ta không thể hoàn toàn dựa vào thử nghiệm. Nói một cách đơn giản, phòng thí nghiệm sẽ trả lời những người dùng trong mạng của bạn, tức là những người dùng đã có trong mạng của bạn, họ đưa ra những lựa chọn nào? Vậy thì người dùng tiềm năng, người dùng ở phía đối thủ cạnh tranh, tức là người dùng liên quan có thể tham gia lĩnh vực này trong tương lai, sẽ nghĩ gì? Thử nghiệm vẫn chưa được biết đến, đó là ưu và nhược điểm của phương pháp tăng trưởng đột phá.

6. Mô hình đo lường hành vi

Cái gọi là bán lẻ mới, đại diện bởi Alibaba và nhiều công ty bán lẻ mới và nhỏ, tập trung vào việc sử dụng phép đo hành vi, tức là lựa chọn lưu lượng truy cập để thay thế cho chân dung người dùng, tức là phép đo hành vi. Tất nhiên, phương pháp này gây nhiều tranh cãi giữa các nhà quản lý sản phẩm và bộ phận vận hành. Nhiều cuốn sách tôi đã đọc vẫn khuyến khích các nhà quản lý sản phẩm tạo ra chân dung người dùng. Quản lý sản phẩm thu thập chân dung người dùng khi họ phỏng vấn người dùng hoặc đọc bình luận của người dùng.

Vậy đo lường tâm lý là gì? Đo lường tâm lý liên quan đến mức độ giàu có, sở thích và một số thuộc tính cơ bản của bạn, chẳng hạn như bạn là nam hay nữ và độ tuổi của bạn. Thông qua chân dung cá nhân, chúng tôi có thể dự đoán hành vi của bạn, khả năng nhận diện nhiều sản phẩm khác nhau và những lựa chọn bạn có thể đưa ra. Trên thực tế, tốc độ lặp lại của nó chắc chắn là chậm.

Tuy nhiên, giờ đây có thể đo lường hoạt động kinh doanh quan trọng thông qua lượng lớn hành vi giao thông. Đây là cách tiếp cận mới của Alibaba. Tôi có thể không biết sở thích của bạn là gì, nhưng tôi biết khả năng bạn sẽ đưa ra lựa chọn khi đối mặt với từng phương án giao thông là bao nhiêu. Nói cách khác, tôi không nhắm vào bạn như một cá nhân, tôi chỉ nhắm vào nguồn lưu lượng truy cập và sự lựa chọn mà người từ nguồn lưu lượng truy cập này sẽ đưa ra khi họ gặp phải giai đoạn lưu lượng truy cập này.

Phương pháp này rất phù hợp để nghiên cứu một số thị trường ngách. Ví dụ, trong thị trường son môi, các thương hiệu ban đầu xếp hạng từ thứ bảy đến thứ mười thực ra lại hoạt động kém hiệu quả trong quá khứ. Có thể có ba hoặc năm thương hiệu bao phủ toàn bộ thị trường vì kênh thông tin rất nhỏ. Nếu bạn muốn nghiên cứu về người tiêu dùng của các thương hiệu ngách thì hiệu quả sẽ rất thấp. Nhưng ngày nay, với phương pháp đo lường hành vi này cùng sự tương tác của thông tin và lưu lượng truy cập ngoại tuyến, bạn sẽ thấy nhiều thương hiệu nhỏ trong nhiều lĩnh vực đã bắt đầu hoạt động.

Điều này cho thấy các nhà điều hành thương hiệu mới đang khám phá một hướng đi mới. Con đường này rất phổ biến và có thể đi vào rất nhiều lĩnh vực ngách. Hơn nữa, nó rất hiệu quả trong quá trình kết hợp thông tin ngoại tuyến với lựa chọn lưu lượng truy cập.

7. Mô hình đo lường kinh doanh

Mô hình này đặc biệt phổ biến. Cốt lõi của nó là chuyển đổi hoạt động kinh doanh thành các chỉ số và tham số dữ liệu có thể đo lường, quản lý hoạt động kinh doanh và chiến lược hoạt động của công ty thông qua các phương pháp định lượng, dự đoán những thay đổi dữ liệu của công ty và đo lường tác động của từng hành động hoạt động chính của nhà điều hành. Đây là loại mô hình được sử dụng phổ biến nhất, mà chúng tôi gọi là mô hình đo lường kinh doanh.

Ba chế độ này không độc lập và có thể sử dụng thay thế cho nhau, nhưng chúng khó sử dụng đối với một số doanh nghiệp. Ví dụ, nếu người dùng doanh nghiệp của bạn có tương đối ít hành vi tương tác trực tuyến, thì lựa chọn của chúng tôi về cơ bản là không đủ khi chúng tôi muốn có thêm lưu lượng truy cập từ người dùng.

Thứ hai, đối với những doanh nghiệp mà phía người dùng và phía cung ảnh hưởng lẫn nhau, việc sử dụng phương pháp này sẽ bị hạn chế hơn vì các chiến lược bạn đưa ra về phía người dùng sẽ ảnh hưởng đến phía cung của bạn. Thậm chí không có cách nào để tách biệt nghiên cứu thị trường và đổi mới sản phẩm.

Tôi thấy khó để trả lời trước tiên thị trường muốn gì, ví dụ, thị trường cần độ chắc chắn cao và thời gian phản hồi dịch vụ ngắn. Nhưng chi phí để thực hiện điều này là cực kỳ cao. Tôi có thể phải hy sinh hoa hồng hoặc nhận thức thực tế. Toàn bộ hệ thống được kết nối với nhau. Tôi thấy khó có thể chia nhỏ nó thành nhiều lĩnh vực khác nhau ở cấp kiến ​​trúc cao nhất để hoàn thành các mục tiêu đã đề ra. Mọi mục tiêu đều có thể dựa vào các nguồn lực khác trong quá trình thử nghiệm.

Chính vì sự không tinh khiết này mà cuối cùng tôi không thể chuyển đổi mô hình hoạt động của mình thành mô hình hoàn toàn dựa trên thử nghiệm, tôi cũng không thể dựa nhiều vào phản hồi của người tiêu dùng và lặp lại nhiều lần để nghiên cứu nhiều phân khúc thị trường khác nhau.

Tôi thậm chí không dám nói rằng chúng ta có thể phân công lao động sớm, cần làm gì về phía cung, cần làm gì về phía cầu, cần cải thiện bao nhiêu điểm trong việc khớp lệnh giao dịch trong năm nay và hiệu quả định giá và trợ cấp thông minh cần cải thiện bao nhiêu trong năm nay. Sau khi hoàn thành việc phân công lao động vào đầu năm, chúng ta có thể kiểm tra mục tiêu này vào cuối năm. Điều này là không thể vì mọi thứ đều liên quan đến nhau. Những điều này quyết định rằng nếu chúng ta muốn đạt được sự cải thiện về hiệu quả kinh doanh và thúc đẩy thay đổi mô hình kinh doanh, thì chỉ có một cách duy nhất để lựa chọn, đó là cung cấp loại hỗ trợ ra quyết định toàn diện này.

Điều này đòi hỏi năng lực của nhóm chúng tôi, thực tế đòi hỏi phải có cái nhìn toàn diện. Bạn phải có khả năng hiểu thị trường, hiểu đối thủ cạnh tranh và sau đó bạn cũng phải có khả năng hiểu được những điểm chính của quá trình giải quyết vấn đề.

8. Trách nhiệm của nhà phân tích

Các nhà phân tích cần cung cấp hỗ trợ quyết định toàn diện, nhưng nhiều nhóm chắc chắn không có khả năng này. Vì vậy, có một vài thay đổi lớn. Đây cũng là giá trị mà các nhà phân tích thường có.

Sự thay đổi đầu tiên nằm ở mục tiêu. Toàn bộ nhóm phải chịu trách nhiệm về quy trình kinh doanh và sau đó chịu trách nhiệm về doanh nghiệp. Nghĩa là, trong tổ chức, bạn cũng có thể tập trung vào kết quả kinh doanh, thay vì ai đó bảo bộ phận kinh doanh lấy dữ liệu, hoặc bộ phận kinh doanh bảo xem bảng điều khiển, hoặc dữ liệu phải chính xác, hoặc ai đó bảo bạn phải kết nối hai dữ liệu ngay, vì đây không phải là chịu trách nhiệm cho hoạt động kinh doanh cuối cùng, mà là chịu trách nhiệm cho một quy trình kỹ thuật.

Trong trường hợp đó. Trên thực tế, bạn không tham gia vào quá trình ra quyết định, đây chính là thay đổi lớn nhất về giá trị của một nhà phân tích. Đầu tiên, bạn sẽ đóng vai trò là trợ lý ra quyết định, nhà phân tích ra quyết định và sau đó là nhà phân tích dữ liệu. Dữ liệu là một trong nhiều cách và công cụ tôi sử dụng để hỗ trợ việc ra quyết định. Sau khi nói về các vai trò từ việc tiếp nhận nhu cầu đến hỗ trợ ra quyết định, chúng ta hãy nói về ba trách nhiệm chính của các nhà phân tích:

1. Đầu tiên, giúp phía doanh nghiệp thiết lập quan sát

Các nhà phân tích cần có hiểu biết toàn diện về thượng nguồn và hạ nguồn, đối thủ cạnh tranh, thị trường và quá trình phát triển của chính họ. Họ phải có tất cả thông tin cần thiết, dù thông tin đó đến từ trực tuyến hay ngoại tuyến, từ người dùng trong các nhóm bạn hoặc thông tin thu thập được từ các nhóm hoạt động khác. Đây là trách nhiệm thiết lập quan sát.

Ví dụ, dư luận của công chúng về các nhà cung cấp đang ẩn núp trong một nhóm gồm hơn 100 nhà cung cấp. Chúng tôi lắng nghe những gì nhà cung cấp nói và tìm hiểu những thông tin mà chúng tôi cho là quan trọng. Sau đó, chúng tôi xác minh xem thông tin đó có đúng trên mạng nội bộ hay trong hệ thống nội bộ hay không. Nếu đúng như vậy, chúng tôi sẽ ngay lập tức giơ tay để nói với phía doanh nghiệp rằng vấn đề này cần được quan tâm. Một số nhà cung cấp so sánh chúng tôi với đối thủ cạnh tranh và hỏi chúng tôi đang thất bại ở đâu. Sau đó, chúng tôi xác minh rằng dữ liệu nội bộ có thể là đúng. Nó không xuất phát từ dữ liệu thực địa và không liên quan đến các quy trình kỹ thuật phức tạp. Tuy nhiên, đây là trách nhiệm của chúng tôi vì chúng tôi cần phải đưa ra những quan sát.

2. Trách nhiệm thứ hai là đánh giá cách phân bổ nguồn lực hạn chế

Mỗi nhóm kinh doanh phải quyết định xem ai đang làm tốt và ai không, và mỗi nhóm phải quyết định xem hướng tiến hóa và lặp lại trước đó có đúng không, có nên quay lại hay dừng lại theo hướng này. Quyết định này phải được đưa ra và quá trình thực hiện phải mang tính khoa học. Những câu hỏi này phải được trả lời trong một môi trường tương đối hội tụ. Số lượng này ở đâu? Điều này khác với việc thiết lập quan sát. Việc thiết lập quan sát có nghĩa là nhìn ra bên ngoài, xem xét doanh nghiệp từ nhiều cấp độ và góc độ. Điều quan trọng khi đánh giá và phân bổ nguồn lực là gì? Điều này phụ thuộc vào cách bạn phân chia nguồn lực hạn chế của mình.

3. Thể loại thứ ba dành cho các vấn đề ra quyết định mở

Việc đưa ra những câu trả lời mở như thế này, vốn là chủ đề phân tích của chúng ta, là trách nhiệm của nhà phân tích. Trách nhiệm của nhà phân tích đã trở thành trách nhiệm kinh doanh. Ở một mức độ nào đó, đó là hệ thống tình báo của công ty tôi, nhưng tất nhiên không phải tất cả các hệ thống tình báo đều như vậy. Ở một mức độ nào đó, đó là hệ thống nhân viên của công ty tôi, nhưng đó không phải là tất cả các hệ thống nhân viên của anh ấy. Tuy nhiên, do quá trình toàn cầu hóa và hiện đại hóa nhờ Internet ngày nay, bộ phận này trong hệ thống tình báo và đội ngũ nhân viên của chúng ta đã trở nên quan trọng hơn nhiều so với trước đây.

9. Quan niệm sai lầm rằng Phân tích là một Trách nhiệm

Các nhà phân tích cần thảo luận về phương pháp cũng như phán đoán. Trước đây, chúng ta thường thấy một số cuộc tranh luận trong ngành, trong đó cho rằng với tư cách là một nhà phân tích dữ liệu, điều quan trọng là liệu bạn có nên kinh doanh hay không, liệu cơ hội có lớn không và liệu bạn có thể đánh giá giá trị thị trường hay không.

Nếu bạn đưa ra những đánh giá này, một số người sẽ chỉ trích bạn, nói rằng bạn thiếu chuyên nghiệp và đang làm công việc vận hành. Tôi không hoàn toàn đồng ý với quan điểm này. Các nhà phân tích có nhiệm vụ hỗ trợ việc ra quyết định kinh doanh. Phân tích phải dựa trên các kịch bản ra quyết định và quyết định kinh doanh cụ thể. Nếu chúng ta không kết hợp nó với phán đoán kinh doanh, sẽ không có cách nào để thống nhất với phía kinh doanh trong quá trình ra quyết định. Bởi vì xét về mặt nguồn lực, các nguồn lực hỗ trợ cho việc ra quyết định cũng rất hạn chế. Có rất nhiều hướng kinh doanh, rất nhiều động lực thị trường và rất nhiều xu hướng có thể có của các sản phẩm cạnh tranh.

Trên thực tế, nó có thể mở rộng thành vô số câu chuyện có thể kể. Nếu bạn theo đuổi việc kể một câu chuyện hay, một câu chuyện thú vị, bạn có thể kể vô số câu chuyện.

Ý anh là tôi sẽ tháo rời phải không? Nếu bạn muốn phân tích và tìm kiếm các yếu tố ảnh hưởng chính và các bất thường lớn, bạn có thể tìm thấy vô số bất thường, vì có hàng ngàn cách để phân tích, nhưng trọng tâm phải là gì, phải phù hợp với mục tiêu và sau đó phải gần với các giải pháp khả thi. Những phân tích này cần được ưu tiên về nguồn lực để thực hiện. Điều đó đòi hỏi sự phán đoán.

10. Các loại phân tích dài hạn của nhà phân tích

Điều quan trọng nhất là phải trả lời được liệu có thị trường mới hay không gian mới nào cần phát triển hay không. Ví dụ, làm thế nào để phát triển thị trường mới hoặc làm thế nào để phát triển phân khúc thị trường mới là câu hỏi dài hạn mà các nhà phân tích cần trả lời.

Điều thứ hai cần trả lời là môi trường cạnh tranh hiện tại, vị thế của tôi, doanh nghiệp hiện tại của tôi có lành mạnh hay không, chúng tôi có đang trong tình trạng tốt nhất không và chúng tôi có cần phải điều chỉnh không? Về những vấn đề chung, tôi thấy rằng tình hình hiện tại của đối thủ cạnh tranh của tôi không được tốt lắm, nhưng có thể do một vấn đề đơn lẻ gây ra, hoặc cũng có thể do toàn bộ thị trường giao dịch gây ra.

Nếu nguyên nhân là do một vấn đề đơn lẻ, ví dụ, hôm nay chúng tôi phát hiện tỷ lệ chuyển đổi khách hàng mới về phía cung ứng là không đủ, thì chúng tôi chỉ để nhóm thu hút khách hàng mới giải quyết. Nhưng nếu vấn đề nằm ở điểm cân bằng giữa mức độ chắc chắn của giao dịch và giá cả của đối thủ cạnh tranh khác với chúng ta, chúng ta sẽ phải chịu tổn thất trong cuộc cạnh tranh vì sự khác biệt về điểm cân bằng này. Tuy nhiên, vấn đề này không thể giải quyết được chỉ bằng một nhóm duy nhất. Vào thời điểm này, nhóm hỗ trợ quyết định phải đưa vấn đề này lên cấp cao hơn và một tổ chức cấp cao hơn phải phối hợp và giải quyết.

Hạng mục thứ ba là nâng cao hiệu quả hoạt động, tức là làm sao tạo ra nhiều không gian hơn cho lợi nhuận gộp thông qua tiến bộ công nghiệp và củng cố tư duy thương hiệu. Đây là điểm thứ hai, đòi hỏi phải nói về phương pháp và đưa ra phán đoán. Tôi không đồng ý rằng các nhà phân tích không thể suy nghĩ theo cách vận hành. Thể loại thứ ba là mọi quyết định đều được đưa ra trong không gian thông tin hiện có và mọi lần lặp lại thử nghiệm cùng kết quả lặp lại của chúng cũng được hoàn thành trong không gian thông tin hiện có.

11. Các nhà phân tích nên tiến hành phân tích định tính xung quanh các đề xuất kinh doanh

Tôi vừa đề cập rằng các nhà phân tích kinh doanh cần thiết lập một hệ thống quan sát cho doanh nghiệp. Chúng ta hãy mở rộng vấn đề này thêm một chút. Trách nhiệm của các nhà phân tích cần phải thay đổi. Quan sát cần trở thành người bảo vệ khả năng đánh giá và phân tích động. Một điều nữa chúng ta cần làm là tách hệ thống quan sát khỏi hệ thống đánh giá ở cấp độ phương pháp luận. Việc tách biệt hệ thống quan sát và hệ thống đánh giá có ý nghĩa gì?

Chúng ta thường thấy một số báo cáo dữ liệu đồng bộ hóa tiến độ OKR hàng tuần hoặc đồng bộ hóa chúng qua email. Trên thực tế, mục đích là làm mới tiến độ của OKR hàng tuần để mọi người biết được tình hình kinh doanh hiện tại. Bạn có một số thay đổi mới để trả lời, nhưng có vấn đề.

Điều này tương đương với việc sử dụng các phương pháp đánh giá để đạt được sự quan sát. Bởi vì khi bạn thực hiện đánh giá, bạn có thể tập trung vào OKR và sau đó tập trung vào sự khác biệt giữa các nhóm. Tuy nhiên, khi quan sát, các phương pháp và cách tiếp cận thực sự phải đa cấp và đa góc độ. Ví dụ, nguồn lực của bạn ảnh hưởng đến nhóm kinh doanh và xu hướng kinh doanh của họ. Bạn cần nắm bắt những thay đổi trên thị trường, những thay đổi ở từng phân khúc thị trường và sau đó cần nắm bắt xu hướng của đối thủ cạnh tranh. Đây là cách thiết lập sự quan sát.

Chúng tôi yêu cầu tất cả kết quả phân tích, cho dù bạn có viết rõ ràng hay không, đều phải nêu rõ câu hỏi kinh doanh mà bạn đang trả lời. Ví dụ, đọc báo cáo ra quyết định hàng tuần, báo cáo hàng tuần qua email và báo cáo kinh doanh hàng ngày. Điểm chung là dù báo cáo của bạn đơn giản hay phức tạp đến đâu, bạn cũng phải nêu rõ câu hỏi bạn đang trả lời và phải trả lời câu hỏi đó ở mức độ định tính.

Ví dụ, khi đọc báo cáo hàng ngày, ngay cả khi hôm nay không có vấn đề gì, bạn cũng phải nêu rõ là sau khi điều tra không có vấn đề gì, mọi chỉ số đều ổn định và hôm nay không có vấn đề gì. Đây là một bản án. Với phán đoán này, mọi quyết định mà chúng ta đưa ra ngày nay dựa trên dữ liệu này, bao gồm cả những quan sát bất thường, thực sự đều được hoàn thành trong phạm vi hiệu quả.

Tất nhiên, nếu có vấn đề thì tốt hơn hết là xác định rõ vấn đề nằm ở đâu. Cho dù đó là vấn đề kinh doanh hay thay đổi dữ liệu, đều phải được viết rõ ràng.

Trên thực tế, tôi không hoàn toàn đồng ý với ý tưởng rằng mọi phân tích đều phải dựa trên sự nắm bắt, vì điều này rất khó. Một phân tích tốt thường có thể được triển khai thành một handle, nhưng ngược lại, một phân tích không thể triển khai thành handle có phải là một phân tích tồi không? Điều này không nhất thiết phải như vậy. Đặc biệt trong trường hợp các vấn đề phức tạp hơn và các quy trình hỗ trợ ra quyết định cấp cao hơn, việc phân tích không thể hỗ trợ các hành động triển khai tại thời điểm hiện tại là điều rất bình thường.

Yêu cầu nghiêm ngặt hơn của tôi là các nhà phân tích phải luôn biết họ đang trả lời điều gì. Họ không thể chỉ liệt kê một loạt dữ liệu rồi nói rằng họ không biết mình đang trả lời câu hỏi gì. Chỉ là điều này rất quan trọng và tôi nghĩ mọi người đều nên xem nó. Tôi nghĩ không nên không đưa nó lên. Điều này là không thể chấp nhận được. Nếu bạn không biết mình đang trả lời câu hỏi gì thì đừng đăng câu hỏi đó.

Nếu bạn thực sự nghĩ rằng nó quan trọng, bạn phải tìm ra lý do tại sao nó quan trọng và nó trả lời cho câu hỏi nào, sau đó sắp xếp dữ liệu bạn muốn trình bày theo bối cảnh của các vấn đề kinh doanh định tính. Tốt nhất là nên có sự phán đoán thiên vị này và viết trực tiếp ra. Ngay cả khi tôi chưa thể đưa ra kết luận cuối cùng vào lúc này, thì đây cũng là một phán đoán và câu trả lời phải dựa trên đề xuất kinh doanh định tính.

Chúng ta cần phải bắt đầu từ mục tiêu cuối cùng trong tâm trí. Định nghĩa của tôi về kịch bản không phải là giải quyết vấn đề bằng kịch bản. Tôi hy vọng rằng các kịch bản có thể trả lời được những cấp độ con người nào khác nhau, những mức độ tiêu dùng nào khác nhau và những kịch bản nào có nhu cầu khác nhau đối với những trải nghiệm nhất định.

Ví dụ, một nhà phân tích cần có khả năng cho tôi biết rằng trong trường hợp này, người dùng có yêu cầu cao hơn về hiệu quả chi phí hoặc yêu cầu cao hơn về giá rẻ. Điều này có nghĩa là nếu kịch bản này không thể trả lời được xu hướng này và không thể trả lời được sự phân tầng của người tiêu dùng thì cảnh này vô nghĩa với tôi. Tôi đã thực hiện việc này ngay từ giai đoạn đầu tiên khi liệt kê các tình huống cần thu thập và xác định. Tôi đã đưa ra dự đoán này và tôi tin rằng các kịch bản tôi mong muốn phải có khả năng trả lời được ba câu hỏi này.

12. Con đường trở thành nhà phân tích nâng cao

Tôi thấy rằng việc dựa vào một số kỹ năng thống kê, hoặc một số quy trình, hoặc dựa vào danh tính giám sát trung lập của chúng tôi là không đủ để cung cấp hỗ trợ ra quyết định tốt. Nhà cung cấp chiến lược cốt lõi không thể là một quy trình kỹ năng hoặc một danh tính độc lập được đánh giá hoặc giám sát. Chiến lược cốt lõi được hỗ trợ bằng cách thu hút và bồi dưỡng nhân tài. Chúng tôi cần những người có tài năng toàn diện, có khả năng hiểu toàn bộ quy trình giải pháp, có mức độ phán đoán nhất định, hiểu biết về mục tiêu và thị trường cũng như mức độ phán đoán nhất định.

Đặc biệt khi tuyển chọn nhà phân tích, hiểu biết về kinh doanh lại càng là một kỹ năng khan hiếm hơn. Tất nhiên điều này không có nghĩa là khả năng thu thập dữ liệu không quan trọng, nhưng nó không quan trọng bằng sự hiểu biết về kinh doanh. Tuy nhiên, các nhà phân tích dữ liệu vẫn cần có khả năng thu thập dữ liệu.

Nếu nói về phân công lao động chuyên môn, có vẻ như các nhà phân tích không chuyên nghiệp, nhưng thực tế, so với mảng kinh doanh mà họ phục vụ, tính chuyên nghiệp lớn nhất của các nhà phân tích chính là lượng thông tin mà họ cung cấp. Đa dạng hóa và mở rộng là trách nhiệm nghề nghiệp lớn nhất của các nhà phân tích liên quan đến khía cạnh kinh doanh. Nhờ có phạm vi rộng mà các nhà phân tích cung cấp, bộ phận kinh doanh mà tôi phục vụ sẽ không giảm mức độ ra quyết định của mình khi đưa ra quyết định do thiếu thông tin hoặc sử dụng thông tin không đúng cách.

Bởi vì để có được sự hiểu biết toàn diện như vậy về kinh doanh, thực sự đòi hỏi những khái niệm và khả năng rất cao. Nếu những yêu cầu này không được đáp ứng trong giai đoạn tuyển dụng, chi phí để giải quyết chúng sau này sẽ rất lớn. Vì vậy, tuyển dụng là rất quan trọng. Những nhân tài vừa có phẩm chất, tiềm năng trong kinh doanh, vừa có khả năng hiểu biết và kiểm soát quá trình giải quyết vấn đề là rất khan hiếm. Đây cũng chính là điều cần thiết nhất.

13. Lộ trình thăng tiến chung cho các nhà phân tích

1. Chuyên viên phân tích cấp cơ sở

Khi phân tích, bạn có thể tập trung vào việc mô tả hiện tượng thay vì đọc dữ liệu cho tôi. Bạn phải nói với tôi rằng cung và cầu hiện đã cân bằng và tỷ lệ giao dịch là 80%. Bạn không thể đến và nói với tôi rằng tỷ lệ giao dịch là 80% vì có một sự chênh lệch rất lớn. Nó liên quan đến việc liệu có một phán quyết cụ thể hay không. Tức là bạn nói với tôi rằng không có bất thường trong cung cầu, thực ra điều này chứa đựng rất nhiều thông tin. Sau đó bạn đưa ra câu tiếp theo rằng tỷ lệ giao dịch là 80%. Thực ra, bạn chỉ đưa cho tôi một chiếc cân phụ để cho tôi biết điểm cân bằng ở đâu.

Nếu bạn chỉ cho tôi biết tỷ lệ giao dịch là bao nhiêu, sau đó để tôi phân tích, nếu tôi là người kinh doanh, và bạn hỏi tôi rằng tỷ lệ giao dịch hiện tại của tôi là 80% thì có tốt không? Nó có cân bằng không? Liệu nó có tốt trong môi trường cạnh tranh hiện nay không? Là một doanh nhân, tôi sẽ phải chịu đau đớn. Điều đó có nghĩa là bạn không hiểu về công việc kinh doanh.

2. Nhà phân tích trung cấp

Yêu cầu đặt ra là bạn phải có khả năng cân nhắc toàn diện các mục tiêu của mình về mặt kinh doanh và phải hiểu rõ về quy trình ra quyết định cũng như các đòn bẩy. Do đó, khi phân tích, có hàng ngàn lựa chọn và hàng ngàn chiều có thể được chia nhỏ. Bạn phải chọn phân tích nào có thể phục vụ mục tiêu và phân tích nào có thể có kế hoạch triển khai. Những phân tích này cần được ưu tiên. Mọi thứ đều vô dụng, trừ khi bạn có nhiều năng lượng hoặc một số yếu tố đầu vào khác. Trong trường hợp đó, bạn phải giảm đầu tư và đưa ra lựa chọn, vì hiểu được quy trình, hiểu được mục tiêu và có khả năng đưa ra lựa chọn là những yêu cầu đối với các nhà phân tích trung gian.

3. Các nhà phân tích cấp trung và cấp cao

Bạn cần phải thống nhất với phía doanh nghiệp ở cấp độ thương mại và có cùng chiều sâu hiểu biết về doanh nghiệp như phía doanh nghiệp. Kiến thức kinh doanh này phải đủ để bao quát những khái niệm cơ bản về thị trường, đối thủ cạnh tranh, tăng trưởng và tài chính. Chúng tôi cũng có một số đánh giá cơ bản về vấn đề nào là quan trọng và vấn đề nào là không khả thi, để tránh việc hoàn toàn không đồng bộ với doanh nghiệp của chúng tôi về xu hướng trọng tâm.

4. Chuyên viên phân tích cao cấp

Bạn cần có cái nhìn sâu sắc để đảm bảo rằng các bên kinh doanh quan trọng phải liên hệ với bạn khi đưa ra một số quyết định quan trọng. Tôi sẽ không cảm thấy thoải mái nếu không thảo luận vấn đề này với bạn vì bạn có cái nhìn sâu sắc như vậy. Bạn phải thực sự trở thành thành viên của nhóm đầu tiên, thay vì chỉ giúp tôi quản lý 20 nhà phân tích.

Bạn có thể thành lập một nhóm phân tích kinh doanh, nhưng điều đó có nghĩa là bạn là thành viên trong nhóm đầu tiên của tôi và quá trình ra quyết định cốt lõi của tôi đòi hỏi sự có mặt của bạn. Không phải là có vấn đề thống kê nào đó mà tôi không hiểu và tôi nhờ bạn giúp tôi kiểm tra. Trong trường hợp này, giá trị của việc trở thành thành viên đội một không đủ cao và bạn cần phải có chiều sâu nhất định.

Vì tôi đang sử dụng các khái niệm và khả năng nhận thức để hướng dẫn mọi người, tôi phải có một mức độ nào đó đã hạ thấp khả năng quản lý của tư duy và thực thi có hệ thống. Tất nhiên, hai khía cạnh này cũng rất quan trọng, đặc biệt là đối với nhiều công việc. Có khả năng suy nghĩ một cách có hệ thống về cơ bản là cơ sở để xác định cấp bậc của một người.

Ở một mức độ nhất định, tôi đã hạ thấp sự tập trung vào hai khía cạnh này. Tất nhiên, các yêu cầu cấp công việc của công ty sẽ nói về phạm vi, nghĩa là, liệu ranh giới trách nhiệm của bạn và các bên kinh doanh bạn phục vụ là quan trọng và liệu bạn có thể kết nối nhiều trường hay không. Nhưng đó có thể là một kết quả. Khi bạn đạt được một mức độ quan trọng đủ cao và thực sự có thể điều hành một nhóm tốt, kiến ​​thức ra quyết định sẽ tự nhiên có được.

Tôi thực sự đã thực hiện một sự đánh đổi. Loại liên kết này về mức độ nhận thức là khó khăn nhất để đạt được, và nó cũng có thể quyết định để thực hiện một phân tích tốt. Đây là cách chúng tôi hướng dẫn và đào tạo mọi người, và trọng tâm là cải thiện các cấp độ chính.

14. Yêu cầu cho các nhà phân tích trong các mô hình dựa trên dữ liệu khác nhau

Nếu bạn là người quản lý sản phẩm hoặc một doanh nhân trong một công ty và muốn làm việc tốt hơn với các nhà phân tích dữ liệu, bạn nên chú ý đến điều gì? Trên thực tế, điều quan trọng nhất là những gì thực hành thành công dựa trên dữ liệu, và sau đó loại tài nguyên nào nên được phân bổ trong hoàn cảnh nào. Trong thực tế, có một số mô hình được xác định rõ ràng. Chúng tôi cũng đã nói về mô hình dựa trên dữ liệu ở trên. Hãy cùng nhìn vào các chân dung phân tích tương ứng với các mô hình này dưới đây.

1. Nhà phân tích mô hình Thung lũng Silicon

Nếu sản phẩm của bạn rất phù hợp để theo đuổi kết quả nhanh thông qua việc lặp lại thử nghiệm, khung kinh doanh của bạn tương đối đầy đủ và đáng tin cậy. Tại thời điểm này, mô hình bạn cần áp dụng có thể là mô hình hacker tăng trưởng của Thung lũng Silicon. Trong trường hợp này, sự hỗ trợ mà nhóm dữ liệu có thể cung cấp cho bạn đạt được thông qua các phương pháp chuyên nghiệp hơn.

Điều đó có nghĩa là, một mẫu nhỏ có thể trả lời chính xác hướng lặp. Bạn không cần quá nhiều dữ liệu. Bạn có thể trả lời nó trong một không gian rất địa phương và trong một thời gian rất ngắn. Nó có thể trả lời những giải pháp nào tốt hơn hoặc cần được sửa chữa. Nó thực sự nhanh chóng.

Tại thời điểm này, yêu cầu đối với nhóm dữ liệu là tìm một số thiết kế thử nghiệm, có kinh nghiệm phong phú trong việc kiểm soát quy trình tiêu chuẩn hóa của vị trí điểm và có các nhà phân tích nắm bắt toàn diện các phương pháp thống kê. Một điều nữa là anh ta có tính chính trực và tính trung lập cá nhân tốt, vì vậy anh ta có thể làm điều đó. Các nhà phân tích bạn cần là loại này. Thực tế có khá nhiều tài nguyên cho loại hình này trong ngành. Trước hết, nếu bạn đưa ra lựa chọn này, bạn cần một người tương đối lành nghề và chuyên nghiệp, và có một sự nắm bắt tốt về các quy trình vốn có.

2. Nhà phân tích số liệu hành vi

Mô hình này là để nghiên cứu người dùng và nghiên cứu giao thông. Giống như tôi đã nói, khi tôi muốn vào một cánh đồng thích hợp, bây giờ tôi có một thỏi son gọi là Palace Wall Red, The Forbidden City Lipstick. Son môi này có thể là một thương hiệu thích hợp, nhưng tôi muốn điều hành nó tốt, vì vậy tôi phải tiếp tục thử loại khẩu hiệu nào và loại màu nào người dùng của tôi thích nhất, và sau đó kết hợp nó với phán đoán ngoại tuyến.

Mô hình này là cách giải thích lựa chọn giao thông, thực sự được hoàn thành ở mức độ lớn bởi các chuyên gia trong ngành. Nếu nó được đặt trong một công ty Internet, loại thay thế chức năng hoặc điều chỉnh kinh doanh này có nhiều khả năng được hoàn thành bởi phía doanh nghiệp hoặc người quản lý sản phẩm.

Các nhà phân tích dữ liệu theo dõi sự tồn tại của lưu lượng truy cập. Các nhà phân tích có thể hoàn thành công việc lành nghề, nhưng việc giải thích từng thay đổi trong giao thông đòi hỏi ai đó có kiến ​​thức trong ngành để hoàn thành việc giải thích và vòng lặp tiếp theo. Tại thời điểm này, yêu cầu là sự hợp tác giữa cả hai bên phải đặc biệt gần gũi và sáng kiến ​​sử dụng lưu lượng truy cập thực sự nằm ở các chuyên gia trong ngành. Những gì các nhà phân tích cần làm có thể là tạo ra một bảng điều khiển lưu lượng truy cập đặc biệt tốt và tự động, và sau đó liên tục để các chuyên gia trong ngành sử dụng dữ liệu để phân tích heuristic, sau đó điều chỉnh các chiến lược kinh doanh để tương tác với người dùng.

3. Nhà phân tích mô hình thứ ba

Đó là những gì được gọi là phân tích kinh doanh ở Meituan, giúp các nhà lãnh đạo cấp cao điều chỉnh các mục tiêu của các nhóm kinh doanh khác nhau và theo dõi tiến trình. Nó đôi khi giúp dự đoán các mục tiêu ở một mức độ nhất định.

Tại thời điểm này, nhà phân tích thực sự cần phải có kiến ​​thức kinh doanh mạnh mẽ, giao tiếp và cái gọi là mô hình kinh tế, nghĩa là không phải là mô hình kinh tế đơn vị, mà là mô hình kinh tế kinh doanh. Các yêu cầu trong các khía cạnh này sẽ rất cao. Tốt nhất là có MBA hoặc một sinh viên đã học các chuyên ngành liên quan đến kinh doanh. Anh ta có thể giúp ông chủ lớn ước tính hợp lý các mục tiêu, truyền đạt các mục tiêu này và hiểu các chiến lược hoạt động và hoạt động của công ty.

Tại thời điểm này, những tài năng bạn muốn thực sự hướng đến doanh nghiệp nhiều hơn và có thể tương đối nghiêng về giao tiếp. Đôi khi họ sẽ sử dụng các thuật toán, nhưng sử dụng các thuật toán tại thời điểm này không có nghĩa là có những yêu cầu cao cho chính các kỹ năng. Những gì cần thiết là một bên trung lập để ra ngoài và thuyết phục tất cả mọi người và loại bỏ các tranh chấp nhân danh khoa học. Loại quyết định này đòi hỏi hỗ trợ toàn diện hơn. Trong thực tế, ở một mức độ nhất định, chính những người ra quyết định không thể trốn thoát.

Trong mô hình thứ ba, cũng có một loại nhà phân tích, hoặc chúng tôi không thể gọi anh ấy là một nhà phân tích, người sử dụng dữ liệu kinh doanh để xem rõ dữ liệu và giúp công ty công khai.

Tất nhiên, nhóm người này trước tiên phải hiểu rõ dữ liệu hoạt động và dữ liệu kinh doanh của công ty, nhưng điều quan trọng nhất là tìm ra một loại logic hoặc tương quan kinh doanh và có thể hỗ trợ quan điểm của chính họ thông qua dữ liệu hiện tại. Sự khác biệt giữa họ và các nhà phân tích kinh doanh là các nhà phân tích kinh doanh dựa trên dữ liệu hoặc suy luận kết luận về quan điểm kinh doanh.

Loại nhà phân tích này dựa trên các mục tiêu kết quả. Anh ấy muốn thực hiện một định giá nhất định và tôi cần đưa ra một lập luận như vậy. Do đó, bức chân dung của ông có nhiều khả năng được tìm thấy bởi các công ty tư vấn, công ty đầu tư hoặc các công ty nghiên cứu trong ngành. Anh ta cần có một sự hiểu biết sâu sắc về logic định giá, hiểu doanh nghiệp, có nền tảng kinh doanh và có thể giải thích dữ liệu để thiết lập mối quan hệ logic giữa dữ liệu kinh doanh hiện tại và định giá mục tiêu.

Vì vậy, trước hết, nếu bạn muốn sử dụng tốt các nhà phân tích dữ liệu, bạn phải chia chúng thành các mô hình. Bạn sử dụng loại mô hình kinh doanh nào để vận hành nhóm của bạn? Bạn muốn loại hiệu quả nào? Hiệu quả là điều quan trọng nhất.

15. Cách hợp tác từ quan điểm của cấp độ phân tích

Trong thực tế, các nhà phân tích có thể được chia thành nhiều cấp độ. Từ dưới lên, tất cả họ đều có những thiếu sót rõ ràng khác nhau và các phương pháp hợp tác cũng khác nhau:

Loại đầu tiên có khả năng thu thập dữ liệu mạnh mẽ nhưng khả năng phân tích kinh doanh yếu. Các kỹ năng rất toàn diện. Là một bên kinh doanh, nếu bạn muốn thông tin, miễn là bạn có thể giải thích rất rõ ràng, thì nó có thể có được nguồn thông tin từ cấp độ kỹ năng, điều đó có nghĩa là độ chính xác kỹ thuật có thể được đảm bảo cho bạn.

Nhưng bất lợi của nó là anh ta có thể không thể hiểu được vấn đề của bạn từ góc độ kinh doanh. Bạn phải giải thích nó rất rõ ràng, những gì bạn muốn, và từ góc độ nào tôi muốn nhìn vào nó, và loại dấu hiệu nào là tốt và điều gì là xấu so với ai. Bạn phải giải thích hướng dẫn, hệ thống tham khảo, đo lường và cơ sở để phán đoán rất rõ ràng để hợp tác rất tốt. Đây là loại hợp tác mà các sinh viên ở cấp độ cơ sở hơn hoặc những người đặc biệt có kỹ năng trong một số lĩnh vực nhất định cần.

Sau đó, khi bạn đi lên một cấp độ, bạn sẽ có kiến ​​thức đặc biệt rộng rãi. Anh ấy có sự nhạy cảm của riêng mình với các vấn đề kinh doanh. Đồng thời, nó cũng có một số phương pháp và cách tiếp cận từ các trường khác có thể được sử dụng làm tài liệu tham khảo cho bạn. Tại thời điểm này, chúng ta cần giao tiếp nhiều hơn ở cấp độ mục tiêu, mức logic xu hướng và cấp độ giải pháp. Điều này có thể cung cấp một số cơ hội để cải thiện giao tiếp và hiệu quả.

Điều thậm chí còn tốt hơn là có các nhà phân tích tham gia vào quá trình ra quyết định. Trong quá trình thảo luận của bạn về mục tiêu và kế hoạch, có thể có một số nguồn thông tin tiềm năng có thể ảnh hưởng đến quyết định định hướng, vì vậy chúng có thể được đưa ra trong giai đoạn đầu.

Do đó, chúng ta nên xem xét các vấn đề cụ thể dựa trên các mô hình và mức độ khả năng khác nhau. Điều quan trọng nhất là làm thế nào để hợp tác. Nói chung, mọi người đều có một sự hiểu biết rõ ràng về mô hình họ đang ở, nhưng nói chung, mọi người đều không thể nhận được các dịch vụ trực tiếp từ các nhà phân tích cấp cao, vì vậy thường cần phải tìm đúng người và giải thích hệ thống tham chiếu và tiêu chuẩn đo lường rất rõ ràng để đạt được hiệu quả hợp tác cao hơn. Bất kỳ sai lầm nhỏ nào ở đây có thể dẫn đến điều đó mặc dù mỗi người trong số họ đang xuất hiện độc lập, hiệu ứng kiến ​​thức đối với việc ra quyết định sẽ kém.

16. Các nhà phân tích truyền thông và nhiệm vụ nào có giá trị?

Điều đầu tiên là khi bạn tiếp tục nói về mục tiêu của tôi ở cấp độ khái niệm, mục tiêu định tính của tôi là gì?

Ví dụ, nếu tôi đang làm một doanh nghiệp có tên là đặt phòng khách sạn ngày hôm nay, mục tiêu định tính của tôi là gì? Cuối cùng, tôi có cố gắng mở một kênh cho phân khúc thị trường này không, hay tôi đang cố gắng xem cấp độ tiếp theo của thị trường là như thế nào? Nếu người dùng ban đầu của các khách sạn ngân sách bắt đầu sử dụng sản phẩm của tôi, thì tôi sẽ độc lập với thị trường ban đầu và một số người dùng không thuộc phân khúc thị trường ban đầu sẽ xuất hiện.

Hay tôi hy vọng sẽ phục vụ người dùng hiện tại thông qua các khách sạn kinh doanh và giảm 10% giá trung bình để xây dựng khả năng cạnh tranh so với các đối thủ cạnh tranh của tôi? Hoặc tôi đặc biệt nhắm mục tiêu vào thời kỳ kinh doanh cao điểm và vì tôi không có đủ khách sạn, tôi sẽ cải thiện trải nghiệm thời kỳ đỉnh cao của chúng tôi bằng cách tăng nguồn cung.

Tất nhiên, cũng có thể là sự kết hợp của cả ba, nghĩa là nói về các mục tiêu kinh doanh ở cấp độ định tính. Đây là những gì các nhà phân tích muốn nghe nhiều nhất, bởi vì nó giúp họ đánh giá cách đưa ra lựa chọn trong quá trình phân tích, cách họ nên giúp bên kia thiết lập các quan sát ngược dòng và làm thế nào để giúp bên khác đưa ra đánh giá. Đây là tất cả các đầu vào rất có ý nghĩa.

Đồng thời, chúng ta cần cùng xác nhận ranh giới của thông tin này. Đối với mục tiêu này, sau đó chúng ta có thể thảo luận về phạm vi nào để đạt được mục tiêu này? Ví dụ, tôi hiện đang đặt phòng khách sạn kinh doanh và tôi đã chọn cải thiện hiệu quả hoạt động trong thời gian cao điểm. Vậy các con đường là gì?

Tôi có nên liên tục cải thiện hiệu quả kỹ thuật từ góc độ kỹ thuật, hay tôi nên hợp tác với một số chuỗi cung ứng khách sạn để thực hiện chuyển đổi trong thời gian cao điểm? Các đường dẫn có thể để khám phá, và ranh giới thông tin của các đường dẫn này lớn như thế nào? Đây là những gì họ muốn nghe.

Sau đó, điểm thứ hai là về các ý tưởng ra quyết định, đó là làm thế nào để ưu tiên. Trên thực tế, mọi nhóm đều có các ưu tiên, các thói quen là khác nhau và các ý tưởng ra quyết định đằng sau chúng là khác nhau.

Khi một số đội đưa ra quyết định, họ thực sự rất thiên vị đối với việc nắm bắt mọi thứ. Cho dù bạn thảo luận với tôi bao nhiêu, thật là vô ích nếu chúng không khả thi. Điều khó chịu nhất đối với chúng tôi trong việc làm sản phẩm là những thứ hoàn toàn không khả thi. Bạn tiếp tục nói với tôi về ý nghĩa thương mại của nó, và tôi nói lại cho bạn xem liệu nó có khả thi hay không, và sau đó bạn cho tôi biết điều này có giá trị như thế nào, hoặc tôi nói với bạn rằng có một khó khăn cụ thể ở đây đòi hỏi phải có tài nguyên để vượt qua và bạn liên tục nhấn mạnh với tôi rằng dự án này đã được quyết định bởi quản lý hàng đầu và nó được thảo luận ở các cấp độ khác nhau.

Mỗi đội đều có cách ưu tiên riêng. Cách điển hình là ưu tiên từ quan điểm khả thi, ưu tiên từ quan điểm của các nguồn lực hiện có, ưu tiên từ quan điểm về tầm quan trọng của các mục tiêu kinh doanh và ưu tiên từ quan điểm phối hợp và hợp tác. Đó là về các ý tưởng ra quyết định và cách chúng tôi ưu tiên các phương thức kinh doanh của mình. Điều này cũng rất có ý nghĩa đối với các nhà phân tích.

17. Những điều mà các nhà phân tích nghĩ là vô giá trị và khó nghe là gì?

Điều mà các nhà phân tích ghét nghe nhiều nhất là: Tôi không quan tâm, tất cả những gì tôi muốn là dữ liệu chính xác , dữ liệu về những vấn đề này, tôi không quan tâm đến cách lấy dữ liệu chính xác, nó phải chính xác.

Điều này là tốt trong một số trường hợp, nhưng nó thực sự không thể được thực hiện trong một số trường hợp. Bởi vì một khi ranh giới quá lớn, sẽ cực kỳ khó khăn để có được dữ liệu chính xác. Không thể có tài nguyên không giới hạn, và cũng không thể hội tụ tất cả các rủi ro thành một nguồn dữ liệu trực tuyến mà không biết rủi ro. Đây là những gì các nhà phân tích sợ và không muốn nghe.

Điều thứ hai tôi không muốn nghe là bạn có thể vui lòng xem lại không ? Tại sao không có tính năng mới của tôi tạo ra bất kỳ lợi ích nào? Bạn có thể xem theo các hướng khác không? Ban đầu chúng tôi đã lên kế hoạch đánh giá dựa trên hai chỉ số kết quả này, nhưng chúng tôi không thấy chúng. Vì vậy, bạn có thể nhìn vào các chỉ số khác? Hãy nhìn lại, có lẽ việc lặp lại này là có giá trị. Khi chúng tôi thực hiện các thí nghiệm, chúng tôi thực sự có thể gặp phải tình huống như vậy trong đó chỉ báo quan sát không tốt và chúng tôi muốn tìm lợi ích trong một phạm vi lớn hơn, đó không phải là điều chúng tôi muốn nghe.

Khi đưa ra dự báo mục tiêu, một số điều tuân theo luật lịch sử và có thể được dự đoán, nhưng một số vấn đề không có luật lịch sử và rất khó dự đoán. Các nhà phân tích ghét phải nghe gì nhất? Bạn có thể vui lòng cố gắng tìm một số phương pháp thống kê để cho tôi ước tính chính xác không?

Nó hơi khó để ước tính. Nó thực sự là không thể ước tính chính xác. Không phải là bạn có thể loại bỏ sự can thiệp bằng cách tối ưu hóa các phương pháp thống kê và đưa ra ước tính cho những thứ không có lịch sử và không có mẫu lịch sử. Điều này là khó khăn hơn để đối phó. Một khi một cái gì đó vượt ra ngoài mô hình của nó và có thể cung cấp các khả năng ra quyết định, trên thực tế, bạn không thể giải quyết nó bằng cách nghiên cứu sâu hơn, dành nhiều thời gian hơn hoặc tìm kiếm các phương pháp khác hoặc rất khó để giải quyết nó.

Loại thứ ba là tôi nghĩ rằng dữ liệu là không đủ và bạn cần thiết lập nhiều kích thước quan sát hơn cho tôi . Điều này là để nói về dữ liệu hoàn toàn mà không xem xét các mục tiêu kinh doanh và định tính. Cần phải nói rằng tôi cảm thấy rằng dữ liệu hiện tại ở một mức độ nhất định và tôi không thể đưa ra quyết định, hoặc cơ sở cho sự phán đoán của bạn, thay vì nói rằng tôi bị tách khỏi doanh nghiệp và liên tục yêu cầu các nhà phân tích cung cấp thêm kích thước phân tích. Đây cũng là một cái gì đó mà các nhà phân tích không thích.

Tác giả: Viện nghiên cứu tăng trưởng Arun

Nguồn: Tài khoản công cộng WeChat "Viện nghiên cứu tăng trưởng của Arun (ID: Arungrowth365)"