Loại phân tích dữ liệu nào có thể được coi là "nâng cao"?

Là nhà phân tích dữ liệu, chúng tôi chạy số liệu và phân tích hàng ngày, nhưng kết quả phân tích của chúng tôi không phải lúc nào cũng được người khác đánh giá cao. Vậy, loại phân tích dữ liệu nào có thể được coi là nâng cao? Tác giả chia sẻ một số mẹo để tiến hành phân tích cấp cao. Chúng ta hãy cùng xem nhé.

Chúng ta thường phàn nàn rằng mình chỉ chạy theo số lượng ở công ty mỗi ngày, nhưng những sản phẩm chúng ta làm ra lại luôn bị chỉ trích là "thiếu chất lượng". Tất cả đều là phép tính thống kê, tại sao lại cần phải “cực kỳ phức tạp”? Hôm nay, tôi sẽ sử dụng một trường hợp thực tế của mình để xem làm thế nào phân tích dữ liệu có thể được đánh giá là "có hiệu quả cao".

Tình huống có vấn đề: Trưởng phòng marketing của bộ phận thương mại điện tử trong một doanh nghiệp truyền thống đã tìm một chuyên gia phân tích dữ liệu và lấy dữ liệu hàng tồn kho hiện tại và báo cáo dữ liệu bán hàng hàng tuần của hàng hóa, yêu cầu trợ giúp phân tích. Phía doanh nghiệp cho biết: Không có yêu cầu phân tích rõ ràng nên chúng tôi sẽ thực hiện phân tích thăm dò.

H: Làm thế nào để thực hiện phân tích này?

01 Phân tích điểm tiêu cực

• Hàng tồn kho ngày hôm qua 120
• Cổ phiếu hôm nay 220
• Tỷ lệ tăng trưởng theo tháng là 83%. Nên hạ thấp

Bình luận: Tôi lười bình luận quá, bạn có thể tự bình luận.

02 Phân tích chung

• Sản phẩm A có doanh số bán hàng hàng tuần là 100 và còn 400 sản phẩm trong kho, có thể sử dụng trong 4 tuần nữa
• Chu kỳ bổ sung sản phẩm A là 3 tuần, có thể được quan sát thêm
• Sản phẩm B có doanh số bán hàng hàng tuần là 100 và 200 sản phẩm trong kho, có thể sử dụng thêm 2 tuần nữa
• Chu kỳ bổ sung sản phẩm B là 2 tuần. Nên bắt đầu bổ sung vào tuần này.

Bình luận: Biết rằng dữ liệu mua hàng, bán hàng và hàng tồn kho phải được xem xét cùng nhau và biết cách xem xét chu kỳ bổ sung, thì ít nhất điều này cũng được thông qua.

03 Một chút phân tích cấp cao

• Sản phẩm A có mô hình theo mùa và hiện đang ở cuối chu kỳ. Người ta ước tính số hàng tồn kho này sẽ đủ dùng trong 3 tuần. Không nên tiếp tục mua hàng.
• Sản phẩm B đã đạt đến nửa sau của vòng đời với doanh số bán hàng hàng tuần đang giảm. Nó sẽ được vận chuyển nhanh hơn.
• Sản phẩm C là sản phẩm tiêu chuẩn không theo mùa, với doanh số bán hàng hàng tuần là 100 và tồn kho là 200. Sản phẩm có thể sử dụng thêm 2 tuần nữa và có thể bổ sung trong tuần này.

Bình luận: Sự khác biệt lớn nhất giữa việc phân tích dữ liệu và làm bài tập về nhà ở trường là "không có câu hỏi kiểm tra chuẩn trong bài tập thực tế, chỉ có các bài toán cần giải quyết". Vì vậy, điều đó không có nghĩa là bộ phận kinh doanh chỉ có thể xem một dữ liệu! Hơn nữa, bộ phận kinh doanh không cần phải cho họ biết về vòng đời sản phẩm, chu kỳ tự nhiên và doanh số có ổn định hay không. Các nhà phân tích dữ liệu có thể tự khám phá chúng thông qua dữ liệu. Do đó, nếu bạn muốn phát hiện ra vấn đề, không cần phải chờ doanh nghiệp chỉ bảo mà bạn có thể tự mình chủ động.

Khám phá các mô hình đằng sau dữ liệu theo góc nhìn kiến ​​thức kinh doanh và hiệu suất dữ liệu. Sản phẩm theo mùa: Ví dụ, sản phẩm giúp bạn ấm áp vào mùa đông và mát mẻ vào mùa hè. Chúng chỉ bán chạy vào mùa. Nếu mùa đông không quá lạnh/mùa hè không quá nóng trong năm nay, doanh số sẽ được giảm giá, như thể hiện trong dữ liệu sau:

Sản phẩm vòng đời: chẳng hạn như sản phẩm điện tử và quần áo mới mỗi mùa, được bán với giá cao nhất và có doanh số bán hàng tốt nhất ngay sau khi tung ra thị trường, nhưng giá trị sẽ giảm dần theo thời gian. Khi mùa thay đổi và những kiểu dáng mới xuất hiện, chúng chỉ có thể được bán hết bằng cách giảm giá. Dữ liệu được hiển thị trong hình sau:

Các sản phẩm bán chạy ổn định: như gạo, mì, dầu ăn, trứng, khăn giấy, dầu gội, sữa tắm là những mặt hàng cần thiết trong cuộc sống hàng ngày. Chúng có thể dao động theo tổng khối lượng bán hàng (chẳng hạn như lượng khách đến cửa hàng và lượng khách đến trang web) hàng tuần, nhưng nhìn chung sẽ không dao động nhiều. Dữ liệu được hiển thị trong hình sau:

Những điều này có thể được khám phá trong dữ liệu hàng ngày và kinh nghiệm tích lũy mà không cần phải chờ phía doanh nghiệp nhắc nhở trước khi hành động (rất có thể phía doanh nghiệp tự biết những khác biệt này, vì vậy họ có thể tự tính toán và sẽ không hỏi lại nữa).

04 Có 2 chi tiết nhỏ cần giải quyết ở đây

Chi tiết 1: Nếu là sản phẩm không thường xuyên được bổ sung mà là sản phẩm mới thì làm sao dự đoán được xu hướng trong tương lai? Cách tiếp cận đơn giản nhất là phân loại sản phẩm dựa trên thương hiệu và phạm vi giá, và sử dụng hiệu suất trước đây của các sản phẩm cùng cấp độ và phạm vi giá làm tài liệu tham khảo (như minh họa bên dưới).

Chi tiết 2: Nếu sản phẩm được bán theo chu kỳ và bị ảnh hưởng bởi các yếu tố bên ngoài, chẳng hạn như mưa và không có doanh thu, bạn đánh giá xu hướng như thế nào? Cách tiếp cận đơn giản nhất là xem xét thời lượng của yếu tố ảnh hưởng và điều chỉnh trực tiếp thời lượng trong tương lai dựa trên các tác động trong quá khứ (như được hiển thị bên dưới)

Tất nhiên, có thể sử dụng các phương pháp dự đoán phức tạp hơn. Điều thú vị là loại dự đoán này sẽ thay đổi hành vi của doanh nghiệp, do đó, nó không nhất thiết phải là một dự đoán đặc biệt chính xác. Ví dụ, dự đoán nhị phân: có thể bán hết trong vòng 2 tuần/không thể bán hết có thể thúc đẩy phía doanh nghiệp quyết định có nên bán hết hàng tồn kho hay không. Để biết thêm thông tin về dự đoán, hãy nhấp vào [Nếu dự đoán không chính xác, đừng chỉ đổ lỗi cho nhà phân tích dữ liệu! ! 】

Điều này đưa chúng ta đến một câu hỏi quan trọng: độ chính xác nào là chấp nhận được? Sự khác biệt lớn thứ hai giữa công việc phân tích dữ liệu trong một doanh nghiệp và làm bài tập về nhà là: "Công việc thực tế đòi hỏi phải giao tiếp với nhiều phòng ban khác nhau, không chỉ là làm bài kiểm tra và chờ đợi câu trả lời đúng".

Đặc biệt trong trường hợp này: bản thân bộ phận kinh doanh cũng bối rối và không có mục đích rõ ràng! Tại thời điểm này, không cần phải ép buộc độ chính xác của kết quả tính toán. Thay vào đó, sau khi đạt được kết luận sơ bộ, bạn có thể tổ chức một cuộc họp để trao đổi, cảnh báo rủi ro và tìm hiểu câu chuyện bên trong. Trừ khi bạn gặp phải những sản phẩm đặc biệt có chi phí tồn kho đặc biệt cao và thời hạn sử dụng ngắn, chẳng hạn như trái cây và hải sản nhập khẩu trong số các sản phẩm tươi sống và vắc-xin được bảo quản trong tủ lạnh trong số các vật tư y tế.

Nhìn chung, sản phẩm có một khoảng thời gian luân chuyển nhất định, vì vậy mục tiêu cuối cùng của việc kiểm soát hàng tồn kho không phải là bán hết 100% hàng tồn kho vào phút cuối mà là kiểm soát hàng tồn kho trong phạm vi an toàn. Vì vậy, thay vì lo lắng về điều đó, bạn cũng có thể xem liệu bộ phận tiếp thị có thể chịu được áp lực tồn kho hiện tại hay không. Vậy, có cách phân tích nào nâng cao hơn không?

05 Phân tích nâng cao hơn

Tôi xin hỏi một câu hỏi đơn giản: Vì bộ phận tiếp thị là trung tâm điều hành, tại sao chúng ta phải yêu cầu những dữ liệu cốt lõi như khối lượng bán hàng và hàng tồn kho? Những người ở phòng marketing đã đến hỏi và hành động này tự nó đã là một vấn đề lớn. Một nhà phân tích dữ liệu có độ nhạy cao phải cảm nhận được điều gì đó không ổn trước khi tính toán. Khi có điều gì đó bất thường thì chắc chắn có điều gì đó không ổn. Việc liên lạc trước rất quan trọng! Có thể có nhiều tình huống cụ thể, nhưng có một vấn đề cốt lõi cần phải giải quyết trước: Đối tác kinh doanh thực sự không hiểu hay họ giả vờ không hiểu?

Đừng cười! Đừng cho rằng bộ phận kinh doanh dữ liệu cốt lõi thực sự biết mọi thứ. Rất có thể trước đây việc phát triển kinh doanh đã diễn ra suôn sẻ nên mọi người đều quen với việc đưa ra quyết định dựa trên ý tưởng của riêng mình; cũng có thể họ đã được hưởng lợi từ cổ tức của ngành trước đó và đàn lợn nái thực sự đang bay cao. Tóm lại, nếu bạn thực sự không hiểu, bạn cần phải:

• Thiết lập hệ thống giám sát dữ liệu
• Chẩn đoán các vấn đề hiện có
• Đưa ra các gợi ý để giải quyết vấn đề hiện tại trước

Đào tạo đội ngũ cán bộ có liên quan và thiết lập cơ chế giám sát dài hạn để đưa hoạt động kinh doanh hàng hóa từ trạng thái thô sơ sang trạng thái quản lý số. Nếu bạn giả vờ không hiểu thì tùy thuộc vào việc bạn thiếu nhân lực hay người giúp đỡ!

Nếu bạn thiếu nhân lực và cần trợ giúp để dọn dẹp dữ liệu, hãy nhớ:

1. Sản phẩm trước đó
2. Sản phẩm trước đó
3. Sản phẩm trước đó

Sản phẩm dữ liệu là giải pháp tốt nhất để giải quyết tình trạng thiếu hụt nhân lực xử lý dữ liệu, chứ không phải thuê thêm vài anh chàng giỏi Excel để lấp đầy khoảng trống. Sự tồn tại của Excel boy/Sql boy là một gánh nặng cho công việc dữ liệu. Nó không chỉ lãng phí chi phí mà còn không phản ánh được hiệu suất. Nếu họ có năng lực kinh doanh mạnh, hãy để họ kéo và thả dữ liệu vào kho dữ liệu; nếu họ có năng lực kinh doanh yếu, hãy thiết lập một bảng thông tin cố định và hướng dẫn họ cách đọc bảng thông tin đó.

Nếu bạn cần trợ giúp, điều đó tùy thuộc vào việc bạn cần trợ giúp về vấn đề gì:

• Một số sản phẩm không hoạt động tốt nên tôi muốn dọn sạch hàng tồn kho trước
• Tôi muốn ra mắt một số sản phẩm mới và sử dụng những sản phẩm trước đó làm chuẩn mực và hỗ trợ.
• Tôi muốn nhập lại một số sản phẩm nhưng sợ ông chủ không chấp thuận. Tôi muốn có người lên tiếng.
• …

Những mục đích này không phải là điều mà phía doanh nghiệp không thể hiện và các nhà phân tích dữ liệu có thể trực tiếp đoán được. Vì vậy, nếu phía doanh nghiệp muốn các nhà phân tích dữ liệu lên tiếng, họ nên trung thực nêu mục đích của mình và mọi người có thể cùng nhau thảo luận.

Thực sự có một số doanh nhân thích nói mỉa mai. Họ không thể hiện ý tưởng của mình mà buộc các nhà phân tích dữ liệu phải đoán. Nếu dự đoán không đúng, họ nói: "Có vẻ như việc phân tích chưa đủ sâu và không đáp ứng được kỳ vọng của doanh nghiệp". Thực hành này chỉ là sự chuẩn bị cho việc đổ lỗi sau này, vì vậy tốt hơn là hãy bỏ qua nó.

06 Tóm tắt

Nói về chiều sâu phân tích trong một công ty hoàn toàn khác với nói về chiều sâu khi thực hiện nghiên cứu khoa học trong trường học. Chỉ trong lĩnh vực nghiên cứu khoa học thì công nghệ cao và công nghệ tiên tiến mới quan trọng? Các phương pháp sử dụng càng phức tạp, hướng tới tương lai và tiên tiến thì càng tốt. Mục đích của một doanh nghiệp là kiếm tiền, và kiếm tiền đòi hỏi sự hiệu quả, phối hợp và tính thực tế. Do đó, thứ tự chiều cao là:

1. Kết hợp với tình hình kinh doanh ≥ chỉ cần tính toán các con số
2. Khám phá các vấn đề kinh doanh ≥ chỉ trình bày kết quả
3. Đạt được mục tiêu kinh doanh ≥ chỉ cần đếm số

Trong quá trình này, bạn cần có hiểu biết cơ bản về doanh nghiệp, giao tiếp chặt chẽ với doanh nghiệp và điều chỉnh phân tích của mình theo các mục tiêu cụ thể. Đây là cách hiệu quả nhất để nâng cao trình độ phân tích.

Tác giả: Thầy giáo thực tế Chen

Nguồn: Tài khoản công khai WeChat "Giáo viên thực tế Trần (ID: gh_abf29df6ada8)"