睿治

智能数据治理平台

睿治作为国内功能最全的数据治理产品之一,入选IDC企业数据治理实施部署指南。同时,在IDC发布的《中国数据治理市场份额,2022》报告中,蝉联数据治理解决方案市场份额第一。

经营分析,如何赋能业绩增长

时间:2022-07-26来源:挨踢妹浏览数:150

如果真的完全没数据,则优先考虑:留足资源,组织测试(而不是试图强行捏数据)。这时候可以看整体投入计划里,还有哪些水分可以拧,抽调资源。并且测试的时间、测试期望的效果,也要提前给出。这样可以帮业务明确目标,控制测试进度。

“做经营分析不要光堆数据,要有洞察,要能找到业绩增长机会”。这是很多公司的要求,然而却让同学们犯难:到底该怎么弄?怎么就从数字里看到机会呢?今天系统讲解下。话不多说,直接上例子。

问题背景

某企业有100间门店,平均每间门店贡献120万年收入,全年1.2亿收入。现在想在下一年增加50%,达到1.8个亿,该怎么做?

错误做法

有些同学一看题目,就说:这还不简单。多挣1.8-1.2=0.6个亿,每个店120万,开50个新店,搞掂!

不要笑,很多同学真就是这么算的。这里有哪些问题?

1、120万是年度平均,所以新店必须在1月份开起来,否则不够。

2、120万是所有店平均,新店/老店是否一样?得分开看

3、120万是所有店平均,大店/小店是否一样?得分开看

4、6000万增长,需要多少投入,是否收支平衡?

5、是否一个城市扎堆太多,导致效益下降?

6、是否老店还有增长空间,空间有多大?

7、除了店,有没有新渠道(比如线上渠道)可以考虑?

这些细节统统没有考虑。当然会惹人笑话。

注意,这里列的7个细节,完全可以用数据量化,和具体业务操作没有关系。我们不需要考虑到,诸如门店的门口用红字还是蓝字,线上是投广告还是请大长腿小姐姐来开直播。这7个细节,保障的是经营工作的方向正确与资源充足。如果能找到合适的方向,有充足的资源,再长再白的腿也能找到来开直播。

这就是经营分析驱动业绩增长的关键:

1、清晰业绩增长方向

2、保障资源投入力度

3、剔除明显有问题做法

有了这三点保障,就像上战场的时候,给前线配足枪支弹药,选好容易攻击的阵地。这对于前线的帮助,要比坐飞机空投一个命令”你把机枪往前挪100米”要有用得多。

要注意的是,这里的问题其实有四类,需要分别解决:

业务标签问题

问题一二三是典型的业务标签问题,即:我们是否足够了解业务差异,不要被平均值迷惑。业务标签,要结合具体业务场景,找对业务结果影响最大的因素,做成标签。

比如实体店,就要考虑:新店/老店,位置,门店大小等因素,于是可以做成标签如下。

而如果是线上投放,要考虑投放渠道、投放形式等因素,可以做成标签如下图。同时,线上如果有用户转化的过程数据,也可以纳入指标体系,用来辅助判断业务情况。

去平均化,是让经营分析对业务有用的基础。机会点、问题点都是从细节里来的。

投入产出问题

问题四是典型的投入产出问题。投入产出分析的关键,是要拆分资源用途,区分:

固定投入(门店、直播间、品牌广告、员工工资等)

可变投入 (促销礼品、优惠券、积分、单笔优惠等)

固定投入更像基础建设,很难直接衡量每一块投入提升多少订单。因此只能做分类管理,对每一类渠道的基建投入,控制总量。而可变投入是直接和订单相关的,因此必须具体考核收益。如果投下去资源没有见到额外增长,就得复盘投入价值。

这种分类,对精细化投入产出分析很有必要。一锅炖式投入分析,是历史上很多企业完蛋的直接原因。常常表现为烧了过多的营销费用发补贴,结果产品核心能力没上去(可变投入失控);或者烧了过多的钱打品牌广告,产能过度扩张,产品竞争力不足,资金链断裂(基建投入失控)。基建代表长期效益,直接拉升代表短期效益,两者不可偏废。

边际效益问题

问题五、六是典型的边际效益问题。边际效益问题在经济学书上很好解,因为大家总是假设已经有一个曲线了。可在现实中,如何画出这个曲线,才是最大的挑战。比如城市的门店上限,不可能真把一个城市的店,开得多到相互争抢生意倒闭关门为止。在现实中,只能做有限度的推测。

这时候,要注意寻找合适的样本做观察对象。比如城市门店数量问题,可以拆分城市,关注已经出现新开店边际收益下降的城市。有可能不等到ROI变负,便可以建议业务展开控制。这种拆分是需要业务标签做基础的,所以要先做业务标签,再看各类标签下,是否出现边际效益递减问题。

潜在方案问题

问题七是典型的潜在方案问题。潜在方案最大难题,在于:没数据。如果没有测试数据的积累,是很难直接靠凭空推理,推导出正确结论的。

如果真的完全没数据,则优先考虑:留足资源,组织测试(而不是试图强行捏数据)。这时候可以看整体投入计划里,还有哪些水分可以拧,抽调资源。并且测试的时间、测试期望的效果,也要提前给出。这样可以帮业务明确目标,控制测试进度。

如果有测试数据,当然最好。后需要做的就是

1、测算测试结果的投入产出比

2、评估测试过程的优化空间

3、推算:如果扩大范围,预计投入产出

这样就能输出相对完整的潜在方案评估结果。

方案综合分析

有了以上分析基础,对于业务提出的方案,就能快速分辨问题

1、是否错误估计了渠道的投入产出数据

2、是否没有考虑边际效益递减问题

3、是否没有注意不同类型渠道/商品/客户的区别

4、是否没有考虑投入产出结合,忽视投入因素

5、是否没有考虑优化细节,存有大量优化空间

结合数据,能快速识别出业务方案的漏斗,提醒业务方改善。而对管理层而言,能发现问题,也是在驱动业务增长,总好过拍脑袋上线然后再着急忙慌地补漏洞。

当然,如果真的分析做得很到位,我们是可以自己提业务机会点的,提的方式,和发现问题的方法是一样的。

1、我发现,有投入产出很好的门店类型

2、我发现,有投入效果明显的活动

3、我发现,有边际效益尚未递减的渠道

4、我发现,有待优化的转化路径细节

5、我发现,有实验成功的案例可以推广

这些要素组合出来,就是可以提出的机会点。之后就可以和业务交流,看是否有做大的可能性,是否需要资源支持。很多时候,经营分析人员即使不剔除全新的方案,能对机会点做好资源测算,也是一个很大的帮助了。

(部分内容来源网络,如有侵权请联系删除)
立即申请数据分析/数据治理产品免费试用 我要试用
customer

在线咨询