偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

toB和toC業(yè)務,數據分析有何異同?

大數據 數據分析
toB和toC業(yè)務是完全不同兩大場景。toC業(yè)務面對的是個人的衣食住行的需求,離我們的生活很近。經常我們把自己當做消費者思考一下,就能理解toC業(yè)務是做什么的。而toB業(yè)務則是服務企業(yè)生產經營,很多同學不能直觀理解。

很多同學很疑惑:為什么我做的數據分析和別人講的差別那么大???有一個重要的原因,是數據分析的問題場景不一樣。不同的問題場景,意味著數據指標,分析邏輯,輸出內容都不一樣,有些場景差異之大,以至于不熟悉的人完全上手不了。

那到底有哪些場景呢?這里簡單盤點一下。

首先,toB和toC業(yè)務是完全不同兩大場景。toC業(yè)務面對的是個人的衣食住行的需求,離我們的生活很近。經常我們把自己當做消費者思考一下,就能理解toC業(yè)務是做什么的。而toB業(yè)務則是服務企業(yè)生產經營,很多同學不能直觀理解。

更難的點是:toB類業(yè)務數據記錄往往很少。toB類本質上就是“談生意”。談生意,就需要大量的線下溝通,越大的客戶,要求越多,越不能指望客戶在一個APP里戳兩下就把幾千萬上億的錢掏出腰包。而很多toB企業(yè)的數字化程度很低,溝通過程基本都靠銷售自己完成,導致過程數據嚴重缺失。數據缺失,自然導致數據分析師很難分析出啥東西了。

其次,在toC業(yè)務里,線上業(yè)務和線下業(yè)務是兩大有差異場景。

線上業(yè)務:APP、H5、小程序

線下業(yè)務:店鋪、業(yè)務員、電話推銷、短信

在2023年,大家對線上業(yè)務反而更熟悉。每天點外賣,買東西、看視頻都指望手機呢。對線下業(yè)務反而生疏了,除了偶爾逛逛街,大部分電話/短信推銷都被人們自動無視了。

線上業(yè)務與線下業(yè)務的最大區(qū)別在于數據量。線下業(yè)務數據量很少,很多時候,連基礎的RFM分析都做不了(因為沒有用戶ID),相當多的線下業(yè)務,是基于訂單、工單、采購單等單據進行分析的,這一點讓習慣了線上數據的同學們非常難受。不過線下業(yè)務的分析,都有其成熟、固定的邏輯和套路,是可以通過學習掌握的。

圖片

再次,在一個企業(yè)內,根據工作流程不同,分析的場景有明顯差異,簡單的可以分成:

1、前臺:直接面向用戶的,產生收入,獲取客戶的(銷售、推廣、增長)

2、中臺:對前臺起輔助作用,增加收入,減少損失的(品牌、營銷、運營、風控)

3、后臺:支持前臺、中臺工作,交付產品/服務的(研發(fā)、生產、設計、供應、客服)

前中后臺差異是非常大的:

前臺的分析大多可以用:人、貨、場的邏輯來描述。因為直接產生收入,所以相對容易通過拆解構成收入的指標,來區(qū)分出影響收入的因素,進而找出問題來源。

圖片

中臺的分析就復雜一些。因為是疊加在銷售之上增加收入,減少損失。所以各種因素相互交織,較難分析清楚。

比如:

剔出“自然增長率”“季節(jié)變化”,才能看到真實效果

間接手段(比如廣告、社群、內容)產生效果的邏輯梳理

間接手段(比如廣告、社群、內容)產生效果的邏輯梳理

這使得中臺的數據分析,分析邏輯都很復雜,并且需要多角度,多批次的測試和對比,才能見效。

圖片

后臺的分析則更糾結。

一方面,后臺的采購、供應、生產,受生產線、交通等客觀條件限制,短時間內有能力上限;

另一方面,后臺的供應量又受到前端影響,需求預測不準,需求反復變動,都讓后臺亂成一鍋粥,分析也不會準。

所以,雖然后臺也有類似EOQ模型、分配與網絡模型這些科學算法,但是還是得結合前臺的一起看,該拍腦袋還得拍。

當然,如果和toC/toB、線上/線下結合,能產生的場景就更多了。比如都是在線上賣商品,平臺電商(入駐天貓、抖音、拼多多等平臺)自營電商(自建APP并推廣)就是完全不同兩個場景。數據來源,運營方式,分析思路都不同。

所以,想做數據分析做得深入,具體問題,具體分析這八個字是非常重要的。具體到一個業(yè)務場景里,就容易討論清楚。如果只浮于表面,光說:“數據分析就是做對比”,誰跟誰比,比啥指標,比出來差異又咋解釋,一竅不通,自然不能分析出好結果。


圖片


責任編輯:武曉燕 來源: 接地氣的陳老師
相關推薦

2022-04-26 07:14:54

互聯(lián)網傳統(tǒng)行業(yè)數據分析

2024-01-08 09:36:47

管理庫代碼

2010-06-13 09:32:01

UML依賴

2023-01-03 11:39:06

2022-05-30 00:08:43

元宇宙區(qū)塊鏈Web3

2021-10-28 19:22:35

數據分析

2022-05-11 11:33:53

數據分析業(yè)績業(yè)務

2022-04-02 11:47:11

數據分析業(yè)務崗位

2022-08-16 11:33:43

數據分析業(yè)務數據

2017-05-02 17:22:05

數據

2022-08-03 14:30:52

大數據數據分析數據收集

2021-02-22 17:29:41

體系數據分析模塊

2021-06-07 11:42:41

數據分析業(yè)務

2020-07-22 07:49:14

數據分析技術IT

2019-04-15 15:32:12

大數據開發(fā)數據分析數據科學

2018-02-09 07:47:47

大數據BI商業(yè)智能

2024-08-30 11:53:31

2022-10-09 11:32:52

數據分析業(yè)務銷量

2023-12-03 09:10:00

技術業(yè)務數據分析

2020-11-18 09:33:03

數據分析業(yè)務問題
點贊
收藏

51CTO技術棧公眾號