8529 大数据商业数据分析的四个层次示例；数据湖、数据仓库、、、傻傻分不清楚.docxVIP

【大数据】商业数据分析的四个层次示例；数据湖、数据仓库、、、傻傻分不清楚 人人都是产品经理 2018-05-29 原文 背景 PAS是一家销售企业管理软件的公司，虽然整个行业欣欣向荣，但是这家公司的业务却陷入泥沼，销售额连续八个季度毁灭下滑。为了扭转此局面，PAS花重金聘请了过往销售业绩极为精彩的老李担当CSO（Chief Sales Officer），直接向CEO汇报。 上任伊始，老李为了摸清情况，召集销售、产品、售前、人事、市场部门一起开了一个沟通会议，没想到这个会议变成了吐槽大会。 销售部门报怨人事部门给的候选人素养不高，阅历太少。人事反击说是你们管理不善，有阅历的老员工频繁离职，新入职的员工培训不够，不能快速成长。销售又埋怨公司产品功能不完善，在市场上的竞争力不足。而产品则回怼，已上线项目的客户反应良好，是你们销售力气不行。还有销售埋怨售前顾问不给力或者支持力度不够，还说市场部门组织的活动效果太差，获得的销售线索太少等等，不一而足。 在打算接受PAS公司的Offer时，老李已经做好接受挑战、迎接困难的预备。但是没想到实际情况比料想的更严峻。虽然老李在销售方面有丰富的阅历，但是PAS公司目前的问题貌似是全方位的，各个部门的说法听起来都有确定道理，但是哪些才是关键的问题？要想转变现状，又该从何处破局呢？老李不由限入深思。 在思路不畅、需要灵感时，老李宠爱到星巴克坐坐。在公司四周的星巴克，老李看到一个年青人正在写商业方案书，于是找这个年青人攀谈起来。原来这个青年叫小白，毕业于斯坦福。小白学成归来打算回国创立本人的商业数据分析公司，并且向老李引见了数据分析在商业决策中的作用和案例，尤其是描述性分析、诊断性分析、猜想性分析和处方式分析这四个层次和所用的具体方法。 听完之后，老李觉得或许在PAS的事情上小白可以供应挂念，于是向小白引见了本人面临的顺境，并期望接下来在改造销售团队和提升销售业绩的过程中，小白能通过数据分析的方法供应无力支撑。当然他也想考校下小白，看他说的数据分析方法是不是有那么奇怪。公司还没创立就接到了第一单生意，遇到这种好事小白欣然答应。 描述性分析 在进入PAS公司后，小白先对公司的业务现状和数据情况做了初步调研。PAS公司上线了CRM、ERP、HR等系统，针对商机、合同、付款、客户、价格、销售员的入职时间、接受过的培训等信息都是有具体记录的，这就为后续的数据分析工作打下了坚实的基础。 在做描述性分析时，最重要的是结构化思维，即要把分析的问题或目标进行逐层结构化分解，直到无法分解为止。 比如，总体销售收入=销售漏斗中全部销售机会的数量 * 每个销售机会的买卖金额 * 胜率 而每个销售机会的买卖金额=每个销售机会包含的产品 * 每个产品包含的模块数量 * 每个模块的平均单价 依据上述思路，小白首先对去年销售员全体的业绩情况做了分析：总体销售目标为 1亿2000万，已签单 1个亿，目标达成了83%，目前有100个销售员，平均每个销售员的签单金额为100万，这样看起来貌似还不错。但是再看下一项数据就会发觉比较大的问题，仅有20%的销售员完成了销售目标。 通过查看去年销售员签单金额分布，这个问题体现的更明显，销售业绩次要是靠几个明星销售员来达成的。 再看去年全体销售漏斗的表现，全体销售漏斗金额高达5亿，而每个销售员平均的漏斗金额有500万，但是平均签单金额仅有100万，也就是说胜率仅为20%；另外，去年已完结的买卖数量为1000，而销售员平均完成买卖数量仅为10个，数量偏少；同样，平均的买卖金额仅为10万，平均客户价值仅为20万，在企业管理软件行业，这两个数字都是偏小的。 接着分析新老客户平均买卖金额及胜率，可以看出新客户虽然单子大，但是赢单的概率较低；反之，老客户虽然单子小，但是胜率很高。 下面再看新老客户对收入的贡献，可以看到老客户虽然平均买卖金额较小，但是对全体收入的贡献还是远远高于新客户的。 再看买卖金额分布及其胜率，可以看出单子金额越大，胜率越低。 以及不同产品的收入分布和胜率，A、B、C这三种产品收入贡献较高，并且胜率也相对较高，证明在产品、价格等方面在市场上有较明显的竞争优势，可以重点突破。 诊断性分析 经过初步的描述性分析，小白对现有CRM、ERP、HR、售后、市场等5大系统或数据源中的数据做了梳理，共137个变量或KPI。如此之多的变量想通过传统的数据分析方法分析是很困难的（如通过散点图分析这些变量与销售业绩的相关性），只能使用机器学习的技术；通过此项技术，可计算出不同变量（机器学习称为特征）对结果值（即销售业绩）的影响到底有多大。具体结果如下： 去年销售员业绩达成率分布如下图所示： 依据上图把销售业绩分为三类：平凡，中等和优秀； 其中平凡为业绩完成不到50%的；中等为业绩完成50%-99%的