自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

toB和toC業(yè)務(wù),數(shù)據(jù)分析有何異同?

大數(shù)據(jù) 數(shù)據(jù)分析
toB和toC業(yè)務(wù)是完全不同兩大場景。toC業(yè)務(wù)面對的是個(gè)人的衣食住行的需求,離我們的生活很近。經(jīng)常我們把自己當(dāng)做消費(fèi)者思考一下,就能理解toC業(yè)務(wù)是做什么的。而toB業(yè)務(wù)則是服務(wù)企業(yè)生產(chǎn)經(jīng)營,很多同學(xué)不能直觀理解。

很多同學(xué)很疑惑:為什么我做的數(shù)據(jù)分析和別人講的差別那么大???有一個(gè)重要的原因,是數(shù)據(jù)分析的問題場景不一樣。不同的問題場景,意味著數(shù)據(jù)指標(biāo),分析邏輯,輸出內(nèi)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(diǎn)一下。

首先,toB和toC業(yè)務(wù)是完全不同兩大場景。toC業(yè)務(wù)面對的是個(gè)人的衣食住行的需求,離我們的生活很近。經(jīng)常我們把自己當(dāng)做消費(fèi)者思考一下,就能理解toC業(yè)務(wù)是做什么的。而toB業(yè)務(wù)則是服務(wù)企業(yè)生產(chǎn)經(jīng)營,很多同學(xué)不能直觀理解。

更難的點(diǎn)是:toB類業(yè)務(wù)數(shù)據(jù)記錄往往很少。toB類本質(zhì)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(gè)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(shù)字化程度很低,溝通過程基本都靠銷售自己完成,導(dǎo)致過程數(shù)據(jù)嚴(yán)重缺失。數(shù)據(jù)缺失,自然導(dǎo)致數(shù)據(jù)分析師很難分析出啥東西了。

其次,在toC業(yè)務(wù)里,線上業(yè)務(wù)和線下業(yè)務(wù)是兩大有差異場景。

線上業(yè)務(wù):APP、H5、小程序

線下業(yè)務(wù):店鋪、業(yè)務(wù)員、電話推銷、短信

在2023年,大家對線上業(yè)務(wù)反而更熟悉。每天點(diǎn)外賣,買東西、看視頻都指望手機(jī)呢。對線下業(yè)務(wù)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(dòng)無視了。

線上業(yè)務(wù)與線下業(yè)務(wù)的最大區(qū)別在于數(shù)據(jù)量。線下業(yè)務(wù)數(shù)據(jù)量很少,很多時(shí)候,連基礎(chǔ)的RFM分析都做不了(因?yàn)闆]有用戶ID),相當(dāng)多的線下業(yè)務(wù),是基于訂單、工單、采購單等單據(jù)進(jìn)行分析的,這一點(diǎn)讓習(xí)慣了線上數(shù)據(jù)的同學(xué)們非常難受。不過線下業(yè)務(wù)的分析,都有其成熟、固定的邏輯和套路,是可以通過學(xué)習(xí)掌握的。

圖片

再次,在一個(gè)企業(yè)內(nèi),根據(jù)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(tái):直接面向用戶的,產(chǎn)生收入,獲取客戶的(銷售、推廣、增長)

2、中臺(tái):對前臺(tái)起輔助作用,增加收入,減少損失的(品牌、營銷、運(yùn)營、風(fēng)控)

3、后臺(tái):支持前臺(tái)、中臺(tái)工作,交付產(chǎn)品/服務(wù)的(研發(fā)、生產(chǎn)、設(shè)計(jì)、供應(yīng)、客服)

前中后臺(tái)差異是非常大的:

前臺(tái)的分析大多可以用:人、貨、場的邏輯來描述。因?yàn)橹苯赢a(chǎn)生收入,所以相對容易通過拆解構(gòu)成收入的指標(biāo),來區(qū)分出影響收入的因素,進(jìn)而找出問題來源。

圖片

中臺(tái)的分析就復(fù)雜一些。因?yàn)槭钳B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(shí)效果

間接手段(比如廣告、社群、內(nèi)容)產(chǎn)生效果的邏輯梳理

間接手段(比如廣告、社群、內(nèi)容)產(chǎn)生效果的邏輯梳理

這使得中臺(tái)的數(shù)據(jù)分析,分析邏輯都很復(fù)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(tái)的分析則更糾結(jié)。

一方面,后臺(tái)的采購、供應(yīng)、生產(chǎn),受生產(chǎn)線、交通等客觀條件限制,短時(shí)間內(nèi)有能力上限;

另一方面,后臺(tái)的供應(yīng)量又受到前端影響,需求預(yù)測不準(zhǔn),需求反復(fù)變動(dòng),都讓后臺(tái)亂成一鍋粥,分析也不會(huì)準(zhǔn)。

所以,雖然后臺(tái)也有類似EOQ模型、分配與網(wǎng)絡(luò)模型這些科學(xué)算法,但是還是得結(jié)合前臺(tái)的一起看,該拍腦袋還得拍。

當(dāng)然,如果和toC/toB、線上/線下結(jié)合,能產(chǎn)生的場景就更多了。比如都是在線上賣商品,平臺(tái)電商(入駐天貓、抖音、拼多多等平臺(tái))自營電商(自建APP并推廣)就是完全不同兩個(gè)場景。數(shù)據(jù)來源,運(yùn)營方式,分析思路都不同。

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


圖片


責(zé)任編輯:武曉燕 來源: 接地氣的陳老師
相關(guān)推薦

2022-04-26 07:14:54

互聯(lián)網(wǎng)傳統(tǒng)行業(yè)數(shù)據(jù)分析

2010-06-13 09:32:01

UML依賴

2024-01-08 09:36:47

管理庫代碼

2023-01-03 11:39:06

2022-05-30 00:08:43

元宇宙區(qū)塊鏈Web3

2017-05-02 17:22:05

數(shù)據(jù)

2022-05-11 11:33:53

數(shù)據(jù)分析業(yè)績業(yè)務(wù)

2022-04-02 11:47:11

數(shù)據(jù)分析業(yè)務(wù)崗位

2022-08-16 11:33:43

數(shù)據(jù)分析業(yè)務(wù)數(shù)據(jù)

2021-10-28 19:22:35

數(shù)據(jù)分析

2022-08-03 14:30:52

大數(shù)據(jù)數(shù)據(jù)分析數(shù)據(jù)收集

2021-06-07 11:42:41

數(shù)據(jù)分析業(yè)務(wù)

2019-04-15 15:32:12

大數(shù)據(jù)開發(fā)數(shù)據(jù)分析數(shù)據(jù)科學(xué)

2021-02-22 17:29:41

體系數(shù)據(jù)分析模塊

2020-07-22 07:49:14

數(shù)據(jù)分析技術(shù)IT

2018-02-09 07:47:47

大數(shù)據(jù)BI商業(yè)智能

2020-11-18 09:33:03

數(shù)據(jù)分析業(yè)務(wù)問題

2023-12-03 09:10:00

技術(shù)業(yè)務(wù)數(shù)據(jù)分析

2022-10-09 11:32:52

數(shù)據(jù)分析業(yè)務(wù)銷量

2024-08-30 11:53:31

點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)