我在B端做数据分析——指标篇.docVIP

我在B端做数据分析——指标篇 前言 我是西索，距离2011年6月22日，到现在是真正意义上做了十年数据分析，十年前没有种好树，十年后我想重新开始积累。工作之后的前两年是面向于C端的零售行业，余下的八年都沉浸在B端领域里面，研究数据增值、变现的场景。 The best time to plant a tree was 10 years ago. The second best time is now. 说一说B端业务下的指标体系的建设过程。 几个管理层关注的核心指标 在指标建设过程中的合理性、复杂度、落地性都饱受争议，以至于很多分析面试的第一关便是如何建设基于某某场景的核心指标，如何去做指标的定义与监测，如何对核心指标进行跟踪… 为什么我们一直在说指标建设，但是却又一直做不好？指标建设，绝对不是说做一套产品就可以了，产品只是指标应用的一个承载体而已。 前几天去省厅开会，有一句话特别有感触 对做数据统计的岗位来说，如果没有系统化的指标来支撑，就会很痛苦，可能每天都会在找数据和凑数据的过程上，就显得比较低效。 所以才会去推数字化转型建设，从源头就把信息内容变成数字化，减少人为干预的环节，实现全链路的数据可视化 01 战略目标和管理必要性 做企业，最大的目标是为了盈利，非营利性的组织与团体，不在分析的范畴内。无论是平台型B类、SaaS服务型B类、实业型B类，从全生命周期的角度来说，都离不开「营收」、「品牌影响」、「行业知名度」 1.1 自上到下的考核机制，离不开指标建设 指标，是伴随考核而产生的，中央考核部委、部位考核省厅、省厅考核市局、市局考核县区、区县考核到单位，这就是一个完整的考核链路。 对公司而言，也是一样，董事会考核公司管理层、管理层考核事业部、事业部考核到子级业务线。促进数据指标建设的必然性，一定离不开企业在做数据化转型、数据管理、数据驱动中的主要痛点，尤其是在经济下行的市场环境下，营收目标的增长实现，就需要一套指标拆解的方式进行动态跟进。 参考《抖音集团数据指标体系分析与增长实践 》一文中的案例，任何一门生意都能用简单的数学模型来描述，实现运营公式的拆解 1.2 指标解决的几个实质性问题 指标的建设，不是空穴来风，做做样子，而是解决实打实的业务痛点，在企业运转过程中，几个最典型的问题在于： 1.3 构建指标的几种业务思考 了解战略目标 - 熟悉业务特性 - 提炼场景指标 - 核心指标开发 - 跟踪监控预警 02 B端指标建设的特性 在第一篇文章中从用户、业务、产品、行为、数据五个方面对B/C端进行了多维对比，在定义和设计指标的时候，需要充分认知到企业所在行业、市场上的差异性。提到B端就离不开数字化采购，根据艾瑞发布的采购行业研究报告，可以把B端的数字化拆分为两个时代：ERP时代、SRM时代 2.1 简单的B端业务 为什么说B端很简单，大多数的理解起来，B端的用户体量比较少，所以数据就会少 在中国，C端的用户体量大约在7～9亿左右额 而B端的用户体量，根据工商统计大约有4、5000万家注册企业数，划分到细分垂直领域，每个行业下的体量更少了 具体可以体现在以下4点： 2.2 复杂的B端场景 但实际上，B端也不少，主要看业务体量，是属于订单性质，还是看大合同类的服务履约性质 从供需的关系上来拆解，可以把采买过程拆分为四个环节：需求确认 - 供应商筛选 - 执行与追踪 - 交付验收 决策链路复杂 涉及的业务链路复杂 大数定律在B端有用，但是没那么有用 03 指标建设方式及内容设计 3.1 指标建设方式 从上至下的指标体系建设需要跟随企业战略目标的变更而进行变更，从而需要进行大量的指标变更。 从下至上的指标体系应关注在每个业务域内的经营活动而形成指标。要注意的是，各个业务域内可能存在交叉环节，相对应的指标在内部以及部门合作之间需明确指标口径。 3.1.1 自上而下 基于BI本身的职责和公司/团队对BI的要求，设计BI建设体系并分别推进落地， 跨团队的项目模式进行； 3.1.2 自下而上 整体而言，公司的目标会贯彻到各个子业务线的中短期规划里面，从组织架构设计上来看，指标建设的过程也应该是从上到下的管理过程。 实现方式：从业务需求出发，提炼需求过程中涉及到的数据内容项，形成业务核心指标； 基于BI团队现有的职责和任务， 专注于用户侧需求的满足，涉及标准化建设的需求，建立推进机制，BI团队作为需求和问题的发起者和结果的验收者存在； 3.2 主题域划分 实现方式 基于十大主题进行归类，可以构建原子粒度的DWD(数据明细层)和DWS(数据汇总层)，也可以用于方便集市内部表单管理 3.3 不同行业下的数据指标内容 B端企业有着非常强的行业特性，在不同的行业背景下，呈现出来的内容有着非常强的差异程度，根据日常关注的公众号、数据服务机构、