浅谈BI分析师
作者:杏彩体育官方地址    发布时间:2024-08-24 06:58:53

  对于BI的定义,大家是各有各的说法,但比较普遍和默认的一种,是用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。当然,对于一些非互联网从业者而言,这么说会比较费解,那么我们可以有一种更简洁的说法:“将大数据转化为业务知识,帮助企业做经营决策”,理解起来就要容易许多。

  但如果我们要深入理解BI所代表的概念,就要有一些独特的看问题视角了。从数据分析的视角看,BI是面向研究主题的一个分析过程,收集与主题相关的有价值、高质量数据,并对数据进行分析验证,得出部分结论或者是假设。

  从数据技术的视角看,BI是一系列信息化、数字化工具的集合,能够帮助企业简化收集、访问、分析数据的过程,自动化的将原始数据转化为有战略价值的信息。

  从企业管理的视角看,BI是企业改造自我、提升竞争力的一种有效途径,通过分析企业自身的数据,以更好的了解市场和客户,并改进企业的经营流程。

  现在非常流行的“数据驱动业务增长”的说法,就是以数据作为驱动企业增长的精细化运营策略,也是BI本质的一种体现。

  在互联网公司中,对BI的要求和期望会更高一些,通常BI的成长也是有明确的路径,主要包括三个层次:

  第一个层次是准确,即能够掌握清洗底层数据的方法,并准确反映业务实际情况,通过看板反馈给业务;

  第二个层次是洞察,在准确数据的基础上,能够分析数据中所蕴含的商业逻辑,并给出可行的结论和建议,如业务的健康度、业务的风险指数、市场上的潜在机会等;

  第三个层次是决策,在提供建议的基础上,能够进一步的与业务产生互动,推动整体决策观念的统一,并将结果落地,形成正反馈循环。

  BI是一个比较吃经验的岗位,也是一个需要厚积薄发的过程,正如“没有准确的数据就没有正确的结论”,BI并非需要学会业务的每一个流程环节,但依旧需要尽可能多的了解与业务相关的基础知识,这些都是日常工作中点滴积累下来的。

  BI的工作定位,可以用“业务参谋”,这个比较形象的语言来代替。根据上文BI成长的三个路径,日常的工作,也可以划分为三个阶段。

  第一个阶段,是定目标,并且规划策略打法。这个阶段打交道的目标,主要是面向一些决策层,比如总裁等,明确某个阶段,公司的战略是什么,要怎么来打赢这场仗,并且把KPI设定好。

  第二个阶段,是根据策略,寻找实现目标的途径,这时候与各个业务线的牵头人,关系就非常紧密了,考虑清楚做什么动作,来完成KPI是最合适的。换句话说,日常的最多事情,就是深度参与到业务的周会、项目会中,用数据来提供决策建议。

  第三个阶段,是属于自己的,也就是抓动作的进度,监控日常业务的数据指标。这个时候,数据的基础就非常重要了,要能够通过数据看清楚业务发生了什么,看板、指标、集市,能通过报表工具做起来的事情,都要体现在业务的数据看板之中。

  每周的KPI进度解读:主要包括KPI数据的当周达成情况,进度是否符合预期,并复盘近期的策略;

  业务希望通过数据化运营来保障KPI的达成。但数据化运营的本质,是对用户的运营,数据都源自于用户的属性和行为,通过用户行为分析指导运营策略。

  因此,数据化运营并不是能够立竿见影的,要达成GMV和毛利双重KPI,解决问题的思路就一定是个系统化的过程。不建议就事论事,而是分阶段的予以解决。在数据化运营中,每个阶段的工作中心各不相同。以下分阶段拆解一下动作:

  获客渠道:分析的内容包括,考虑拉新仍然存在的空间有多大,我能够与那些场景合作,来触达我的用户;同时,投放广告时,我的落地页文案如何设计,转化漏斗如何提升;

  用户特征:通过整体场景的用户画像,配合一些线下场景的行为特征,如AIPL,可以辅助参考运营形式的设定,以及优惠方案的设计;

  运营手段:考虑整体的运营手段有哪些,除了加入会员群、发放优惠券之外的行为还有哪些;如何评估这些手段的价值,以及能够带来的转化率提升;不同的运营手段对于不同的人群、地域特征有什么差异;

  可视化工具的搭建:电商行业的运营,越来越依赖大促带来的成绩,因此数据的时效性要求非常高,也就是做Excel已经不行了,要有可视化的数据看板,来实时指导决策。

  以上是一套完整的数据化运营方案,但如同精益创业中MVP理论一样,BI通过数据分析,所总结的策略并非一定有效, 并不一定可以快速达到预期效果。在策略执行的同时,通过数据的积累沉淀,监控相应数据指标情况,对策略进行优化,优中选优,才能确保结果的实现。

  第一种,是对比,分析业务进度的快慢、市场竞争中的位置,通过与自己的同比、环比,能够非常显著的看出业务增长的速度,再跟市场上的竞对进行对比,可以分析出我们自身发展的优劣势;

  第二种,是根因,通过不断的拆解指标、维度下钻,找出影响问题的最关键因素,拿出最经得住询问的两个问题,持续进行分析;

  BI的日常工作中,因为要与一线的业务打交道,有一些还是非常难缠的角色,需要经得起询问,比如:

  很多类似的问题,不一而足,作为辅助决策的岗位,要更多的听业务在讲什么,通过简单的指标来“讲业务听得懂的语言”,而不是沉浸在“自己专业的语言中”。

  所以,很多时候,我们讲的“懂业务”,就是要比业务更懂业务,每天早上上班第一件事就应该是看数据。并且,数据只是一个手段,为一致的业务目标努力,我们要做的事情,不应该有边界。

  同时,日常的工作中,也有两个角色是经常打交道的,例如数据仓库团队,需要能够沉淀数据资产、指标体系;例如数据产品团队,沉淀产品数据看板、自助分析模板。在已有资产的基础上,总结业务模式,拔高到商业理解,通过专题看板,来指导业务如何看营销效果,如何看流量波动。

  未来数据分析师,可能朝着三个方向走,一个是“人人都是分析师”,将数据分析的技能,像Excel、PPT一样工具化;一种是“BI + AI”,通过算法赋能数据科学;一种是“数据驱动产业”,例如企业类服务/产业互联网这两个领域,数据分析还有较大的发展前景。



上一篇:橱柜装饰设计效果图2023版:引领家居美学的潮流风向标
下一篇:亿信华辰ABI重磅更新DEMO