
文章来源: 接地气学堂
作者: 接地气的陈老师
上一篇《数据分析师的绩效,该如何考核?》引发同学们很大反响。很多同学表示:我明明做了BI,可为啥体现不了业绩,甚至平时看报表的人都不多。搞得领导天天质疑:我们的BI就这点作用?!
咋整?!
实际上,酒香也怕巷子深。种种问题,和很多同学只会埋头敲键盘,不会抬头讲故事有关系。今天我们来个最通俗易懂的分享,大家坐好扶稳哦。
01数据产品为啥没用
问一个简单的问题:一个销售,这个月业绩不好,他会怎么办?
他会把客户电话扫一轮
他会跑断腿找潜在客户
他会到处打听最新促销
他会虔诚求教忽悠话术
咦?数据呢?
是滴,他唯一不干的就是看数据。他但凡会看数据,都不会在一线干了。甚至他坐办公室里看数据,还会被领导踢屁股:“天天不干活!哪里来业绩!”对销售、店员、柜员这种一线基层,数据根本没啥用。他们关心的是具体可以干什么。
那他们领导会不会关心呢?会关心,但是他们只关心结果:
这个月做了多少?
还差多少才达标?
哪个小兔崽子做的最差?
之后估计就气冲冲的踢屁股去了。
面对嗷嗷待哺的下属,他们需要的是话术、名单、方法、政策。唯独没有数据。
这就是大多数实体企业的真实写照:要挣钱,追业绩,只管加行动量,不管背后的逻辑。然而,他们的高层管理往往很希望推动数字化转型、信息化建设等等。于是悲剧开始上演:负责数据的哥们和老板谈完,自以为手握尚方宝剑入场,开始大搞BI系统,数据建模,数仓建设。结果下边的人不敢攻击老板,可他敢攻击你这个干活的呀,于是各种吐槽:“你这大数据有毛用!不好用!能帮我卖1毛钱货吗!”几轮吐槽下来,灰头土脸,黯然收场。
咋办?╮(╯﹏╰)╭
02问题的本质是什么
问题的本质,是:数据不是祖传的救命仙丹,它不能一吃就灵。对销售业绩而言,促销才是救命仙丹,一降价肯定有销量。但我们知道,所谓的救命仙丹其实都是汞、硝、硫磺这种剧毒玩意,嗑多了人就挂了。所以数据更像是保健品,虽然吃了不救命,但是平时吃的多,根本不会拖到需要嗑仙丹的地步。如何把这种缓慢的保健效果可视化,才是数据产品真正难题。
“那为啥我们不去学卖保健品的呢!”不要笑,陈老师不但这么说了,而且这么干了。而且真的当司机,跟一帮老太太一起去参加那种不是传销也跟传销差不多的组织,举办的老年农家乐。而且很认真的总结了他们的推广套路。简单来说,就是:分而治之,威逼利诱。
首先,卖保健品的从来不会说自己是蛋白粉,蛋白粉多普通,一般会提什么:XX氨基酸,XX核酸,XX分子,总之名字特别高大上。其次,卖保健品从来不会说自己只是个辅食,人家张口就是:延年益寿,长命百岁。于是第一波好奇心强又不差钱的老太太就会来尝试。
有了从0到1的突破,后边的都好整了!
第二波,开始打小恩小惠吸引:“你看这么好的东西,你试一点又不吃亏,已经有人在买了,你看人家吃得多好,现在买还送鸡蛋、牛奶、大米、油、周末还能去农家乐呢”——就这么着又圈一波老太太。
第三波,开始打从众效应:“你看大家都在卖,你也试试嘛,这么多人都买肯定错不了”——就这么着又圈一波老太太。
第四波,开始威胁恫吓:“诶呀,你看那个阿姨,大家都在用她不用,真可惜,可能她孩子平时不给她钱吧/可能她经济实力不行吧,太可惜了太可惜了”——是滴,你不买你就很可怜,你就不如别人,就这么连吓带吐槽的,把最后一波老太太也收割掉。
PS:这就是为啥这些人喜欢在封闭的空间,比如郊区酒店、农家乐开大会的原因,环境封闭了,又有吃有喝,这事就很容办,在小圈子人们很容易被周边人带动情绪。
完美!
讲到这,是不是大家都明白了BI(Business Intelligence)的本质!以前我也好奇,BI明明是一个数据产品,可偏偏起了个连数据都没有的名字。哪里商业了?哪里又智能了?现在懂了——你提数据产品,就像和老太太提蛋白粉一样,他们根本不care。
你得起一个一听就跟企业赚钱有关系(商业)且一听就很高深别人不咋明白的名字(智能),才能启动第一波忽悠。这就是我们卖给企业的延年益寿膏。不亏是来自安利老家的Gartner,当年他们起BI这个名字的时候,是不是也和安利切磋过呢……
破局就从这开始。
03数据产品破局思路
首先要清晰:我们首先得买数据的,其次才能造好数据的。如果数据没好的买主,没有吸引买主的卖点,字段、模型、公式、图表,搞得越多别人听的越烦。站在买主的角度思考:“我能有什么用”,我是能帮他加强对一线的管控,还是能让一线更轻松干活?先抓客户需求,再谈落地。
其次要清晰:数据很难单独产生价值,需要用数据的人来配合。所以“人”是关键问题。不同的人有对数据不同的诉求,对数据的理解有不同程度。因此要:分而治之。先找到那些对数据最信任,最喜欢的用人做第一波种子。之后分五个层级,逐步推进。
再次要有推进手段。前边说的:神奇概念、小恩小惠、从众效应、威胁恫吓这四招非常好用,实际上在操作中常常是混着用的。如果客户喜欢玄乎的,你可以跟他谈:大数据、人工智能。如果客户喜欢接地气的,你可以谈:销售助手、店长助理;如果客户想从基层做起,你可以跟他谈:一线赋能,能力裂变,经验传承。如果客户想加强从上到下的管理,你可以谈数据驱动、数据化管理。总之概念要包装到位。总之,总有概念可以用。
小恩小惠的打法,在向一线推广非常有用。当年还没有微信红包的时候,陈老师就曾经在企业CRM里做了个红包页面,每天晚上6点弹一个:“恭喜你获得今天总裁/区总/店长红包”销售们都可喜欢看了,点进去看看我今天挣了多少。
当然,这只是个噱头,进去以后大部分人只有几分钱,且只是个数字而已,说的是月底发工资到账,可实际上经常没人记得。但是当天每个区业绩最好的人,真的有一个88的红包,而且其他人也看的到,这时候大家会好奇:他怎么卖的这么好?再往下点击,真正想推的数据产品就藏在这里。
一点小手段,就把数据产品在一线的使用率直接拉起来了。当然,对领导们就不能用这种小手段,而是靠摆整体经营结果——你看人家店就是有妙招!你想知道不?你看人家推A产品就是推得动!想知道不?把优秀团队的行为数字化,直接看图说话,很快领导们都接受数据产品的使用了。
等使用率起来,就开始搞从众效应:大部分分公司都用统一数据模板汇报,你咋不用?!等更多的人在用了,就开始威胁恫吓:业绩不好还不看“销售助手”,难怪做不起来!于是成功突破了开头的问题把数据产品普及出去。
当然这些手段有些过时了。一方面是随着互联网客户的增多,很多需求不再来自销售,而是运营部门,运营天生喜欢看数据,就不需要用这些坑蒙拐骗的手段。二来,从2017年开始,整个社会的风气,不是鄙视数据,而变成了迷信数据,于是避免过度期望,反而成了项目的主要方向。但这套思路依然在某些领域管用,比如美团、头条、58这种披着互联网外衣实则养着巨大的线下团队的公司,比如很多仍在信息化、数字化转型泥潭中挣扎的公司。
当然,分享这些早年经历给同学们,更多是希望大家感受到我们这些老头子们当年逢山开路,遇水搭桥的思路过程。从来就没有生下来就领导英明、同事和睦、队友给力、客户人傻钱多的行业,所有的问题都是从“人”这里产生,再通过“人”的思路来解决,与大家共勉。
那么问题便来了,新时代的两个问题:
1、运营总喜欢自己看数据,然后diss数据分析师做的没啥用
2、业务部门总指望“大数据、人工智能、精准”,可数据基础又很烂
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29