前瞻性的重要性前瞻性( 二 ) _生活百科

有前瞻性数据支持，可以方便业务安排活动，也能准备相关人力物力资源（比如做促销，商品、 *** 、服务器流量，有可能都要准备），这种前瞻性是非常有帮助的。
计算投入产出的常用方式有三种（如下图）：

文章插图
需注意的是，很多同学一提“活动效果预测”，就急匆匆想建模型或者做抽样，用第二、第三种 ***。在现实中，只有封闭了信息渠道的营销活动才适合这么干（而且需要余留较多时间准备数据）。
很多促销活动，比如双十一大促、周年庆大促，因为宣传规模太大，会产生滚雪球效应。用看似精准的 *** 预测的反而会偏小、失真。比如，新产品上市，可能在上市前完全保密，也没法做太精细的分组测试。
所以，做定性预测的时候，之一种 *** 用的更多。
投入产出型事件分析还有个用途，就是前瞻性指出问题。我们都知道，业务部门干事情不见得是为了效益更大化，很有可能有政治任务，比如：
老板要大力转型新零售，所以非得强迫客人微信下单；我们的KPI是抓老用户，所以效果不好也得强行做；部门费用不够了，但活动还得做，所以券全部面额减半。这时候，如果有过往分析经验指出：
微信下单就是垃圾，影响销售；老用户响应率就2%，咋做都是死；面额减半，响应率不是减半而是减3/4 。前瞻性指出问题，就能提醒业务部门注意风险，也不要在事后纠结“到底是什么原因做得不好” 。
只不过，这种前瞻性虽然有价值，但不一定受业务欢迎（还有可能吃板砖）。大家在实操中见机行事，量力而行。
第三类：内部结构型再深层次的看这个问题，就是所谓的自然增长率，根本是不存在的。
在数据上看，可能指标“自然”就会涨；可在业务上看，所有的增长，都是在XX条件下的增长（如下图）：

文章插图
除了宏观环境外，产品，促销，用户基础，用户分层这些，就是预测需要的XX参数。参数的情直接决定了业绩的走向。
所以，当内部影响因素发生结构性变化的时候，自然业绩会发生变化。只是很多内部结构性变化是慢性的、持续的、微观的，所以难以观察。
这就需要深度分析，不止关注整体趋势，更关注构成整体的各个因素的结构。
内部结构型问题很难前瞻，难在到底是个案还是趋势，很难在一次分析中观察到。比如，我们总是说：渠道下沉，新生代需求变迁，兴趣转移等等概念。可真具体到某一月某一日的数据上，你真把特定群体抽出来看，反而数据上差异不大。
有时候自以为观察到一个变化，可持续看几天，丫又消失了……短期内，永远是宏观事件&投入产出型影响占主导。
所以，想要观察到一个内部结构变迁的影响，需要长时间观察。

文章插图
小结看完三种类型，大家会发现，领导们想看的，都是第三类问题。
通过细致的分析，看到深层次问题，讲出来没人知道的惊天秘密——听起来多厉害，可实际上没那么理想。
业绩指标的波动，从来都是多种因素综合作用的结果，也并非每次变化都一定有深层次的原因，有可能就是自然波动、某个产品/活动做烂了、没钱还装逼，道理就这么简单。
能区分出来关键因素，提示问题才是重要的。
所以，数据分析的价值，不是神神叨叨地讲没人知道的秘密。
了解业务，区分事件；能量化的，量化预测；不能量化，评估范围；做好监控，提示问题。以上都能做到了，就是更好的前瞻性。
当然，有同学会问：有定性的预测，那有定量的预测吗？
【前瞻性的重要性前瞻性】当然有，而且有不止一种做法，不止一种算法；有兴趣的话，后续再继续分享。
作者：接地气的陈老师，微信公众号：接地气学堂。十年资历的数据分析师，做最接地气的分享。
本文由 @接地气的陈老师原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议