用数据挖掘业务机会，结果出乎意料！

来源：接地气的陈老师

从数据中，挖掘出业务机会点，是很多公司对数据分析师的要求。然而到底啥是机会点？到底要怎么挖？很少有人详细讲解过，也让很多同学困扰。今天结合一个具体问题讲解一下。

问题场景：某电商平台，运营部门要求数据分析师挖掘用户运营机会点。数据分析师开心地报告“发现用户购买4次以后，用户消费就很高了，建议让每个用户买4次”……之后惨遭业务批判：“你分析了屁！”

问题出在哪里呢？

“发现用户购买4次以后，用户消费就很高了”这是一句典型的就数论数的废话。用户买得多，消费自然就很高呀！闭着眼睛都知道，还要分析啥。这种世人皆知的道理拿出来当然会被人喷。

其实反过来看，还不如用矩阵分析法，找一下有没有违反常识的人群，说不定业务还能觉得眼前一亮（如下图）。

从本质上看，找业务机会点，要找的是：业务可以通过XX行为，改善XX指标的机会。因此如果脱离业务行动，单纯就数论数，就很难挖掘到真正的机会。

比如上例中，即使用了矩阵法，发现了一批高客单价低消费频次的用户，业务方还是会质疑：

● 他都买了这么多了，为啥还要搞他复购

● 他都买了这么多了，是不是消费力已经用完了

● 他都买了这么多了，为啥不是找更多同类的人

● ……

各种质疑迎面扑来如万箭穿心，数据分析师哪个都抵挡不住。

从更深层看，找业务机会点，却连业务关心什么、想干什么都不清楚，单纯在数据里扒来扒去，肯定找不到有用的结果。

因此，有两个更好的解题思路：

思路一：先了解业务要做什么，再找把事做好的办法（执果寻因式）

思路二：先了解业务想改善什么，再找能落地的方法（按图索骥式）

这两种方法，都避免了漫无目标地扒拉数据，能做到有的放矢。

很多情况下，业务部门是因为老板下了命令：“做个XX活动/XX功能吧……”就开始行动。这个时候是现有了一个行动，再想怎么把行动做好。这是典型的执果索因式机会挖掘。

● 目标用户（谁）

● 信息渠道（如何联系他）

● 达标要求（联系他做什么）

● 参与流程（他要分几步做）

● 达标奖励（做完了能得什么）

老板在布置任务的时候，很可能不会面面俱到。此时解决问题的思路，就是哪些板块老板没有指定的，就从哪里入手。寻找可以优化的点。（可能有同学会不服气，为啥不是我站出来和老板干一架，找充足的证据把老板的想法否定掉。额，如果公司氛围很民主的话，可以试试……）

比如老板只是安排了：要做裂变，但是具体怎么裂并没有讲清楚，此时，就能分模块的分析：如何能让裂变做得更好。注意，对应业务执行五部分，需要的分析是不同的（如下图）。

有同学会问，那老板事无巨细地把啥都安排好了，然后让我们执行，这时候咋办？

答：这时候可以改变思路：先评估，按目前安排是否能达成目标。如果能达成目标，则努力做好即可。如果不能达成目标，就得准备第二手方案兜底，避免老板意图不能达成，扣一个“执行不力”的黑锅下来（如下图）。

整个思路归纳一下，如下图所示：

这里要注意的是：在没有做过，且不能做测试的情况下，理论推导的结果是很不准确的。数据分析无法预测前无古人的事。因此只要是业务没干过的，统一建议先测试，拿到测试数据再说话。

这种情况，更接近我们想象中的数据分析场景：业务部门先给个目标，数据再找办法。拿到这种问题，首先要对该目标的历史达成情况做分析，看看是哪一种（如下图）。

如果真是从来都没有达成过（且根据走势推测，也无法通过现有的增速达成），那就说明：现有的手段都不管用。这时候干脆就不要扒拉历史数据了，历史无法告诉你怎么实现。这时候需要业务上先收集有可能实现目标的手段，数据再配合做测试，或做推演。来验证：这是个真机会，还是镜花水月。

如果偶尔能实现，则还要进一步分析，是凭运气/凭资源/凭做法实现的。很有可能偶尔实现的目标，只是当时运气好/资源多，并非真的有啥好做法，此时洞察的机会点，就是剔出那些真正有实力的业务，总结业务经验。至于没实力的，帮助大家认清现实，早找新办法。

如果一半一半，则说明存在稳定的标杆，可以标杆分析法，洞察标杆做法，作为机会点复制给其他人。

如果能躺赢，则看业务方是想省钱，还是想立功。

想省钱的话，就找刚需用户多，找ROI低的子项目，直接往下砍。此时要洞察的机会点，就是哪些人群刚需，哪些项目ROI低，哪些条线效率低。

想立功的话，就找市面流行但是我司尚未做的做法测试，或者找目前尚未被运营覆盖的人群，试点做起来。此时要洞察的机会，就是：哪些人是漏网之鱼，哪些手段尚未被测试，已测试但是可优化的项目还有多少。通通拿出来做起来。

整个思路如下图：

做业务机会洞察，不是从数据库里拿几个字段出来算算就能交差的。

1、在对业务现状充分了解

2、对业务能力范围有充分评估

3、对业务要做的事有预判

这样才能明白：哪些是真机会，哪些是坑点。

做业务机会洞察，更不是预测：“给这个人派个优惠券，他99%会买”。实际影响业务的因素太多，从推送信息到操作流程，从商品到优惠，还有对手动作&用户兴趣，太多因素会干扰。不但不可能预测99%，即使蒙对了，也无法沉淀经验。

比起赌命式的预测，把过往经验总结出来，把未知的方案做好测试，是更能一步一个脚印推动业务把握住机会点，做出业绩。

以上就是用数据挖掘业务机会，结果出乎意料！的全部内容了，希望大家喜欢。