月説·小飞象第31期-常国珍老师

数据思维与应用分享人：常国珍博士以乐于分享，自我提升，赋能他人闻道有先后，术业有专攻共同创造一个牛逼的数据分析交流圈子分享会·第31期在数智领域碰撞出另一番火花个人介绍月説·小飞象常国珍博士

北京大学会计学博士，CDA数据科学研究院院长，中国大数据产业生态联盟专家委员会委员，腾讯云最有价值专家（TVP）。曾任思特沃克（ThoughtWorks）中华区首席数据科学家，毕马威（KPMG）咨询大数据总监、百度大数据产品经理。介绍如下：具有18年金融行业数据规划、数据治理咨询顾问经验。资深数据资产管理、量化精准营销和风控专家。协助企业逐步积累数据资产，运用数据智能工具优化业务流程，取得数字化竞争优势。作为金融企业数字化赋能辅导员，帮助金融企业建立数据管理体系，培养金融企业数字化文化，设计数据分析人员成长路径。著有《金融商业数据分析》、《金融商业算法建模》、《Python数据科学：技术详解与商业实践》、《用商业案例学R语言数据挖掘》、《胸有成竹：数据分析的SASEG进阶》等多本著作。1.结合业务需求搭建完整数据分析框架2.借助数据发现问题的四步法3.通过OSM模型建立指标体系4.

BI类数据分析的示例5.AI类数据分析的示例月説·小飞象1、结合业务需求搭建完整数据分析框架月説·小飞象以客户体验为中心的商业模式客户体验建立场景根据用户的社会属性，消费能力等精准聚焦目标消费者，精准聚焦目标消费者的需求，发现有价值的场景。扩大联接无论最初的触点在哪里，我们都要实时与客户互动，为每个消费者提供连贯的一致性的购物体验；同时客户及外部合作伙伴建立广泛的联接，逐步实现生态系统各族群之间的联系产生影响基于客户的特征、偏好、和体验，提供有价值的产品和服务，树立差异化产生洞察基于唯一的客户ID（One

ID）整合客户数据(OneEntity)，建立客户画像；利用大数据和分析产生对客户特征、偏好、需求等的洞察，提供数据服务（OneService）强化粘性基于场景开发和完善产品和交互界面，丰富客户服务内容和频度，从而提高客户粘性，提升客户终身价值企业数字化转型的背景月説·小飞象企业数据应用能力概述阶段一：只看后视镜阶段二：向前向后看阶段三：自动驾驶经营分析指标体系（描述+诊断+预报）运营管理指标体系（描述+诊断+预报）客户营销指标体系（描述+诊断+预报）风险合规指标体系（描述+诊断+预报）客户营销算法体系（预测+优化）风险合规算法体系（预测+优化）运营管理算法体系（预测+优化）KPI价值树（比如杜邦分析法）用户旅程指标（比如AARRR）流程智能化（比如自动信贷审批）月説·小飞象战略管理操作指导监督统计汇报实施制定/修正运营决策需求做什么？为什么做？做的如何？如何做？统计报表（BI）策略优化（TI）宏观行业分析（SI）数据产品类型数据范围市场/行业外部数据企业内部数据内部+外部数据国家统计局、行业报告、市场调研等数据获取方式企业业务系统企业业务系统+外部数据供应商企业业务层级怎么做？人工智能（AI）内部+外部数据+采集企业业务系统+外部数据供应商+对象数据采集工具B端企业决策层次和对数据的需求月説·小飞象管理层（BI数据产品）集团管理层公司管理层管理概要视图1、关注经营结果2、关注经营结果的影响因素月説·小飞象运营层（TI数据产品）风控策略经理客户运营经理业务运营视图1、关注客户旅程2、关注客户互动策略月説·小飞象操作层（AI数据产品）信贷审批经理客户经理重点客户视图大堂经理关注具体发生了什么，如何处理1、繁重枯燥活动替代2、日常维护提醒3、客户意向、风险洞察月説·小飞象数据分析完整框架1、业务有什么问题；2、业务问题的根因分析；3、提供解决方案，一般涉及到流程优化、政策调整、产品参数调整、IT系统优化等月説·小飞象探索E诊断D指导I工具T基于业务指标，发现值得关注的问题进行根因分析，会使用到客户标签针对根原因，制定解决方案，涉及到流程优化、产品参数调整、IT系统优化等数据算法技术数据分析完整框架简化为EDIT方法月説·小飞象EDIT方法与企业质量管理中根本原因分析法的关系13第四阶段制定和执行改进计划提出改善行动/措施第三阶段确定根本原因找出涉及到哪些系统将根本原因列成表形成系统性的因果链第二阶段找到近端原因寻找所有和事件可能的原因测量、收集、获得最可能的影响因素的证据第一阶段RCA前的准备证实发生了不良事件组织RCA小组定义要解决的问题资料收集探查诊断指导月説·小飞象以客户运营为例运营日常监控业务问题诊断通过运营数据指标监控，对指标异动进行下钻和专题分析找到指标异动的根本原因，以数据驱动业务健康发展，通过标签体系精准触达人群，完成营销闭环。制定业务优化策略专题分析发现的问题选择人群，通过运营手段精准触达客户，持续进行跟踪运营监测触达效果，通过指标反应运营效果，形成业务优化闭环月説·小飞象运营指标体系建立

解决用户行为数据分析缺失目前手机APP用户行为数据采集、分析在很多企业基本处于空白，日常仅靠人工后台日志查询等方式获得部分数据，无法满足业务部门的数据准确性、完整性要求，且目前手机APP业务占比逐步提高，在移动应用方面的数据监控完全缺乏，已经影响到创新业务的高效拓展追踪应用内用户行为能力包括业务流程漏损分析、客户停留时间、页面加载时间等重要数据。结合业务经验和这些数据，可以有效的提高用户体验以及业务的转化率提升公司移动大数据采集和管理能力需要有成熟的移动大数据管理平台，利用先进的技术和算法来满足对移动数据的从采集到分析的多层次需求。为数据驱动业务运营打下基础为业务部门展开移动运营工作提供基础必备工具和数据来源轻松集成，透析移动运营指标AppAnalytics移动运营平台步骤1：搭建移动运营平台步骤2：运营指标体系梳理步骤4：运营指标系统迭代步骤3：运营基线评估月説·小飞象用户标签体系建立

步骤1：基础标签梳理完整的标签意识是通过用户账户体系，覆盖从游客、用户、客户整个用户旅程。步骤2：搭建用户运营平台通过用户运营平台承载基础标签的落地和管理。步骤3：场景标签梳理基于用户生命周期，梳理场景化人群，进行营销探索。步骤4：标签闭环优化提升以指标体系为驱动，进行场景标签下的营销推送，不断验证标签价值。月説·小飞象基于用户生命周期，梳理场景化人群，进行营销探索。营销闭环搭建步骤1：营销闭环系统搭建步骤2：营销场景执行步骤3：迭代运营场景步骤4：完善用户标签和分析指标，固化运营场景月説·小飞象数据化运营体系运营层面数据平台大数据基础平台（数据科学平台）数据采集ID打通……标签计算数据整合数据标准化任务调度用户运营平台营销闭环平台移动运营平台/运营指标系统数据源灌入数据源外部数据源数据标签体系其他数据源内部系统核心系统营销系统数据中心数据源灌入数据源灌入通过TDID关联打通阶段一：指标体系建立运营基线评估展示指标体系考核指标体系分析指标体系阶段二：标签体系建立生命周期管理基础标签梳理场景标签梳理标签场景迭代阶段三：运营闭环建立营销推送管理对比测试管理效果评估管理营销闭环打通月説·小飞象2、借助数据发现问题的四步法月説·小飞象通过运营指标发现问题申请完成率的突然下降，对一款APP的影响是巨大的示例月説·小飞象进行定性和定量的浅因分析转化率4号以前5号以后注册手机号99%97%身份信息采集85%82%生物信息采集76%54%………………4号以前5号以后漏斗分析客群画像内外部因素分析内部外部最近针对**客群做了营销外部政策无变化外部需求无变化友商运营无变化示例示例浅因分析月説·小飞象进行根原因分析深度客群画像5号以后的新申请客户客群-产品-渠道月説·小飞象制定优化策略和优化的流程创新思维方法流程优化方法月説·小飞象总结目标确定数据获取数据整理业务分析9范式数据清洗算法模型微观根因分析（含统计分析）统计制图数据挖掘模型客户画像业务报告和仪表盘需求层数据层分析层输出层辅助决策SI、BI、TI智能决策AI宏观根因分析（含统计分析）业务根因分析与策略优化报告面向操作层战略分析报告智能决策模型面向运营层面向管理层解放操作层面向战略层月説·小飞象3、通过OSM模型建立指标体系月説·小飞象数据指标体系构建的流程三个步骤，四个模型方法论业务目标VEV模型AARRR模型OSM模型金字塔模型目标化模块化及流程化层级化指标分级下钻UJM模型赢率模型价值流模型价值树模型月説·小飞象业务目标(Objective)O:

公司/业务/产品/功能/…存在的目的是什么业务策略(Strategy)S:

为了达成上述业务目标所采取的策略度量(Measurement)M:

合理的度量指标可以衡量策略有效性，反映业务目标达成情况KPI(KeyPerformance

Indicator)Target直接度量策略有效性指标，直接反映目标的达成情况是预先给出的，KPI有没有达到Target是衡量业务目标是否达成1、OSM模型——明确业务目标，数据赋能业务月説·小飞象2、VEV模型，V-价值树（ValueTree）EVA分析杜邦分析月説·小飞象用户生命周期（AARRR模型）用户行为路径（UJM模型）注册

Register获取

Acquisition激活

Activation登录

Login留存

Retention加购

Add付费

Revenue购买

Purchase推广

Referral复购

Repurchase赢率模型（单个商机分析）锁定目标客户获得拜访机会技术推介资质审核资格认定2、VEV模型，E-高效用户运营（EfficientCustomerOperations）月説·小飞象2、VEV模型，V-价值流图(VSM)筛选管理

采购供应部

500ftcoil

仓库

9200/ShiftLot=201000每周n次150060007000200011001200每周一次8000C/T=5sC/O=0Shift=1VA=5sScrap=0%UpT=预验1C/T=5sC/O=0Shift=1VA=5sScrap=0%UpT=初测2C/T=5sC/O=0Shift=2VA=5sScrap=0%UpT=温度循环1C/T=5sC/O=0Shift=2VA=5sScrap=0%UpT=检漏/PIND2C/T=5sC/O=0Shift=2VA=5sScrap=0%UpT=电老练1C/T=5sC/O=0Shift=2VA=5sScrap=0%UpT=终测2C/T=5sC/O=0Shift=2VA=5sScrap=0%UpT=分料18Days5s1Days5s1.5Days20s6Days15s7Days30s2Days200s2Days120sC/T周期时间L/T前置时间C/O换模时间Batch批量大小Oper操作者人数Inventory库存UpTime

设备利用率FTY

一次合格率Scrap废品率VCT增值时间NVCT不增值时间Shifts每日班数A/T可用工作时间C/T=5sC/O=0Shift=1VA=5sScrap=0%UpT=月説·小飞象完全独立MutuallyExclusive相互穷尽CollectivelyExhaustive横向有逻辑纵向MECEMutually相互Exclusive独立Collectively完全Exhaustive穷尽3、金字塔模型——指标体系分级拆解月説·小飞象3以GMV为例搭建用户运营数据指标体系目标OOSM模型搭建整体分析框架提升用户总成交额GMV策略S子目标获取

Acquisition激活

Activate留存

Retention付费

Revenue推广

Referral目标转化：提升AARRR模型的转化以AARRR为例获取用户提高留存用户提高活跃度提高付费量提高推广人数—多渠道投放广告—老用户拉新奖励—未登录短信提醒—登录奖励活动—打卡签到送礼品—优惠券发放—推广奖励—限时折扣—优惠及福利推送—支付渠道优化—老用户拉新奖励金字塔模型进行指标下钻及回溯二级指标M指标拆解新用户数量申请完成率留存率付费额推广率各渠道曝光量各渠道跳转率日/周/月活用户数用户新老构成……留存率留存人数付费率人均消费……人均推广量活跃率月説·小飞象4、BI类数据分析的示例以商贸企业成本提升问题根因分析为例月説·小飞象OLAP分析介绍月説·小飞象数据分析的步骤——以经营分析为例步骤1步骤2步骤3步骤4发现异常提出问题确定原因解决问题月説·小飞象数据分析的步骤——以经营分析为例月説·小飞象数据分析的步骤——以经营分析为例步骤1步骤2步骤3步骤4发现异常提出问题确定原因解决问题销售额增长明显，而利润却没有月説·小飞象数据分析的步骤——以经营分析为例对数据做进一步探索性分析，对比各类别及子类别产品的销售额和利润，发现桌子这个类别的产品销售额较高，却出现极低的负利润。数据分析的步骤——以经营分析为例因桌子类别问题显著，尝试区域性分析，对比各地区桌子类产品的利润，发现各地区的桌子类产品的利润都很低，其中辽宁、浙江、江苏等多地出现负利润。月説·小飞象数据分析的步骤——以经营分析为例寻找影响利润的关键因素，对细分市场、装运方式、折扣与利润的相关性分析，发现折扣是影响利润的主要因素。月説·小飞象数据分析的步骤——以经营分析为例步骤1步骤2步骤3步骤4发现异常提出问题确定原因解决问题销售额增长明显，而利润却没有哪些类别的产品利润较低？是否地域性问题？影响利润的关键因素？月説·小飞象数据分析的步骤——以经营分析为例月説·小飞象数据分析的步骤——以经营分析为例步骤1步骤2步骤3步骤4发现异常提出问题确定原因解决问题销售额增长明显，而利润却没有哪些类别的产品利润较低？是否地域性问题？影响利润的关键因素？折扣是根源，薄利多销并不能带来长久的盈利月説·小飞象数据分析的步骤——以经营分析为例对比2020年11月桌子类产品的利润和折扣情况，发现600元以下的商品折扣力度最大，销售额却并不理想，且利润很低，而单价越高的商品折扣力度越小，销售额越高，说明单价在1000元以上的商品所针对的客户群体对于折扣活动并不敏感。月説·小飞象5、AI类数据分析的示例以某汽车主机厂增换购精准营销模型为例月説·小飞象业务问题识别某汽车主机厂的增换购业务一直不稳定。半年前其与经销商通力合作，主抓增换购业务拓展，取得了一定成效，但是最近该业务再次下滑。时间轴销售额月説·小飞象现状问题及根本原因根本原因

问题客户缺乏增换购需求名单不精确缺乏客户运营不知道客户的生活习性建议方案研究目的构建增换购模型：通过对历史数据挖掘与分析，建立增换购数学模型，分析存量客户中高潜意向的增换购用户名单制定精准营销模型洞察客户生活习性业务痛点获客不精准难以把握营销时间点不知道权益如何分配不知道客户的潜在价值和需求弹性预测客户价值，识别权益高弹性客户客户抱怨：经常接到无关的电话进行推销，同时销售顾问未能真正了解自己的需求，推荐的往往不是自己所需要的；经销商痛点：不了解存量客户中哪些是真正有需求的，只能广撒网，外呼的成功率极低；未能及时了解与充分掌握现有客户的升级需求，造成客户的响应。预期价值提高业务收入。对存量客户进行持续运营，挖掘新商机，提高销量与业务收入赋能经销商。支持经销商进行精准营销，提升潜客线索精准匹配率，促进线索到订单的转化，增加收入月説·小飞象定性用户画像（0-1）相关业务专家深度参与和研讨，将汽车增/换购人群分为三大人群，分别是上进务实派（56%)、悠闲乐活派(34%)、躺平享受派(10%)。以下是上进务实派的用户画像：私企部门经理：许赫姓名：许赫性别：男年龄：35岁居住地：湖州婚姻状况：已婚有孩孩子年龄：9岁….个人特征：追求竞价比…..消费偏好收入两万，本科学历，住在中端小区，…社会经济状况外形设计“低调有内涵”，内饰强调“舒适享受”…需求和期待目前车属于入门级，汽车金融产品已经结清，…产品订购情况行为特点定期按时保养，偶尔登录APP

…体育…个人爱好月説·小飞象定量用户画像（1-100）主要分布在二三线城市。中等收入人群居多。以中青年为主，男性占比高。目前拥有的车辆平均价格为20万。其中10-20万元的车占比61%，20-30万元的车占比12%。女性占比41%男性占比59%根据定性+定量分析筛选发现：目标用户属性应为：30-40岁（80后）、大学本科或专科、企业中高级员工、月收入1-3万元，且以男性居多。月説·小飞象模型开发策略数据清洗整合核心影响因素筛选数据提取经销商营销应用意向分级名单强烈XXXX意向一般XXXX意向摇摆XXXX意向挖掘算法决策树逻辑回归XGBOOST……

客户数据二手车数据客服数据汽车金融……重要级别换购1车系2车龄3平均材料费优惠4进场频率5收购_最后进场6保养频率7小修频率8年龄9索赔频率10驾驶频率11首保时间间隔12平均实收合计金额13平均实收材料费14平均工时15事故频率16平均维修时长17平均工时费优惠18平均实收工时费19保险频率20平均交车时差21销售城市22大修频率23性别24是否换购重要级别增购1车龄2进场频率3增购_最后进场4平均材料费优惠5驾驶频率6首保时间间隔7保养频率8年龄9总实收合计金额10总实收材料费11小修频率12索赔频率13平均工时费优惠14进场次数15平均维修时长16平均实收材料费17平均交车时差18小修次数19平均实收合计金额20事故频率21总工时22平均工时23总实收工时费24平均实收工时费25保养次数26事故次数27销售城市28经销商厂数29保险次数30索赔次数31保险频率32性别33车系34大修频率35首保次数36大修次数37是否增购对于存量客户，通过对历史数据挖掘与分析，建立增换购数学模型，分析存量客户中高潜意向的增换购用户名单，支撑经