详解数据分析数据挖掘驱动业务决策流程

详解数据分析数据挖掘驱动业务决策流程

数据驱动决策，是大家天天挂在嘴边的时髦词汇。可到

底数据是如何驱动的？很少有人真正看到过全流程。更有人

总疑惑：“自己被人追着屁股要数，感觉自己才是被驱着动

的今天系统讲解一下，拒绝跟风。

1

最原始的决策流程

首先，做事情是否一定需要数据，答：完全不需要。理

论上，做事情只要两横一个竖：干就完了奥力给！所以最简

单、无脑的做事方式就是（如下图）

原始阶段红布黄字喊口号!

要么交业绩，要么交尸体

决战双十一，不睡不关机

干不拼不搏，双十一白活

要么卖光，要么脱光

决策可以不过脑子，打鸡血就完事了。不要笑！国内相当多企业还

停留在这种野蛮管理状态，包括某些累死人的互联网大厂

但是大家都知道，这么空洞的打鸡血喊口号，是种除了

逼死员工以外没屁用的方法。因为实在太无脑了。干什么，

怎么干，干成啥样，都不知道。

2

科学决策的雏形

因此这种原始的决策很快进入到第二阶段：三拍阶段

（如下图）

到这个阶段，已经有了初步的决策三段论（前、中、后）雏形，后

续的方法论，都是在此基础上继续深化、细化得出来的

这种三段式决策，已经具备了科学管理的雏形，并且随

着80年代末、90年代初承包制的普及，大放异彩。以至于

很多50、60后的领导以及受他们影响的70、80后领导，都

还喜欢沿用：干什么，怎么干，干啥样这种三段式说法。

然而，这并不是真正意义上的科学管理。因为太粗糙

To特别是干什么，往往是领导自己拍脑袋定，他们最喜欢

的口头禅是：“你先达成个小目标，挣它1个亿”至于为什

么是1个亿，为什么非得挣钱而不是占领市场，从来没有深

入分析与解释。决策拍脑袋的结果，就是当面拍胸脯，出事

拍大腿。因此才有了“三拍”的戏称。

3

从粗放到精细

想要提升决策的精细化程度，就得引入数据度量和数据

分析，可以说，数据分析天生是为科学管理服务的。有了数

据的支持，能够做大量精细化管理。

决策前：

1、量化评估经营现状，收入、支出、利润。

2、根据市场、对手、消费者数据，评估机会点与威胁。

3、根据过往业绩走势，发现自然变化规律，制定更合

理的目标。

决策中：

1、量化评估备选方案所需的时间、人力、物力投入。

2、根据过往表现，量化评估方案可行性，评估预计完

成率。

3、根据过往业绩走势，发现自然变化规律，制定更合

理的目标。

决策后：

1、量化监督执行过程，发现执行问题。

2、分析执行手段，评估优化、调整的措施。

3、复盘执行效果，检查目标实际完成，总结经验。

原始阶段三拍阶段PDCA阶段

—L现状

一厂干什么——*1机会点।

・1・—C目标

1►备选方案

-------\怎么干~~T—1

T―执行计划-I

・过程监督

,干啥样V过程管理

T一哥果复盘

到这个阶段，已经有了完整的决策闭环，并且开始引入数

据作为参考依据。很多经典管理理论都是诞生在这个时期

.“一一..................—..................——■.J4

到了这个阶段，已经实现了数据驱动决策和数据化管

理。这个阶段最经典的就是PDCA理论。它将决策过程分为

PDCA四个阶段：

•Plan计划

•Do执行

•Check检查

•Act处理

通过循环迭代，确保目标落地，逐步提升质量(如下图)

•了解现状制定方案

•分析原因落地目标

•制定目标开展方案

・预留资源执行方案

•检查过程

•总结经验

•沟通问题

•回顾目标

•控制质量

•循环迭代

•保障结果

听起来似乎到这里，数据驱动决策已经做到头了。在原

理上确实如此，很多经典的管理理论都是建立在这个阶段。

后续的主要进化，体现在技术方面。因为获取数据，本身是

一件非常艰难，且非常需要技术支撑的工作。因此技术手段

的高低，直接决定了管理理论能否落地，能否创新。

相当多的经典管理模型，比如AIDMA.PSM、双盲测试

(ABtest)都是建立在调研问卷的基础上的。虽然理论上调

研问卷能问回来一切数据，但是调研有天生的局限：

1、人记忆力有限，数据准确度不高

2、人精力有限，问题不能太多，选项不能太复杂

3、人有惰性，A选项永远选的最多，3分、5分的比例

永远最高

受以上限制，好问卷成本高，周期长，获取数据速度贼

慢贼慢。

因此，后续的管理方法进步更多是伴随着数据采集方法

的进步，越做越精细。

4

更精细的数据驱动流程

更精细的数据驱动手段，都是技术驱动的：

1、有了OMS/CRM系统，可以更即使采集交易+用户数据

2、有了APP/小程序+数据埋点，可以采集用户行为数据

3、有了丰富的数据，可以完善用户画像，可以做预测

模型

4、通过CDP/ECRM等工具，可以直接把数据推给业务执

行

有了技术支持，在管理上细节也更丰富（如下图）

原始阶段PDCA阶段精细阶段

现拨-Tmaxim」

-数据指标体系

T数据,蜥标准

—T数据综合评估

干一劲据量化目标'

•目标分解

d备选方案设计1

•I数据评估方案；

旧化抵行计切

-C过程管匚［I问题爰丽月囱一

・楣照客娼■

TZ结果复盘二1

这是理论上的最新优化状态，每一步工作，都有坚实的数据支撑

交于上个阶段，主要增加的内容包括：

1、从整体目标分解到各部门、各环节子目标，逐级落

2、更清晰地区分指标与判断标准，引入综合评估方法

3、增加了CDP（选老办法），与ABtest（测新办法），

更容易选出好办法

整体过程，可以看下图的详细描述:

现状事实认知定性的描述问题，如：市场潜力不足、行业不景气、成本翎升

数据指标体系用数据指标，定量的描述问题，子Ji计市场空间600”乙目前已发展5000亿…

决策前

感知1可题数据判断标准建立数据判断标准，定量判断问题是否严重，是否该极考虑

制定目标

数据综合评估对应考虑的若干问题进行评估，选出重点问题，或者定义先后顺序

数据量化目标对重点问题建立量化考核指标，下达任务目标给各部门

目标分解分解整体目标，具体到眼前、可落实的行动

决策中备选方案设计设计箭鲂案，将方案量化成可评估的数据指标

感知问题

制定目标数据评估方案多方案对比评估，选出两期效果/成本渤意的方案

细化执行计划针对已选出的方案，制定落地执行的计划

阶段性小目标分解执行目标，具体到每天要监控的动作/结果

监控指标体系监控执行过程与执行动作，保证落实到位，发现执行问题

决策后

保障执行问题发现归因针对执行中问题，判断问题严重程度，选出需改善的点

复盘经后

优化手段测试!利用渊《庚蛉，选出合适的优化方案，观察改善效果

数据复盘分解整体目标，具体到眼前、可落实的行动

这阶段最流行的就是OSM方法，通过逐级分解/量化

指标，推动决策落地（如下图）

Objective：全流程转化率

未登录产品页付款

I登录11

・短信提醒・优惠券派送•页面布局优化

•信息push

・用户登录•领券人数•页面跳出率

人数•券使用率•页面转化率

衡量指标，指的是：衡量每一个策略行动的指标。衡量指标与大目标之间有联系，往往是基于

大目标拆解出来的过程指标。这样基于衡量指标，能观察过程进度，能在复盘时回顾效果

注意：想实现驱动效果，需要的是在决策过程每个环

节，配置合适的数据工具，分别发挥作用。是一套工具的组

合，而非一个超厉害的模型或者公式，计算出超厉害结果。

在整个工作过程中，技术上最大难点在于数据采集，要保障

高质量、多维度的数据收集且不拖项目整体进度，是个非常

麻烦的事。业务上的最大难点，在于共识。如何避免争吵，

争取认可是关键（如下图）O

现状事实认知技术难度：低业务难度：中

数据指标体系数据采集承I据报表技术难度：高业务难度：低

决策前

感知问题数据判断标准专题分析/技术难度上低业务难度：高

制定目标

数据综合评估专题分析/数据建模/技术难度：中业务难度：高

数据量化目标数据报表/技术难度：低业务难度：低

目标分解数据报表技术难度：低业务难度：低

决策中备选方案设计技术难度：-业务难度:工

蝴磁

制定目标数据评估方案专题分析原据建模技术难度：中_业务难度：中

细化执行计划数据报表技术难度：低业务难度：低

阶段性小目标数据报表技术难度：低业务难度：低

［业务难度：低

监控指标体系数据采集原据报表技十潜度：高

决策后

保獐执行问题发现归因专题分析徵据横型徽据报表举术难度：卬业务难度：低

复盘经蛉

优化手段测试平台儆据报表玉术难度：高业务难度：低

数据复盘专题分析/会议共识技术难度：低业务难度：言

到这里就介绍完了。但是肯定有人好奇：这管理理论看

起来也不复杂呀，为啥我在现实中就看不到呢？那是因为理

论和现实总有差距，具体到企业里，各种奇葩人和事层出不

穷。

5