商业分析系列①丨当老板让你找个10亿美元的生意

TalkingData

共 8001字,需浏览 17分钟

 ·

2021-06-07 21:09


概述商业分析


商业分析是什么?百度百科给了如下解释:商业分析指的是对方案进行经济效益分析,从财务上进一步判断它是否符合企业目标。如果符合,产品概念就可进入产品研制阶段了。包括审视预计的销售额、成本和利润是否达到公司预计目标;如达到,则此产品概念才能进一步发展到产品开发阶段。可从商业或消费统计公告中查到特定商品的零售额、有效购买收入、总的零售额等资料

是不是听起来很复杂?如果对于新手来说,可能都看不明白这段话。其实有更通俗的解读,那就是由字面意思来理解,分成商业和分析,商业是指一种有组织的提供顾客所需商业与服务分析是将研究对象的整体各个部分、因素和层次,并分别加以考察的认识。那合起来就是根据一个商业问题逐步分析找到问题的解决方案。



商业分析 vs 数据分析


笔者从数据分析师转行成商业分析师,因此可以从两边的视角来简单介绍一下数据分析和商业分析的基本差异。


第一层面:需求的来源会不太一样,做数据分析的时候,主要接到需求来源是事业部负责人以下的一些人员,当开始到商业分析的时候,需求来源会渐渐地往往上去转移 ,变到CEO和一级负责人,而且边界是比较模糊的。


第二层面:以前做数据分析时候其实大家比较常见的,像是进行经营分析、运营分析,其实更多的需要去解决如何根据现有的产品的运营的情况,进行改良从而更快、更高效、更省力、更规模化。简单的可以理解为现有的业务优化再优化, 改变产品比较不好的地方从而去达到标准业绩。


当到商业分析的情况的时候,分析对象有些变化,往往有些时候,有些机会不是通过自己发现的,可能建议的角度会变成是行业/市场/竞争对手和自己的机会进行分析  。


具体建议的角度可能会不一样。


数据分析是:早期优化哪些具体的行为能够提高效率?


商业分析可能会变成:现在在行业和市场空间,哪里有提升的机会?我们如何把握?如果要进去,如何和现在已经有的公司和对手打差异战?能否能找到对手可能的弱点,甚至说进去市场了之后要怎么样去制造行业壁垒?


数据分析的结果可能是业务的优化,商业分析的可能带来结果可能是抢占行业的红利等等。


两者之间落地的时长不一样。例如说现在是提早的进入行业,且行业是逐步开始增长,那么结果落地的红利的时效性也稍微长一点, 那如果说做的是业务模块的,它可能带来的实效性可能短一点,在1到2个月之间。下图就是笔者归类总结的对比图



学习商业分析会遭遇的五大问题



第一个问题,商业分析是什么?因为我们需要通过思考我们最终能带来什么价值,如果 价值没法去确切的衡量,那有些时候是很难去做好的这件事情的。


第二个问题,问题不明确,该如何界定问题?随着需求方的层级越来越大接受的问题会越来越不明确,越来越广泛,那在这样的情况和情景下,要如何提升去界定问题的能力  让分析能够一步到位,是我们需要去深入思考的。 


第三个问题,问题很大,从何下手?可能高管们已经明确了问题,但是他的问题已经变成公司跟公司之间的一些问题。那要怎么样去解决?要去通过拆分的方式解决问题。 


第四个问题,外部数据难获取?商业分析师就算知道要怎么去做分析,还是会遇到一些数据问题。毕竟通常我们研究的是新兴的行业机会,大部分真实情况的数据 ,是找不到的。这里面临的问题就是,怎么样去获取外部数据?或者是获取完了之后,怎么确保真实性?如何降低获取的成本?最后,把这些东西都拿到了,怎么样去让结果落地。


第五个问题:如何让业务方能够相信分析的结果?在得到结论之后,结论还能够运行下去? 


以上就是五个问题的概述。笔者会进行文章的连载,作为第一篇文章,本文会循序渐进地解读商业分析师所需要的技能、掌握的方法、工具,及如何界定问题、解决问题等。文章总共会有四篇连载,欢迎持续关注。



 商业分析 · 第一章 

以终为始-从界定问题开始


为什么第一章上来不是讲分析方法,分析工具,而是讲如何界定问题?因为如果一开始没有很好的界定问题,就不可能有发挥好的分析应用。其实界定问题是一个非常关键的节点,适用于我们工作和生活的所有岗位。

一、为什么要界定问题


如果我们没有把理想搞清楚就开始去做这件事情,就可以类比为开车导航没有输入目的一样,到不了目的的还浪费油。


工作中我们其实常常接到了很多需求,但是对方其实并没有明确的表达出具体的成功标准,也就是说不知道事情做完与做好的标准。观察很多人都是存在这样情况:具体目标是什么问题,什么都没有界定就开始干了,干到最后浪费很多时间,发现自己和目标偏离太远。这个问题看起来很愚蠢,但是确实是生活中很常见的问题。


第二个问题就是现实缺失。例如说,在自定义问题时,没有考虑到实际情况。例:理想是明年要赚一千万,但是假如现在资产是一万或十万,那么这两种能够得到的解决方法是大相径庭的。假如没有明确资产是一万的情况下,要达到的目标是一千万,如果最终给出的方案和建议,那么会直接导致这件事情不切实际,甚至说建议没法使用。因此,界定问题,它其实是确立理想跟现实间相差的部分 ,那过程当中,其实理想缺失跟现实缺失都会导致对应的结论:答非所问、不切实际。


2、问题界定的五大问题


界定问题常常会遇到的五个问题是什么呢?

首先第一问题:不具体。举个例子,最常接到CEO给的问题是,能不能一周之内给找一个十个亿的生意的机会?这其实就就相对来讲是不具体。

第二个问题:问题太泛,范围太大。例如说可能售卖一种药,没有说是哪个方向的药,哪些药是我们该关注,但是预计半年之后才能出产。  

第三个问题:假设提需求的人已经把问题讲清楚了,但是在提问题的时候,并没有把问题背后潜在的其他角色跟相关的利益者考虑进去。

第四个问题,只看到问题表象。虽然说问题已经提出确定,但是在问题的背后,还有更大的问题值得解决。

第五个,需求都明确,但是不愿意为需求付出成本。以上就是笔者做商业分析最常见的在界定问题的五个方面。



问题1:问题不具体


例:


最近常遇到一个例子:CEO觉得XX业务表现不好,需要我们分析一下缘由。这其实就是问题不太具体,举例说它哪里不具体?首先这个业务哪里不好?是看到业务什么东西导致觉得不好从而想要分析,那不好具体是指好不好?多不好,是否能量化?分析缘由的话时间维度是多少?然后这个原因具体是什么?原因要分析到什么程度?如果说针对这个不太具体的问题,直接去做分析,那么很容易导致浪费很多精力并且跑偏。 


第二个,需要去评估一下看一下机构该如何做?什么样的情况下觉得能做?什么样的不能做?机构的种类有没有限制。这也是问题不具体。然后是在生活上,同事们问道:如何不工作,就能够养活我和我父母,其实这个问题也不具体。工作是什么?喜欢的和不喜欢的都算工作。怎么样才叫做养活父母?

问题2:问题太泛泛


例:


这类问题,比如说去评估下这个行业哪里有机会?


通常老板在提这个问题的时候,老板背后自己也看过很多的行业,他一定是会有某个理由才会提出需求,所以一般的情况,还是要去看一下老板现在提出这个问题背后的底层逻辑。因为有时候他不会说,是需要我们自己去观察和感受。


举个例子:老板们常提出着各种问题,笔者刚工作没多久的时候也会觉得老板不合理,但随着年龄的增长,发现其实老板有他的立场,他看的东西更多、眼界更广,而且大部分老板都是有股份的,公司的生死存亡是和他们最相关的。所以其实老板们会是最焦虑的。


他其实会被迫地看到很多上游、中游、下游问题,被迫地看到很多信息。所以老板突然提出这个问题,有时候会让你觉得很愚笨。


其实这么想是有几个原因的:第一,我们可能没有站在他的立场去了解他。第二,有时候老板也不是很清楚,他的判断是不是对的。他需要有人用其他的角度来去帮助他去把这个事情判断到位。但是在整个过程中,老板还是会有一个预期的答案。在界定问题的过程中,如果能摸索出老板期望的回答,这样便会更有得放矢地满足需求的情况下超越他心中的期望。


回过头来讲这个问题——找一下有没有一个10亿生意的机会?一周给一个结论。那么你是聚焦医美行业吗?还是所有的行业都可以,我们没有优势的机会时,我们是否需要去分析?老板认为的机会要怎么界定? 


解决方法:


针对于以上这两个问题,笔者给各位推荐一个工具SMART原则,(参考下图)


这个工具其实是一个标准。通俗来说就是运用这五个原则将问题清晰化。这五个原则分别就是:
  • S(具体的) :不泛泛,有聚体的范围

  • T(可衡量) :能确定成功与否,并尽量确定可衡量

说直白一些,就是指这件事情的成功目标与现状,是可以衡量或是尽量可衡量。如果不能够确定这件事情,就无法明白问题理想与现实的差距,导致无法针对问题的差距聚焦解决问题,后果就是你解决了问题,但是领导不认:
  • A(可采取行动) :考量资源与限制,可能可以达到的目标

  • R(和关键问题相关):
通常我们接收到的问题往往是上游领导要解决的问题之下,拆分出来的某个子问题。但我们一般在接到问题时候,不一定能够知道子问题背后的母问题是什么。因此需要自己去挖出来,同时要确保这个问题和母问题的关联性,而且解决这个问题后能够间接解决母问题。如果不能确定这件事情,很容易就会跑偏 。甚至具体方案出来之后,而没能满足领导的需求。
  • T(有时间范围):
有时间上的描述或是限制,因此我们把上面的问题简单运用一下SMART原则。首先老板觉得XX业务表现不好,那可以拆分为XX业务的A指标最近一个月滑落了N%,去找一下下滑的原因。第二个,去评估一下我们开一家机构如何做。那么尽量去思考,我们借鉴谁的经验?在哪个城市、区域?开的是什么机构类型?将聚焦哪个人群吧?那老板觉得开一下机构怎么样叫做成功?一个月营收千万就可以了,还是如何?
再者,给找找一个10亿生意的机会?可以以一周一次的频率, 聚焦某块,找到市场规模100亿,行业增速大于行业增速的标的。当这些东西明确完的时候,我们的问题就相对简单了。所以说针对具体,我们可以用SMART原则来具体界定问题。

此外,当接到老板需求的时候,如果发现问题描述还不太具体,千万不要先着急着开工,要先协助对方把问题搞清楚,不要自己凭想象乱给方案,否则很容易答非所问,同时浪费很多时间。


问题3:理解不一致


例:


第一个例子:CEO觉得某个团队业绩增速慢,那么团队负责人是否觉得它慢?再者,针对于慢的原因,这两个人认知是一致的吗? 这个问题通过MCN这些外部经验能解决吗?那如何算是解决了问题?其实理解并不是东西复杂,而是说这件事情的时候大家对理想到现实中的解决路径认知是否一致。


第二个例子:如何不工作养活我跟我父母?其实同理,养活标准是单方面制定的,还是跟跟父母讨论过的。因此这个问题理解不一致,不只是在工作之中,其实生活之中也很常遇到。所以怎么达成问题一致?


一定要考虑两类的角色:



首先一类的角色是决策者,就是有权定义成功标准的人,或者有权定义当前问题要往哪里走的人。如果你还没有和他们达成一致,一部分人认为没有满足需求,那么其实这整件事情你就没有满足需求。


这些决策人的重点是要把事干成,但是如果没有帮他们去考量这些众多利益者的利益,也就是没有帮助他把这件事情很好地落实下去。所以一定要把决策者里面的意见考虑进去。


再者就是相关利益者,往往不是一个人,而是一群人。就是决策者拍板之后,具体执行这件事情的人。如果没有和他们达成一致,这件事情就算可预测的结果很好,他们可能会影响目标结果的落地执行。


这就是延申了一个有趣的话题,当问题涉及三个人以上时:


例:


利益相关者和决策人看起来是两个人,但是实际上问题会更复杂。比如说在处理一个问题,除了CEO,其实还有底下的三个经理,总共7、8个人,甚至财务都会包含在内。因此实际的场景就是:当要去鉴定这一块的问题的时候,会发现每个人讲的东西都不一样,那你会遭遇到每个人的观点事实、情况,该怎么办?

  解决方法:



这个方法不一定是最好的,但是对笔者来说目前用过最好用的,就是透过金字塔结构进行归纳总结。 那整个过程大概分成三部分:首先,尽可能收集各方的观点事实,并且确保内容是不是符合上面讲的SMART原则。再来,快速的使用逻辑图梳理逻辑关系,可以在脑袋里也可以借助工具。最后把真正的影响决策的两个人进行开会商讨,透过优先级开尽可能达成一致:哪些东西是重要的,哪些东西是不重要的。哪些东西是分析的重点。



例:XX业务业绩不提升,并开始收集事实,并归纳总结。首先收集事实的六个要点:第一聚焦的问题:业绩不升。2345是整个收集过程需要严格关注的点:先看向上走向下走,检查节点是否完整,不断地检查整体结构。


怎么开始动手执行呢?


业绩不上升的过程,先问他什么原因。和决策者和利益相关者进行观点碰撞。

发现供应链没有优势。

为什么觉得供应链没有优势,因为接货少,比别人贵。

供应链没优势所以会导致什么?用户不满。还有什么?用户没粘性。没粘性会导致什么呢?互动少,用户运营弱。最后再检查节点,穷举吗?

逐步地去把所有决策者和利益相关者的逻辑、讲到的事实,都把他们进行结构化,再逐一地研究。


整个主体大概如上,当然这些问题并不是问一个人就可以得到全部结果的,而是问过很多人才能得到的回答。这只是第一第二部分的过程。此外,如果说比较熟练的情况下,整个过程其实自己在脑中模拟,笔者当时也是练习了30到40遍之后才熟悉的。反正整个理解现实和理想,是硬功夫,脏活累活是省不了的。


梳理完毕,来给各位描述一下打仗的过程:有时候老板提出了问题,之后就和老板进行一对一的问题界定,然后开始发现在和其他相关利益者和老板的理解不一致,就开始去进行收集事实,再进行问题界定。之后开一个会去做排序和投票,在真正达成一致之后,重新修改问题。问题界定,再和老板达成一致,最后因为是全部保持一致了。所以大家就有办法集中精力聚焦某一个问题去解决,在做一个商业分析case时,会花大概20%到30%甚至40%的时间去做问题界定。


往往在服务CEO时,在问题界定完拆分完后,会有很多人来协助我们把问题回答完。但是往往问题界定、定义,帮助大家达成一致方面,其实反而没有很多人能够做好。

问题4:只看问题表象


例:


再来进入到界定问题的第四个问题:只看到问题表象。


举个例子:在刚刚开始做分析的时候第一个问题,“去看一下XX指标如何” 。


思考:这个问题其实大多人应该都能回答,但是要确定的是看这个指标的目的到底是什么?要确定什么问题?这问题是什么东西导致的问题?看指标是解决问题还是问题背后的问题?那如果是问题背后的问题,看这个指标是不是合适?这是第一种浅层次的表象。


第二种表象的,例如:客服的问题积压的非常严重,去研究一下如何解决?


思考:积压严重可以从效率来解决,也可以从问题爆发的源头来解决,哪一个价值更大?如果说提问的是一个客服经理,提出来的解决方案大多是都是提升效率类的,但是如果问的是客户经理上的老板,那么他们可能更关心的你如何去降低问题发生的频率。因为通常客服发生的问题,通常是各种流程导致的问题。


《人人都是产品经理》这本书里面的案例:想吃豚骨拉面,因为想吃拉面还是因为饿。那么饿能不能给更低的方案?大概就是这么一个理解的过程。

解决方法:



我们如何理解老板背后的理想和他在想什么,也就是五WHY法。五WHY法使用起来就是三个要诀:就是不断地问,根据他的回答去把元素进行拆分,真的不行就单独地提问。


举个例子,比如说,想吃肯德基,为啥想吃肯德基,因为饿。包子不行吗?给一个替代方法,如果他行,那可能提供一个节省成本的方案,如果不行,可能需要再给他其他方法。那可能说:要吃炸鸡,接着你就会发现这里面其实有两个约束:炸和鸡。那首先你开始问一下是炸还是鸡,炸猪排呢,其实也可以。在整个过程当中,如果包子可以,就用低成本的方案解决, 如果发现了这个用户的需求是炸,可以找到用户深层的需求,就会有更多种低成本的替代方案。 


了解深层需求的三个好处:1、我们需要解决需求而非要求;2、可能找到成本更低的方案;3、解决深层需求可以满足更多人,价值更大;



举个例子:在做业务经理的时候,最常遇到的问题是:某块业务能不能做。


其实这个问题的背后,它有好几种可能性,首先第一个:它可能是让我们去评估一下它有没有机会做?那么就需要市场/行业和需求进行分析。还有就是判断该不该做?那么就需要是进行盈利模式、效果估算、风险评估、成本预估等行为。如果是该如何做,路径怎么样?那么就需要进行竞品分析,如何差异化、如何落地等等。如果是确认某个某块是否能做的更好,那可能就会变成产品分析、运营分析与经营分析。因此这些都需要在界定问题的基础上弄清楚。


因为实际上分析过程中,问题背后使用的分析方式,成本完全不一样,所以一定要在最开始的时候明确老板要的结果是什么。老板的同一句话,背后的需求可能是天差地别的,做法和成本完全不同,一定要搞清楚问题背后的问题再进行开工。


问题5:不愿意为理想付出成本


例:


第一个例子:帮看个数据吧。跟他说:去哪个看板看?就没需求了。这是第一个不愿意为理想付出的成本。


第二个例子:需要及时知道所有竞争对手线上销量的变化情况,时间可能是一周之内。帮取数完,告知所需要的资源后就不做了,及时的需求就消失了。


第三个例子:一个产品问题,要免费吃米其林,问题就是免费无人拒绝,但如果付费还愿意吃吗?这是什么道理?免费的东西没有人会不想要。但是如果有成本的话,可能就不想要了。这件事情背后的逻辑就是,其实就算理解了的需求与问题后,一定要在心理界定一下这个需求是真需求还是欲望。什么叫需求呢?需求就是想要享用某个饭,还愿意为它付钱。欲望就是想要某个饭,但是如果要付钱,就不用了。



所以整个真正的问题就是,不要去解决欲望,而是要解决需求。否则没有人愿意为你的付出买单,除非你做慈善。


3、界定以上5个问题的总结



最后,用练习总结一下这五个问题:


1、评估一下医美行业哪里有机会?就是问题不具体、太泛泛。


2、按照用户的要求加上XX功能完成之后,用户根本没有使用。其实是只看到问题表象。


3、分析完毕,老板说答非所问或是不懂业务。有可能就是没搞清楚现实与理想。


4、分析结论老板认同了,但是业务执行方抵制。就是没考虑相关利益者。


5、是否帮我看看XX指标,告诉他去哪看,没需求了。理想伪需求。

以上分享了很多方法 ,把小结集结在以下3张图:

图1


图2


图3


最后想说,在实际工作当中,很难把每个事情都做到以上完美的程度,但是一定要在耗费巨大成本的东西上面尽量的去让它相对明确。因为成本小的东西失败无所谓,可能做界定问题的成本比较小,就没有大碍。但是那种涉及到好几个部门或者很多钱的这种事情,就尽量要把它界定完毕, 因为它代价太大了。

文章结尾给大家一个小结思考:假如你是员工,接到问题该如何做?在以后如果成了领导,会不会传达这种问题给手下?因此建议大家从今日起尽量去培养定义问题的习惯。不一定要每一件事事情都做到好,但是尽量要去培养定义问题的习惯。 


结  语

老手谋定而后动,新手没事就乱动。


以上是《商业分析连载一:商业分析概述&如何界定问题》。后续将以连载形式继续分享,欢迎大家持续关注~


本文转自公众号:空白女侠

作者:黄家翰、空白女侠

推荐阅读:

对待数据的三大致命错误

营销策略丨售价3W块的鞋,卖的并不是鞋

数字时代,有形数据对转型还有必要吗?


TalkingData——用数据说话

每天一篇好文章,欢迎分享关注

浏览 9
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报