【收藏】该如何从全局看待业务数据分析的“框架”？
【写在前面】
上一期我们完整地梳理了业务流程，并且也知道了业务流程的梳理对数据分析的重要性。尤其是对于入门级别的数据分析从业者，必须要清楚了解业务流程、业务规则以及业务对象等因素，才可以针对性地解决一些明显的局部问题，并进一步提出促进业务增长的方案。而业务增长，是企业的生命线，同时也是数据分析的基石。（【数据说·第十九期】业务流程梳理—数据分析的基石）
那么这一次，我们再一次以数据分析入门为原点，从更高的层次——即战略的层次来切入，讨论一下如何从战略层次来理解和看待业务！让我们在这片自留地，一起交流和探索运营与数据的魅力所在。
数据说·第四季
从战略层次全局看待业务—构建数据分析的“框架”
导读：理解业务，从微观的视角看，即懂业务运作流程，了解行业中某个企业的业务线上不同岗位/角色职责、如何相互协作的以及运作流程等。那么，从宏观的视角看，即要懂得行业模式，又要了解行业中某些约定俗成的规则以及方法论等。
此时，如果以数据分析入门为起点，当把视角拉长，向上升维，从战略层次看待业务，全局地进行纵览，我们就会发现：在做数据分析时，其实很多局部明显的问题，根源实际上是在其他地方。那么，我们就会逐步有了一个数据分析思路的大框架，就不会出现无边际去的扩大分析的维度。所以，可以说从战略层次全局看待业务，即数据分析的“定义域”。
“定义域”是数学函数里面的概念，是函数关系的起点，这个起点会影响最后函数返回的结果。同样的，数据分析的起点，必然是一个高维度的思考框架，只有在这个框架中进行业务数据的收集、清理、分析甚至展示，才不会偏离数据分析的方向，而只有在这个框架之中，囊括了各种情况的业务场景，这样分析出来的结果，才是相对客观和准确的。
那么，接下来，我们就来探讨一下，如何从战略层次全局看待业务，形成一个数据分析思路的大框架呢？我们可以从五个方面去全局地纵览行业模式，进而理解业务：
根据行业生命周期理论，可以把所有行业生命周期分为四个阶段：初创阶段、成长期、成熟期、衰退期。
处于成长期和成熟期的行业，收入和利润增长空间大，确定性强，创造的利润最多。成长期的特点是细分行业的市场规模增长率高，年复合增长率一般大于10%，龙头企业收入增加很快，行业特点，技术研发方向和目标客户的相对确定。衰退期的特点是销售增长率开始下降，参与竞争的企业数量下降，市场集中度提高。
其次，我们可以通过各类报告、政府网站数据及公司内部资料的收集与阅读，可以对整个行业层面及公司经营层面有大体的了解。通过访谈，问卷调研，实地考察，座谈会等方法，我们可以加深理解，并对之前了解的内容进行补充与完善。
总的来讲，通过对行业的定义、提供的产品与服务是什么、行业市场规模/增速、行业的历史发展的了解，我们可以形成初步的认识。掌握这些基本信息，有利于从宏观整体对行业有一个大概面的认识，以及行业所处的生命周期，这些为后续深入的分析奠定基础。
“PEST分析”，是指一切影响行业和企业的宏观因素，主要针对宏观环境的分析。对于宏观环境，不同行业和企业根据自身特点和经营需要，分析的具体内容会有差异，但一般都会对政治（Political）、经济（Economic）、社会（Social）和技术（Technological）这四大类影响企业的主要外部环境因素进行分析。
政治（Political）：一个国家的社会制度，执政党的性质，政府的方针、政策、法令等。不同的国家有着不同的社会性质，不同的社会制度对组织活动有着不同的限制和要求。引导各行各业顺应政策发展，促进其生产和销售等变革转型，从而进一步优化资源配置，推动产能，实现大发展。
经济（Economic）：经济环境主要可以分为宏观经济环境和微观经济环境两个方面。宏观经济环境主要指一个国家的人口数量及其增长趋势，国民收入、国民生产总值及其变化情况以及通过这些指标能够反映的国民经济发展水平和发展速度。微观经济环境主要指企业所在地区或所服务地区的消费者的水平、消费偏好、储蓄情况、就业程度等因素，这些因素直接决定着企业目前及未来的市场大小。
社会（Social）：社会文化环境包括一个国家或地区的居民教育程度和文化水平、宗教信仰、风俗习惯、审美观点、价值观念等。文化水平会影响用户需求发生变化；宗教信仰和风俗习惯会禁止或抵制某些活动的进行；价值观念会影响居民对组织目标、组织活动以及组织存在本身的认可与否；审美观点会影响人们对组织活动内容、活动方式以及活动成果的态度。
技术（Technological）：技术环境主要考察与企业所处领域的活动直接相关的技术手段的发展变化，包括与市场有关的新技术、新工艺、新材料的出现和发展趋势以及应用背景等。先进的技术改变着世界和人类的生活方式，采用先进技术的企业拥有强大的竞争力。
总的来讲，通过PEST分析，从整体宏观角度对行业所处的政治、经济、文化、科技等环境因素是如何影响行业。未来会如何影响、是否影响到行业内企业的进出门槛、利润率、甚至研发生产、后续营销等等。
“波特五力模型”，由是迈克尔·波特（Michael Porter）于20世纪80年代初提出，他把行业竞争中众多复杂的因素简化成了5个核心因素，帮助分析企业的竞争态势，了解内部市场环境。这五种因素分别是：同行业内现有竞争者的竞争能力、供应商的议价能力、购买者的讨价还价能力、潜在竞争者进入的能力、替代品的替代能力。
波特五力模型一般应用在两个场景下，①进入新市场 ：比如小米，刚进入手机市场就采用了低价策略。②提升利润：比如抖音，从短视频到直播、淘宝商品橱窗等就是想通过自己的渠道优势打败其他竞争者。
总的来讲，购买者的讨价还价能力，决定了能不能以更高的价格把产品卖给顾客。供应商的议价能力，决定了能不能以更低的成本采购原材料。而与同行业、替代品、新进入者的竞争，决定了你能够占据多大的市场份额。我们可以通过“五力竞争模型”，了解内部市场环境，行业供应链是什么样的，行业竞争情况如何（资源集中度、准入门槛）。
“4P理论”由密西根大学教授杰罗姆•麦卡锡（E.Jerome Mccarthy）1960年提出，“它的伟大在于它把营销简化并便于记忆和传播”。即产品（product）、价格（price）、促销（promotion）、渠道（place）四要素。
产品（Product）：注重产品提供的价值，要求产品有独特的卖点、亮点，把产品的需求诉求放在第一位。
价格 (Price）：定价通常是一个战略决策，基于竞争、感知价值和品牌认同。根据不同的市场定位，制定不同的价格策略，产品的定价依据是企业的品牌战略，注重品牌的含金量。
渠道 (Place）：企业并不直接面对消费者，而是注重经销商的培育和销售网络的建立，企业与消费者的联系是通过分销商来进行的。
促销（Promotion）：Promotion应当是包括品牌宣传（广告）、公关、促销等一系列的营销行为。
总的来讲，通过4P（产品、价格，渠道、促销）了解对标杆企业面向谁提供什么服务，到底是什么产品，功能如何，清楚行业里的目标消费者是谁？他们规模有多大？他们的消费需求和消费行为如何？未来是否会改变？价格体系怎样？行业的这些产品销售渠道模式是什么？是直销，还是渠道分销？供应链?产品的推广策略又是什么？针对消费者做了哪些推广？主要典型和标杆企业有哪些，他们优劣势和关键成功因素是什么，企业间竞争核心是技术还是营销或服务。
竞品分析就是网罗市场上相关竞品，选取部分或者的观察角度，通过收集竞品信息进行对比，得出各竞品的相关数据，如：市场环境：当前市场行业中，该类产品的一个生成状况是如何，蓝海/红海/平稳？用户画像：用户社会属性，用户行为习惯、用户消费习惯等。产品痛点：也可以理解为用户痛点，用户为什么要使用这个产品，这个产品的不可替代点在哪？使用环境：该产品是在一个什么样的条件下触发使用的？
然后，我们通过使用各竞品后的一个整体记录，来对比自身产品，分析出或各自的优势与不足，并提出相关的改进建议！进而，可以从五维度来分析：
战略层：产品的定位、产品后续发展方向以及本质性的优劣取舍。
范围层：产品的功能，产品可以满足用户什么，或者提供给用户什么？
结构层：产品的功能结构，一般都附上自己做的产品功能结构图说明，或者对其客户端的框架进行对比。其中的一个难点是，如何把零散的功能，聚合成一个呈现给用户解读的整体；
框架层：这方面涉及到一个交互的体验，什么样的交互才能更好的迎合用户的操作习惯。
表现层：需要有一个好的审美和良好的表达来进行一个简要的描述。介绍产品UI的配色、文字大小、间距等，往往不作为主要阐述对象。
总的来讲，通过分析竞争对手的优势以及不足，明确定位本质性的竞争力，简单的来说就是，我的产品和竞品互相的本质优劣是什么、如何更好的扬长避短、竞品的目标用户有哪些、主打的场景有哪些，等。
总结
以上是如何从战略层次全局看待业务相关内容，通过了解以及分析，我们看到的是整个行业全景：行业的整体规模、年度产销增长率、目标客户、应用场景、行业过去到现在的发展历程如何、产业链分工上有哪些角色、各自的价值贡献是什么、经历的重大发展节点有哪些、在每一个产业链角色中，参与企业数量有多少、主要典型和标杆企业有哪些、他们优劣势和关键成功因素是什么，企业间竞争核心是技术还是营销或服务，行业的技术研发能力如何，与国外相比差异如何？未来会如何影响、是否影响到行业内企业的进出门槛、利润率、甚至研发生产、后续营销等等。
此时，我们对行业有了具象、画面感式的了解，对“业务理解”有着全局整体的认识，知晓公司战略层面的目标，掌握各条业务线的布局及相互支撑、影响。对公司各部门的职能分工一清二楚，各流程环节了如指掌，目标客户是谁，应用场景是什么，在什么时机、做什么事情、解决什么问题等；还有对每个业务环节的设立、分工、影响、协作、如何数据监控、如何数据追踪、如何疏通、如何限制等统统地了如指掌时，其实，我们就已经逐步形成了一个较为完整的数据分析思路框架了。
end