
文章来源: 接地气学堂
作者:接地气的陈老师
很多同学最怕听“建模型”仨字。尤其是建立“业务分析模型”。往往自己辛辛苦苦搞得LR、SVM、CNN被业务方狂喷:你这都是啥东西!脱离业务!不切实际!所以到底什么是“业务分析模型”,又改怎么建?我们今天系统讲解一下
1
业务分析模型是什么
首先,一个正儿八经的分析模型得包含三个条件:
所以,首先得把SWOT,PEST,4P之流的垃圾扫出“模型”队伍。因为这些玩意有逻辑、有目标,但很难用数据进行论证。不信你看那些什么SWOT,PEST的报告,四个框框里都没几个数字,即使有数字也很难论证:到底90后比80后减少5000万会对我们业绩产生几百万影响。无法量化计算的,不算分析模型。它们只是拿来美化ppt的。
业务分析模型的重点,在“业务”两个字。得让业务参与得进来,看得懂,能应用的,才叫业务分析模型。显然,我们不能指望产品经理、销售、运营、售后、物流的人去学《机器学习》《数学建模》《统计学》《python编程》所以数据分析师们经常打交道的算法模型就不要在这里用了——业务看不懂,参与不进来,问题解决不了,当然会喷没有用。
有的同学会疑惑:可我的领导只会提“建个模型”,说不出是业务模型还是算法模型,我怎么区别呢?有个最简单的原则是:非技术出身的领导,90%以上讲的是业务模型(剩下10%是他在朋友圈看了个协同过滤、神经网络之类的名字,然后临时起意想搞一下)。当然,想更准确判断,你可以仔细问:
既然要聚焦业务,自然下一步得详细了解:
有了这些,我们可以具体讨论,该如何建模。
2
现状描述模型
当单个指标不能全面描述现状的时候,就得一系列指标有逻辑地呈现,以全面描述现状、发现问题,这是所谓:现状描述模型。业务常见逻辑有2种:串联式、并联式。串联式模型用于描述一个前后分n个阶段的流程,需要完成一步再到下一步。从流程起点开始,到终点结束;并联式模型描述一个任务分开同时由各个线独立完成。从总目标开始,到执行任务的最小单位结束(如下图)。
因此梳理业务流程的时候,需要关注业务上下游部门、兄弟部门是如何协同的,从而构建出来。实际业务流程,可能既有串联,又有并联,比如我们常说的杜邦分析法,就是如此(如下图):
现状描述型模型的最大作用是:清晰责任,暴露问题。因为一般各个子部门,上下游部门各有自己的KPI,因此监控进度、复盘成果的时候,哪个环节掉链子一清二楚。所以在销售管理、运营管理中用的特别多。但注意:现状=/=问题,现状+标准=问题。因此只有标准单一且明确的时候才能直接看出问题来。如果标准本身很复杂,则需要更进一步的手段。
3
问题分类模型
如果判断一个指标好坏的标准只有一个,比如成本、利润,这时候是不需要模型的。大家都知道成本越低越好,利润越高越好,业务完全可以直接给判断标准。如果判断业务好坏需要2个标准,且这两个标准相关度低,这时候可以用矩阵模型来进行分类。常见的重要紧急矩阵,波士顿矩阵,质量/数量矩阵,都是这个原理(如下图)。
如果判断标准增加到3个以上,判断标准相互交叉情况太多太多,再用肉眼观察就很难判断谁好谁坏,这时候可以用DEA方法或者AHP来判断,相比之纯机器学习方法,DEA方法含义更简单直接,AHP方法有专家参与,都更容易被业务接受。
4
工作计划模型
在给定业务限制条件的情况下,经常出现最优化问题。比如给定了各个部门工时成本,求一个最优任务分配。这时候就是工作计划模型。最常见的就是解线性规划,在工作调配的时候用的非常多(如下图)。
5
未来预测模型
所有预测的基本假设,都是:未来发生的规律和过去一样,过去的场景会在未来重现。所以业务做预测的时候,常常会假设一些业务参数是固定的,然后推测未来情况。常见的做法,比如:
1、假设生命周期走势是不变的,推测未来情况
2、假设转化率/留存率是不变的,推测未来情况
3、假设投入产出比是不变的,推测未来情况
在一些发展稳定的行业里,这些假设常常很准。但注意,有三种情况下假设可能失效。
1、新业务、新场景导致无历史数据可参照。
2、突发且情况不明,导致所有转化率都异常。
3、业务运作出现明显问题,已无法按正常走势反推。
这时候要么更换预测方法,要么做足预案,提前准备后路。单纯指望预测100准,不论是业务模型还是算法模型,都会出问题。
6
什么时候用算法模型
看完以上,有同学会好奇:看起来业务模型能做很多事啊,那什么时候用算法模型呢?注意:算法模型本身的强项,就不是解决经营问题。算法模型的强项是图像识别、语义识别、复杂场景下动态规划。这些才是算法该发挥用处的地方。
就拿推荐算法举例:
1、商品有固定的搭配,比如治疗感冒就是VC+银翘,这叫:固定业务逻辑,这时候是不需要算法来推荐的,直接按业务逻辑走就好了。
2、商品无固定搭配,但业务方想推。比如保健品利润高,无论如何业务方都想推保健品,这叫:强业务关联。这时候也不需要算法来推荐,而是业务方得创造话术、广告、卖点、销售技巧,千方百计的去洗脑,特别是针对大爷大妈洗脑。
3、商品无固定搭配,且业务方无明确目标。比如天猫淘宝抖音这种,SKU数以亿计,这时候业务逻辑完全理不清,就可以上推荐算法,而且推荐算法目标常常是GMV最大,用户活跃时长最长一类。
类似的,找算法模型的应用场景。得主动回避开固定业务逻辑、强业务关联——找那些业务不知道、不清楚情况、无力加以控制的场景。比如:
1、全新业务上线,谁都说不准,没经验参考
2、预测整体走势,不考虑细节,先看基本面
3、业务无计可施,怎么做响应率就是上不去
4、考虑变量太多,用肉眼人手难以分类清楚
这时候可以大胆让业务逻辑退居二线,尝试用算法解决问题。可以名正言顺的跟业务说:这就是个黑箱。我们观察结果就好了——反正他们也没更好的办法,如果能做出成绩来,就是大功一件。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23CDA 一级:开启数据分析师职业大门的钥匙 在数字化浪潮席卷全球的今天,数据已成为企业发展和决策的核心驱动力,数据分析师 ...
2025-06-23透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20