
如何丰满地做SWOT分析_数据分析师
SWOT分析通常在创新流程的早期执行,初衷在于帮助企业在商业环境中找到自身定位,并在此基础上作出决策,现在得到了更广泛的使用。
其中 SW 代表公司内部因素,OT 代表公司外部因素,这些因素皆与公司所处的环境息息相关。外部分析的目的在于了解企业及其竞争者在市场中的相对位置,从而帮公司进一步理解公司的内部分析。SWOT 分析所得的直接结果为一组信息表格,生成物根据目标设定可以为产品创新流程中所需的搜寻领域、商业方案、创新点等等,并伴有重要级或优先级排序。当然,这个过程同样适用于研究一款互联网产品。
这年头随着创业和 MBA 课程的流行,麦肯锡 SWOT 分析法已经烂大街,连高中生在选择自己应该去文科班还是理科班时,也会像模像样地铺开一张大白纸,上面逐条列满优势、劣势、机会、威胁。
但不论是公司做商业分析,还是产品做战略规划,只是尽量客观地把 SWOT 写出来,是无法获得有意义的输出结果的。SWOT 分析法也不仅止于如此。
那么正题是:该如何正确且全面地使用 SWOT 分析法?
按照惯例,以一个项目举例,完整重演。
让我们先以一个帅哥镇楼,代表这是一个真实的项目。
分析参与方:某影视工作室,代表作:《天朝生活指南》
分析目标:在满地都是影视工作室,同时满市场都有视频需求的今天,找到自己公司的发展定位。
参与人数:8人,包括创始人和制作团队。
流程开始:
(事前准备,画格子)
1、主持人(我,机智的小星玫,北京广播学院毕业)先声情并茂地带领大家进入状态,大致概述行业状况(前一天要翻阅各种行业报告),并简单阐述今天工作坊的流程,说明这场分析大约需要 2 个小时。再以严肃脸要求大家一定要如实分析,我们做分析不是为了歌功颂德,而是为了出真实结论。
2、在进入分析流程之前,所有人先一起明确:我们的企业属于什么行业?
然后是:
这一步很重要,首先是大家需要有一个达成共识的基础知识作为基础,其次,做 SWOT 分析你会发现大多数人其实对自己的行业并不了解。
写在白板上,方便之后想不出来分析时提供思维灵感。
3、开始进入正式的分析流程,先进行外部分析(OT,即机会和风险)。
告诉大家,我们现在有 8 分钟时间,大家需要保持完全的安静,每个人无声地写下自己关于公司所处行业环境中,能带给公司本身的机会和风险。注意,此时可以假设自己的公司是无敌且全属性的,忽略内部因素。
往往到5分钟左右,现场已经陷入尴尬,大家表示想不出来了。这时主持人可以提供一些思维灵感,比如让大家参看第二步中达成共识的行业概况,或者针对如下问题进行分析:
a) 当前市场环境中最重要的趋势是什么?
b) 人们的需求是什么?
c) 人们对当前产品有什么不满?
d) 行业冠军/竞争对手们都在做什么,计划做什么?
大家都写完、贴完之后,每个人说一下自己写的内容,其他人听的过程中如有灵感,也可补充。
分享结束后,所有人拿着颜色笔,轮流在机会、风险点两类中,各挑选三个他们觉得最重要的小纸条,并且在上面画上色点(创始人、高管可以使用不同的颜色以区分)
4、进入内部分析,跟步骤 3 一样,也是 8 分钟时间,大家无声地写下自己对于公司自身的竞争优势、核心竞争力以及弱点、缺点的分析。其中,可以更着重于关注分析公司优势而不是劣势,因为我们要寻找的是市场机会而不是市场阻力。
大家都写完、贴完之后,同样也是轮流说一下自己写的内容,并点上神圣的三点。
大多数 SWOT 分析,到这里就已经结束了。但我们的文章标题既然是:如何「丰满」地做 SWOT 分析法? 以下就是进入到真正有用且丰满的部分。
5、看到这里还有四个象限?现在才进入真正出成果的部分。
从这里开始真的要狠狠动脑想了,首先,这四个象限里要写的东西,都是方案。
参与者们要集中精力,一一将优势、弱点、机会、风险当中的每一点,对应结合起来。比如是提取了优势当中的某一点和机会当中的某一点结合,有了一个解决方法,那么把它写下来,贴到 SO 的象限里。
这里我们需要来举一些例子,方便大家理解:
a) 公司优势里有「剪辑功力快狠准」这一项,行业机会里有「大多数产品公司都有小短片的需求,量大,但要求精致」。聪明的小明往 SO 象限里写了一条「公司原创一批短平快的模版小片」
b) 公司弱点里有「新入员工不了解行业」「公司缺人手、缺宣传」等,行业机会里有「新媒体正大力发展」「文化创意产业受重视」等。聪明的小明于是往 WO 象限里写了一条「组织在校学生在公司进行一场行业资讯分享培训」
其中,可以着重选择之前被画上神圣的点的小卡片进行分析。
这个过程一直持续到大家思维枯竭,打死也想不出来为止。如下图就还充满潜力。
6、以为到这里就结束了吗?并没有!说好的丰满!说好的输出结果呢!
从历史经验说明,光有解决方案是没用的,重要的是,要去执行。
于是现在最重要的是,要给解决方案进行排序,这个过程最好仅由创始人、项目管理人参与决策。
排序原则:
a) SO(优势+机会)最重要,这是公司未来的核心发展
b) WT(弱点+风险)其次重要,因为不做公司可能就要死了
c) 接下来,WO(弱点+机会)要稍微重要一些,因为弱点很可能可以靠招人来完善,但机会是可遇不可求的。
d) ST(优势+风险)是优先级最低的,这一块的有一些方案可能你们很久以前就已经打算要做了,现在你们知道,这里可以先缓缓,先做其他的。
最后获得一个执行列表,然后,马上,风驰电掣地去执行吧!
以上,这个 SWOT 分析是不是足够丰满了。跟 KJ 法一样,这其实也是一个帮助大家共同开脑洞的同时努力达到共识的工作方法
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29