En una empresa, ¿cómo ayudan los analistas de datos a generar ingresos?

En los últimos dos años, los conceptos de análisis y minería de datos se han vuelto muy populares. A los profesores de diversas instituciones educativas les gusta utilizar la compañía de tarjetas de crédito American XX o los viejos chistes sobre la cerveza y los pañales para demostrar el valor del análisis de datos. He trabajado en la industria durante mucho tiempo y sé que solo hay una forma de que el análisis de datos ayude a una empresa a generar ingresos directamente: ¡ayudar a la Parte B a generar ingresos! Porque sólo el Partido B venderá análisis de datos, extracción de datos, productos de datos y consultoría de datos como productos básicos. De esta forma, existen tres formas de ayudar a las empresas a generar ingresos a través del análisis de datos: fabricar productos. Por ejemplo, las empresas de BI, las de big data, las de opinión pública y las de informes crediticios venden un conjunto completo de productos de datos. En realidad, los analistas de datos desempeñan el papel de productores de productos en estas empresas, por lo que ayudan directamente a la empresa a generar ingresos y proporcionar servicios. Por ejemplo, algunas empresas de consultoría, empresas de nuevos medios y big data brindan servicios de extracción de datos, recopilación de datos y servicios de redacción de informes. Estos servicios están dirigidos a las necesidades de los departamentos de marca, promoción, marketing y otros departamentos del Partido A, para que puedan venderse. Aquí el analista de datos es en realidad un productor de producto, pero lo que se produce no es un producto específico, sino un servicio compuesto por informes, excel, ppt, código, reuniones, etc. Hacer preventas. Muchas empresas de software y consultoría contratarán a un analista de datos para realizar las preventas, porque no es competitivo hablar de lo buena que es mi solución a la hora de engañar a los clientes. Necesitamos a alguien que comprenda los datos y pueda analizar los problemas para encontrar una solución cuantificable que convenza a los clientes. Aquí, los analistas de datos en realidad desempeñan el papel de ventas, pero estas ventas venden conocimiento, e impresionar a los clientes depende del profesionalismo en lugar de dar sobornos. Por lo tanto, encontrará que los altos salarios del análisis de datos son básicamente del Partido B, o del departamento del Partido B en la empresa del Partido A (como Alibaba Data Bank y servicio al cliente inteligente, aunque son proyectos de Alibaba, todavía brindan servicios a otras empresas como Parte B) porque el análisis de datos es productividad directa aquí. ¿En el Partido A? El análisis de datos siempre ha estado al final de la lista cuando se trata de generación de ingresos. Por ejemplo, el padre del Partido A quiere producir un nuevo producto para aumentar los ingresos, ¿qué necesita hacer? Diseñar productos, producir productos, canales de venta, productos de promoción de marca, logística de promoción y análisis de datos de seguimiento para ver el efecto... Sí, encontrará que los otros seis pasos se pueden realizar sin análisis de datos, solo que el análisis de datos no; Tenga los primeros seis pasos Paso uno, el análisis de datos es solo un trozo de papel de desecho. Esta es la vergüenza del análisis de datos en la Parte A... Algunos estudiantes dirán: ¡Entonces el análisis de datos puede ayudar a las empresas a diseñar productos adecuados! Pero, de hecho, los diseñadores de productos aún pueden diseñar productos sin mirar datos. Hicieron esto durante más de 100 años, lo que dio origen al dicho clásico de Joe: ¡Nunca leí ningún estudio de mercado! Esta incomodidad es una limitación inherente a la forma en que funciona el análisis de datos. El análisis de datos requiere datos para analizar, que es un proceso de comparación y posprocesamiento. Para un diseño de producto similar, el núcleo es la creatividad; el núcleo de las ventas de productos es la capacidad y la motivación del equipo empresarial. La iniciativa de estas personas se basa en el desempeño de la empresa de antemano, en lugar de calcularse, por lo que el análisis de datos sobre la generación de ingresos es en realidad muy débil.

Solo hay un escenario en el que el análisis de datos puede ser útil para los ingresos: una unidad de negocio + B42 a la que realmente le está yendo muy mal y algo anda mal. En este momento, si algunas ganancias se pueden mejorar mediante el análisis, entonces no estarán contentos. Es por eso que muchos proyectos maduros de minería de datos están dirigidos a llamadas salientes de servicio al cliente, envío de SMS y EDM. Porque en estos lugares, la tasa de conversión natural es terriblemente baja y la redacción, los productos y la publicidad del departamento comercial no pueden tener mucho efecto. Al mismo tiempo, todos estos canales son push punto a punto y el entorno de modelado y acumulación de datos es relativamente cerrado. El modelo de datos puede aumentar la tasa de conversión natural del 1% al 2% y el departamento comercial ya lo agradece.

De hecho, el análisis de datos es útil para las empresas y se refleja más en puestos, como la evaluación del desempeño, la evaluación de resultados y la optimización de resultados. Curiosamente, muchos practicantes no quieren entender esto. Por ejemplo, Fanruan también tiene la respuesta a esta pregunta. Puedes echar un vistazo. Los ejemplos que se dan allí tratan sobre cómo reducir costos en lugar de aumentar los ingresos.

Sin embargo, la respuesta de Fan Ruan en sí es muy profesional. Porque es más fácil atribuirse el mérito del análisis de datos que aumentar los ingresos reduciendo costos. Repasemos el proceso de aumentar los ingresos de los nuevos productos anteriores. Si el análisis de datos dice que yo fui responsable de este desempeño, al menos seis departamentos se lo atribuyerán. Pero si el análisis de datos dice que hay un producto aquí que es basura y se puede eliminar, entonces como máximo un departamento (el departamento que diseñó este producto) se sentirá ofendido y los cinco departamentos restantes aún lo apoyarán (porque hay no hay necesidad de perder el tiempo).

Por lo tanto, el análisis inteligente de datos siempre resulta valioso desde la perspectiva del control interno, más que desde la perspectiva del crecimiento de los ingresos externos.

Sin embargo, esto trae a colación el segundo punto embarazoso: ¿debería hacer esto para el último producto de datos de Wool? Incluso si es lana, ¿tengo que contratar a un analista de datos para hacer esto? Debido a que los datos de compras, ventas e inventario también están en el ERP, en teoría, quiero saber qué producto es menos eficiente siempre que un programador que entienda SQL pueda iniciar sesión desde el ERP. Por lo tanto, si el valor del análisis de datos está vinculado únicamente a los controles internos, la importancia y el profesionalismo del análisis de datos serán bajos. Los jefes de cada departamento harán su propio análisis. ¿Conoces SQL? Si no entiendes el negocio, ¿qué te importa?

En este momento, se necesita más empaquetado para reflejar el valor del análisis de datos. ¡El núcleo es el producto final! Al igual que las concubinas del harén, cuando sean jóvenes y hermosas, complacerán al emperador por un tiempo, pero a la larga, todavía tendrán que tener un hijo. Tener un hijo asegurará su estatus. Por ejemplo, si las ventas pueden utilizar facturas en papel, ¿por qué utilizar el sistema POS? Es decir, el sistema POS está en línea y el proceso comercial se está ejecutando y no tiene motivos para detenerse. El niño ha nacido y todavía hay que criarlo.

Hay varios tipos de niños que están familiarizados con el análisis de datos: paneles de control orientados a la gestión y productos de datos orientados a los jefes adecuados para la teoría de la gestión científica. Puede ser un sistema de recomendación, un modelo de marketing preciso, un asistente comercial o un data mart. En definitiva, es un vínculo que se debe utilizar en el trabajo diario del departamento comercial. Empaquetar, empaquetar con datos, empaquetar en herramientas de recordatorio de marketing orientadas al producto y guías de datos operativos. Deje que el vendedor lo mire todos los días. Si no lo mira, se sentirá incómodo. Deje que los operadores miren los rankings de popularidad antes de escribir un texto, no sus corazones. No entraré en detalles. Cómo atraer la atención del jefe, cómo ganarse el departamento comercial y cómo dejar que la primera línea lo utilice, basta con escribir un libro. Después de tantos años de consultar y contactar a una gran cantidad de partes A y B, todas las personas con datos inteligentes finalmente se embarcaron en el camino del control interno → atraer la atención de la gerencia → lanzar productos → cooperar con los departamentos comerciales → expandir la estructura organizacional. Y aquellos que afirman que el sistema de big data puede generar ganancias XXX al final básicamente terminarán mal.

Los conceptos de big data e inteligencia artificial se han vuelto populares en los últimos dos años. La posición del análisis de datos es favorecida por los jefes de las grandes empresas como una concubina joven y hermosa, y han acudido innumerables estudiantes. este campo. Así que les recuerdo sinceramente que podemos tener muchos métodos y conceptos complejos, pero si la empresa finalmente depende de nosotros para ganar dinero es el capital para nuestra supervivencia a largo plazo. Si solo desempeña un papel de apoyo, produzca un producto en torno a un escenario comercial específico lo antes posible e intégrelo estrechamente con el negocio, para que su posición sea estable. Finalmente, por ejemplo, debemos prestar atención a la distinción entre algoritmos, porque los algoritmos se pueden aplicar tanto a sistemas de producción (como reconocimiento de fotografías, distribución de materiales, planificación de rutas y control de procesos) como a sistemas de análisis (como recomendaciones, predicciones, y BI). Si se aplican a un sistema de producción, su estado es relativamente estable, porque la línea de producción no será reemplazada por completo, sino que solo se optimizará continuamente. Pero si se aplica a un sistema de análisis, habrá demasiada agua. Todos deberían observar detenidamente para qué se utiliza este algoritmo antes de tomar una decisión. Ya en 2013, cuando la "era de los grandes datos" se hizo popular, hubo una ola de locura por el "análisis de grandes datos". Como resultado, le grité al jefe en ese momento: "Podemos usar big data XXXX para analizar y mejorar nuestro desempeño. Ahora se estima que la hierba de la tumba es tan alta como mi bebé ... Como mayor, yo". Tengo la obligación de informarle sobre esta industria. La verdad es que el valor de los datos puede variar y no necesariamente aumenta directamente los ingresos. Los datos son realmente útiles, pero eso no significa que los jefes reconozcan su utilidad, ni que podamos obtener ascensos y aumentos salariales desde aquí. Además de la tecnología, la forma de crear valor también puede requerir asistencia distinta de códigos y algoritmos. * * *Con todos.