电商大数据:数据化管理与运营之道(第2版)
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人

第3章 数据驱动相关知识铺垫

3.1 数据作用力的难点在于挖掘常识以外的价值

数据分析有没有用直到现在社会上仍然存在争议,或者有的人认为至少新公司财务和数据分析是最无用的。实际上,数据最难的是找到数据与业务之间的契合点,而大部分人所说的数据分析几乎都是基于整合别人的思路(比如动不动就是啤酒加尿布那般无聊),走别人的老路子。又或者,数据分析的结论是轻易用脑袋都能回想出来的常识。凡此种种,数据分析的作用力一直给人以错觉。但不管怎么说,学会数据分析至少是无害的。

实际上,真正的数据分析能够产生巨大的作用力。下面列举笔者很早之前实施过的一个极其微小的数据分析案例。案例虽然微小,但是彰显数据分析的威力仍能可见一斑。

短信是链接客户与企业之间的一条通道,不论是服务还是营销方面的用途。自然,短信的到达率、及时性及上行速度是最重要的三项指标。一直以来,发现短信的到达率数据一直不稳定,有时候到达率极高,有时候到达率很低,假设认为运营商的短信通道是稳定的。根据统计学中的“假设检验”方法论,以及根据一些已经捕捉到的细节,猜测短信字数对短信发送到达率是有显著影响的(现在的智能手机多条短信接收到,显示时候仍然是一条连贯的短信),如表3-1所示。

表3-1 短信是否到达与短信内容字数(含签名)关系测试

根据表3-1结果,我们不难发现。

1.移动类型的号段不论是短信内容67个字还是68个字,基本都能成功接收到信息。

2.联通和电信类型的号段当短信内容67个字时都能收到,但是当字数为68个字时短信接收成功率几乎为0,而移动不论67个字还是68个字都能准确接收。

显然,当知道这些结论之后,有两种策略应对。

1.所有短信内容尽量不超过67个字(含签名)。

2.移动和联通电信号段准备不同的短信内容模板。

数据分析往往作用于一点,能找到全新的思路。很显然,这种尽管切入点很小但是其价值是巨大的,提升了到达率,降低了成本。这方面的案例比比皆是,比如说大型银行、航空公司等客服部门的电话呼出服务,往往碰到客户无人应答,并且客服人员作业量巨大,通过很简单地数据分析就能得出一个结论:电话铃大约响6声,如果达到6声还是无人应答,则应当果断放弃本次呼出,因为研究结果表明,超过6声继续呼出无人应答的概率接近90%的可能性,放弃本次呼出,选择另外的呼出时间是经济性的,这对于节省大量的时间成本是极为重要的。

以上仅是数据分析一个极小的案例,所使用的方法是最基本的数据统计。实际上,商业中数据分析和挖掘主要用到机器学习、统计学(含高等统计学)、数学建模和计算机模拟的方法,前三种方法我们会陆续详细介绍,本章我们再来见识一下计算机模拟的方法,让读者朋友有一个感性的认识。

假设某类目的大宗商品交易,成交金额符号约定为GMV,基准利润率为P,由于战略合作双方制定了利益重新分配的规则,新规则之前合作方的利润分成公式为:

(GMV×1.3%-8.4-GMV×P×50%)×40%

新规则制作之后,合作方的利润分成公式为:

(GMV ×1.3%-8.4-GMV×P ×60%)×50%

现在来测算实施新规之后是否有益于合作方。此问题简单分析就能知道答案一定是动态的,因为成交金额GMV不可预测,而基准利润率P又跟具体的商品密切相关,所以不可能笼统地回答是有利还是没利的,需要分情况讨论。

s.t. GMV∈[500,10000], P∈(0.007,0.013 )

显然,只要R>1就会有利于合作方。计算机模拟的结果如图3-1所示。上下两幅图是立体模拟结果的不同角度展示。单看上面一幅图(也就是图(a))就能很容易知晓,黑色区域所对应的GMVP的取值有利于合作方,而黑白网格部分区域是不利于合作方的。如此,结论一目了然。

图3-1 比较系数R模拟的结果