最近国家出手治理互联网企业垄断及挤压实体经济的问题,促使互联网企业股价整体下行,既往「烧钱—合并—垄断」的互联网成功模式将一去不复返。未来互联网行业想躺着收租挣钱,将变得更加困难。社会风气会逐步注重实干和科技创新。
落实到企业经营领域,既往野蛮增长的时代过去,未来精细化和效率将是企业竞争的胜负手。既往蒙眼狂奔将失去效果,数据驱动将会受到更多重视,并且逐步从无数到有数的可视化分析,向智能化分析进化,人工智能将全面落地在企业分析决策中。本篇借着这种趋势,聊聊数据分析的未来增强分析。
数据分析的局限
近年来国内企业逐步重视数据驱动的价值,开始注重数据收集和看数。从而促进15年之后神策数据、GrowingIO、诸葛IO、易观以运营分析产品为主的企业崛起。
但随着越来越多企业开始有数据和报表后,会发现下一步如何行动成了问题。因此近两年又火了一波营销自动化的产品,即可以设置运营规则自动发短信/push/弹窗等,解决action的工具问题。
去年花了一年时间搭建了规则推荐引擎的产品,通过设置运营规则可以快速实现站内栏位运营。而实际产品落地过程却不顺利,主要原因是工具非常好,但客户制定策略没有思路,产品也就难落地。
不难发现,数据驱动最终落地除了战略、组织、工具保障外,实际负责业务的人成了最大瓶颈。大量的企业运营人员运营和数据理解有限,对于数据的运用限于写周报汇总数据。在之前的环境中,大家都一边吐槽,一边继续服务客户。
问题的根本在于,之前的数据分析工具局限在描述性分析(看数)和诊断性分析(下钻看异常),没有做预测性分析和决策建议的能力。而数据驱动价值落地又需要行动依据和决策建议支撑,大多情况下,运营人员又不具备充分预测及决策的能力。才使传统的数据分析陷入了僵局。
增强分析价值
传统数据分析的局限,随着技术发展逐步有了解决办法—增强分析。增强分析是指利用大数据、人工智能技术,对数据做预测及决策分析,提供业务建议,辅助决策。
即通过决策分析可以解决描述性分析和诊断分析之外,提供预测性分析和最优决策建议,解决未来会发生什么,应该如何做最优决策的问题。
客观来讲,未来存在诸多不确定性,预测性分析和最优决策建议都依赖当时当下所能取到的数据和信息,并不能保证百分百准确。增强分析的价值在于在复杂环境和因素下,提供了一种降低不确定性的解决方案,从而辅助运营人员更好地做决策和落地工作。
增强分析举例
做实体生意无论是直面消费者还是走经销商渠道,都需要解决供应链需求预测问题。
在传统生意中,老板或做供应链计划的人,根据经验预测需求量。例如蔬菜生意,需要根据近日蔬菜需求量和未来天气情况,决定明天进货丰富度和量的问题。进多了,卖不掉,会导致库存积压,既有库存成本还有自然损耗的问题;进少了,不能满足顾客需求,易造成顾客流失,影响生意正常运行。
传统的人根据经验做需求预测,由于人不会经过精细化计算,如果有计算规则通常也较为简单,限制了需求预测准确度,从而导致库存积压问题或不能满足需求的问题。
通过人工智能进行预测性分析,可以将影响需求的各个因素考虑在内,并构建模型,依此提供相比于经验更加准确的需求预测,从而降低损失及提升销售额。
增强分析未来
随着各行各业进入存量竞争模式,自身运行效率高低,将会是在商业竞争中越来越核心的因素。增强分析可以在战略及落地中,提供有效的指引及参照,未来将会迸发越来越大的价值。
还没有评论,来说两句吧...