toB和toC业务，数据分析怎么做？

2022-11-03人工智能49

toB和toC业务，数据分析怎么做？

很多学生想知道：为什么我做的数据分析和别人说的有这么大的不同？一个重要原因是数据分析的问题场景不同。不同的问题场景意味着数据指标、分析逻辑和输出都不同，有些场景差异太大，不熟悉的人完全无法使用。

[En]

Many students wonder: why is the data analysis I do so different from what others say? An important reason is that the problem scenarios of data analysis are different. Different problem scenarios mean that the data indicators, analysis logic, and output are all different, and some scenarios are so different that people who are not familiar with them are completely unable to use them.

那到底有哪些场景呢？这里简单盘点一下。

首先，toB和toC业务是完全不同两大场景。toC业务面对的是个人的衣食住行的需求，离我们的生活很近。经常我们把自己当做消费者思考一下，就能理解toC业务是做什么的。而toB业务则是服务企业生产经营，很多同学不能直观理解。

更难的点是：toB类业务数据记录往往很少。toB类本质上就是"谈生意"。谈生意，就需要大量的线下沟通，越大的客户，要求越多，越不能指望客户在一个APP里戳两下就把几千万上亿的钱掏出腰包。而很多toB企业的数字化程度很低，沟通过程基本都靠销售自己完成，导致过程数据严重缺失。数据缺失，自然导致数据分析师很难分析出啥东西了。

其次，在toC业务里，线上业务和线下业务是两大有差异场景。

线上业务：APP、H5、小程序

线下业务：店铺、业务员、电话推销、短信

在2022年，大家对线上业务反而更熟悉。每天点外卖，买东西、看视频都指望手机呢。对线下业务反而生疏了，除了偶尔逛逛街，大部分电话/短信推销都被人们自动无视了。

线上业务与线下业务的最大区别在于数据量。线下业务数据量很少，很多时候，连基础的RFM分析都做不了（因为没有用户ID），相当多的线下业务，是基于订单、工单、采购单等单据进行分析的，这一点让习惯了线上数据的同学们非常难受。不过线下业务的分析，都有其成熟、固定的逻辑和套路，是可以通过学习掌握的。

toB和toC业务，数据分析怎么做？

第三，在企业中，根据工作流程分析的场景明显不同，简单的可以分为：

[En]

Thirdly, in an enterprise, the scenarios analyzed are obviously different according to the workflow, and the simple ones can be divided into:

1、前台：直接面向用户的，产生收入，获取客户的（销售、推广、增长）
2、中台：对前台起辅助作用，增加收入，减少损失的（品牌、营销、运营、风控）
3、后台：支持前台、中台工作，交付产品/服务的（研发、生产、设计、供应、客服）

前中后台差异是非常大的：

前台的分析大多可以用人、货、场的逻辑来描述。因为收入是直接产生的，所以通过拆解构成收入的指标来区分影响收入的因素，然后找出问题的根源是相对容易的。

[En]

Most of the front desk analysis can be described by the logic of people, goods and fields. Because income is generated directly, it is relatively easy to distinguish the factors that affect income by dismantling the indicators that make up the income, and then find out the source of the problem.

toB和toC业务，数据分析怎么做？

对央视的分析则要复杂一些。因为它叠加在销售上，以增加收入，减少损失。因此，各种因素交织在一起，很难分析清楚。

[En]

The analysis of CCTV is a little more complicated. Because it is superimposed on sales to increase revenue and reduce losses. Therefore, various factors are intertwined and it is difficult to analyze clearly.

比如：

剔出"自然增长率""季节变化"，才能看到真实效果
间接手段（比如广告、社群、内容）产生效果的逻辑梳理
间接手段（比如广告、社群、内容）产生效果的逻辑梳理

这使得中国中心站的数据分析和分析逻辑非常复杂，需要多角度、多批次的测试和比对才能有效。

[En]

This makes the data analysis and analysis logic of China Central Station very complex, and requires multi-angle, multi-batch testing and comparison in order to be effective.

toB和toC业务，数据分析怎么做？

后台的分析则更纠结。

一方面，后台的采购、供应、生产，受生产线、交通等客观条件限制，短时间内有能力上限；

另一方面，后台的供应量又受到前端影响，需求预测不准，需求反复变动，都让后台乱成一锅粥，分析也不会准。

所以，虽然后台也有类似EOQ模型、分配与网络模型这些科学算法，但是还是得结合前台的一起看，该拍脑袋还得拍。

当然，如果和toC/toB、线上/线下结合，能产生的场景就更多了。比如都是在线上卖商品，平台电商（入驻天猫、抖音、拼多多等平台）自营电商（自建APP并推广）就是完全不同两个场景。数据来源，运营方式，分析思路都不同。

因此，如果要做深入的数据分析，具体问题，具体分析这八个字是非常重要的。当涉及到业务场景时，这很容易讨论。如果只是浮在表面，就说：数据分析就是做一个对比，谁跟谁比，比什么指标，差异怎么解释，什么都不懂，自然分析不出好的结果。

[En]

Therefore, if you want to do in-depth data analysis, specific problems, specific analysis of these eight words is very important. When it comes to a business scenario, it is easy to discuss. If you only float on the surface, just say: "data analysis is to make a comparison", who is compared with whom, compare what indicators, how to explain the differences, know nothing, naturally can not analyze good results.

toB和toC业务，数据分析怎么做？

但一些学生面临着非常特殊的问题，工作中缺乏指导，没有地方可以讨论，真的很难取得进步。此时，我建议您加入陈先生的知识星球。你不仅可以观看系统的视频教程，还可以与陈老师和其他做数据的学生讨论。

[En]

But some students face very special problems, lack of guidance in their work, and there is no place to discuss them, so it is really difficult to make progress. At this time, I recommend you to join Mr. Chen's knowledge Planet. You can not only watch systematic video tutorials, but also discuss with Mr. Chen and other students who make data.

我的知识星球，已经有660+同学加入了，而且内容还在不断增加。除了每日话题讨论外，为了帮助同学们在4月份斩获好offer，还新上架了求职课程，给大家加油。

知识星球 四大看点

1、和陈老师一对一讨论具体问题

2、《求助宝典》课程+一对一简历面试辅导

3、400+数据分析主题分享，150+干货资料

4、《数据分析九大方法》《经营分析》视频课程系统学习

扫码加入陈老师的知识星球

随时咨询问题

660+同行小伙伴在等你

toB和toC业务，数据分析怎么做？