Java教程

业务分析逻辑的思考

本文主要是介绍业务分析逻辑的思考,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

两种分析逻辑


对于业务分析而言,很多方法论中会非常明确的说明,需要先定一个目标,之后才能再进行评价好坏,是否达标,差多少,需要做啥

但是实际工作中,很多分析工作并没有明确的“目标”,而是在一种非常开放的语境下去探索这个新功能/新业务带来的影响。在不断的探索挖掘下,得到一些洞察跟结论,在此基础上,考虑怎么用,顺序是反过来的

那为啥会有两种分析的逻辑 ?哪种更加合理 ?

首先,方法论从抽象意义上讲,对于一个具体“事实”,需要评价,肯定是要一个标准或者目标,才能进行。
而实际的分析时,“事实”就是“洞察”,这是需要数据探索,分析得到的。因此我们的直观感受是 并没有带着 “目标/标准“去做分析,是因为前期还没有形成”事实“。

但是在对维度拆解的时候,本身是带着隐藏的”目标“的,1)期望均匀: 说明覆盖面宽,无死角 2)期望不均匀,偏态分布,或者跟总体比有这种情况, 说明有特性/针对性。比如 活动分析时,在年龄维度,大多数我们期望产品能符合目标战略定位人群,在消费行为维度,会期望吸引中重度客群参与。

随着不同的“事实”被挖掘出来,我们的在核心 KPI 映射下的“目标”也被不断带出来,形成了多对 “事实”-“目标”。

比如在某类型活动中,经过分解,年轻人的比例长期在 29%的参与度,重度循环借贷人群 15%。因此对于新活动,我们对这2个维度就有一个潜在的 “目标”/“标准”,也要达到这么多。 - 这就是从历史找目标

对这次新活动的分析,在这个时候,我们才实质上进入 方法论中所说的 ,“事实”-“目标” 分析循环中。是有很多不同 “事实-目标-评价-措施” 现条同时进行的。

对于新功能的影响分析,我们没有历史数据的,那我们就看绝对的业务标准 - 比如 “重度消费人群,越高越好 - 越高说明吸引特定人群的效果好,有助于维护重点客户关系“

image

一条 洞察 insight,关键是看怎么用, ”事实“ + 背后原因 跟 结果推演

这篇关于业务分析逻辑的思考的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!