2020-01-11 14:08:38 阅读:2136
摘要:临近年底,企业都要做2020年预算,这个任务往往和数据预测业绩指标有关,于是很多同学留言想看:2020指标预测该怎么做?原则上,要预测的指标越少越好,越宏观越好,最好是只预测gmv、销售额这种一级宏观指标。同时,作为数据分析师,在收集拆解假设的时候,可以利用数据验证假设是否成立,这样也能体现数据分析的作用。

博信平台二维码 数据分析师如何预测2020年业绩指标?

博信平台二维码,接到老板的预测任务该怎么做?直接扔模型?不,你应该考虑业务问题,分情况进行分析。

临近年底,企业都要做2020年预算,这个任务往往和数据预测业绩指标有关,于是很多同学留言想看:2020指标预测该怎么做?今天它来了。

在来年的指标预测上,一直以来有两种观点:

两种做法都有问题。

投降论往往会引起老板不满:“你是做数据的,我都说了要你干什么!!!”

而速胜论开头死于数据太少,手头翻来覆去也就gmv、pv、uv、转化率、客单价几个数,预测模型没准头。

结尾死于业务口水:“你考虑业务情况了吗?你一天业务都没做过瞎哔哔啥!!”

本质上,投降论和速胜论是两个极端。一个极端自暴自弃,完全没有发挥数据该有的作用;一个极端自高自大,自以为有一堆代码就天下无敌,忽视了业务的参与。

想要解决好这个问题,既要懂得预测方法,又要懂得如何做年度预测这个工作,双管齐下才能解决问题。

预测常用的方法有三种:业务推演法(拍脑袋法)、时间序列法、因果关系模型。

三种方法的操作流程、适用范围不太一样。因为本篇不是专门讨论算法的,所以先归纳如下,有兴趣的话我们单独分享。

注意:一提预测,往往大家都本能联想到算法模型。可算法模型有个天生的短板:业务参与太少。

业务参与太少,结果就很难被认可。本质上,业绩不是算出来的,而是产品、销售、运营、供应链努力做出来的,谁掉链子都会让业绩出重大问题。

所以,单纯指望一个模型搞定,往往会被业务用各种细节问题打趴下。想破局,就得首先理解:业务做年度预测的目的是什么,这样才能看如何让他们参与进来。

年度预测,与其说是预测真实值,倒不如说是帮老板圆梦。老板们往往倾向于给出“我想达到”的业绩值,而不是“可能达到”的业绩值。

这也就是为啥老板们一边让数据去做预测,一边自己默默在心中拍一个数字的原因。一方面,他有自己想达到的目的;另一方面,他也想知道自然状态能去到多少。

所以,遇到预测问题,第一时间不要急着搞模型,也不要“老板想什么就是什么”。而是先搞清一个关键问题:老板是否已经有了明确目标,无目标和有目标,有两种完全不同的处理方式。

比如老板说:预测一下明年的业绩指标,然后没有任何指示。或者干脆说一句:你先预测预测看看。

这就是典型的无目标预测,很有可能是老板自己还没想法,想先看几个数据找找感觉。这时候数据分析师自由发挥的空间很大,但要注意几个原则:

当我们用杜邦分析法拆解的时候,可以把一个核心指标拆解成一堆二级三级指标(如下图所示)。

原则上,要预测的指标越少越好,越宏观越好,最好是只预测gmv、销售额这种一级宏观指标。拆得越细,越折腾人,而且汇总起来误差非常大(还不如直接拍脑袋呢)。

因为预粗不预细,所以尽量用模型解决战斗。如果不用模型,而是用推演法,就会涉及大量业务假设,反而把预测拖进无穷无尽的细节,最后因为某些细节业务上无法达成一致,吵架吵到预测流产。

所以,尽量一个模型搞定。当别人问“预测数据怎么来的时候”,就回答“假设条件不变情况下,基于过往趋势预测”。

回答中“假设条件不变情况下”这句话特别重要,一定要讲。因为所有的模型,都是基于“过去的规律未来会重现”的基本逻辑进行预测的。

如果业务看了预测,“哦,原来能做这么多呀”就放松了工作,那什么业绩都没有了!我们至少要假设:业务不掉链子。

相应的,千万不要说什么:“这是人工智能预测结果”。一般这么说的,都会被业务喷得一脸“人工智能能卖多少货!”。

基于以上原则,一般预测总量用时间序列法比较多。

一来,它需要的数据非常少,只要1个指标就够了(当然需要这个指标较长时间的记录);二来,常见的业绩走势,比如生命周期型走势,自然周期型走势,它都能模拟形态;三来,短期内业务很难巨变,所以模拟趋势往往是离当前时间越近就越准。

所以,在数据、时间有限的情况下,优选此方法(如下图所示)。用因果模型,往往很难凑齐各种影响变量,特别对于数据建设滞后的企业,很难用。

这里的预测结果,都只是个中间过程。

一般给了预测值以后,老板会有想法,进而提出“我们的gmv/销售额目标定到1500亿”一类。这时候,问题就从无目标变成了有目标,还需要进一步深入分析。而不是让你跟老板大吵一架,大喊:人工智能比你牛逼!你凭什么不认!!

比如,领导给定:

这就是给定目标下预测。

注意:领导给你目标,不是让你去挑战他的。希望你能够帮他补齐相关资料,提示潜在风险。

因此,在做预测的时候,就不是傻乎乎建个模型然后对老板说:这个目标太高了/太低了。

需要认真补充以下内容:

在这种情况下,一般自然增长用预测模型(同无目标时的做法),而二三级指标和资源投入,则用业务推演法更合适。

围绕老板给出的大目标,各个部门看自己需要做到多少努力,能达成这个目标。把整体目标拆解到各个部门,清晰各部门的kpi。这样明年各部门的报表就有了参照值,能很容易跟踪指标走势,发现问题(如下图)。

同时,在拆解任务的时候,各部门可以基于自己对工作的理解,提出拆解假设。这样能提前思考有哪些困难,早做准备。

同时,作为数据分析师,在收集拆解假设的时候,可以利用数据验证假设是否成立,这样也能体现数据分析的作用(如下图所示)。

业务部门一般会本能地抱怨:目标定太高了。

注意:产出和投入挂钩,高目标从来都不是问题,高目标且不给钱才是大问题。

作为数据分析,要做投入产出分析,判断业务是真做不来还是假哭丧。想说服老板“这个投入不可能达成目标”,是可以的,前提是做足功课(如下图)。

通过一系列的分析,既能细化老板提出的目标,又能提示风险,还尊重了业务意见,基本可以交差了。不想投降,不能速胜,还是得打持久战才行。

做年度预测,本质上是在平衡领导期望与业务实现能力,这是个和人打交道的过程。所以才需要考虑领导期望、业务行为、过往经验,而不是简单丢一个模型完事。

作为数据分析师一定要理解:追求完美的模型那是大学教授干的事,我们的目标是为管理提供工具,解决实际问题,模型也好,拍脑袋也好,都是必要的工具。

刚学会用锤子的小徒弟,都是看啥都想夯一榔头;只有炉火纯青的大师傅,才是需要用啥用啥。

请注意,本文的方法仅仅是年度预测这个场景。预测这个问题,换个场景,思路可能完全不一样。

虽然这些场景看起来,一级目标都是“预测销量尽可能精准”;可在不同场景下,二级目标完全不同,催生出的思路也不同了。

甚至可以说:如何定义目标,直接决定了预测效果。

作者:接地气的陈老师,微信公众号:接地气学堂。十年资历的数据分析师,拥有多个行业的crm经验。

本文由 @接地气的陈老师 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自unsplash,基于cc0协议

2019女足世界杯竞猜

上一篇:越南公安部破获高级卖淫团伙,涉案首犯为貌美网红,住豪宅开豪车
下一篇:中国火箭军导弹齐射太震撼,日本一地最为紧张