【读书】孙正义的超强数据化工作法

一、为什么数据化之后问题能快速解决

具象,拆解步骤,看清差距,明确目标,提高行动力
1.该从哪个问题着手
2.客观性,对付上司
3.增加说话的权威性

数据化工作的七个要点
1.主动获取,明确自己要什么数据
2.数据化的目的是探讨今后该怎么做
3.划分,比如按环节计算漏斗
4.细致划分和数据测算
5.数据转化为信息或知识,指导下一步行动
模型化,公式化,得出预测值
6.PDCA,不能在制订计划上浪费太多时间
7.解决问题后继续开展数据检查

现代商业中最重要的5个数据
营业利润=(客户数量客户单价客户停留期)-(客户获取成本+客户维系成本)
LTV客户终生价值

二、数据分析的七种工具

(一)流程分析(漏斗转化)

(二)散点图和一元回归分析

1.Y=ax+b,x是说明变量,y是目的变量,x有多个是就是多元回归分析
2.散点图可以转化为趋势线在excel中的具体实现步骤
(1)制作散点图-添加图表元素-趋势线
(2)双击趋势线-在格式菜单勾选“显示公式”和“显示R的平方值”
R的平方:判定系数,越接近1越能反应实际情况
某变量的判定系数越高,对结果的影响就越大

(三)多元回归分析

1.方法
(1)添加加载项-分析工具库,数据栏目下会出现“数据分析”功能
(2)数据分析-回归:
Y值输入区域:选定目的变量;x值输入区域:选定说明变量
勾选“标志”,选择“新工作表组”
看“系数”(k),单位个x值的变化对y值可能产生的影响
(3)检验“匹配程度”
P-值=危险度,使算式不稳定的因素,高的可以删除
与R的平方对应,多元回归分析用Ru值进行检验,需要手动输入公式:
Ru=1-(1-RR)(n+k+1)/(n-k-1),Ru越大越符合实际情况
*R在“回归统计”处已告知,n数据数量(观测值),k变量个数(方差分析-回归·自由度)
2.作用
做预测,发现预测和现实数据的gap,寻找原因

(四)帕累托图分析法

柱状图和折线图结合,左侧柱状图刻度,右侧折线图刻度,折线是累计百分比
二八定律:少数因素(20%)决定整体大部分(80%)成效,(降序排列后)累计百分比达到80%的点之前涉及的所有说明变量,是解决问题的关键
Excel制作帕累托图:
1.普通数据增加累计百分比
2.选定数据区域,插入-图表-柱形图(簇状柱形图
3.选定累计百分比列,右键-更改系列图表类型-折线图
4.双轴制作:选中折线图,右键-设置数据系列格式-属性-次坐标轴
5.去掉柱形图间隔,选中柱形图,右键-设置数据系列格式-分类间距,改为无间ps.多选题,先换算成百分比后加权

(五)T型账户(需要进一步理解)

就是将“增加数目”与“减少数目”一目了然地整理出来,从而管理“目前手头上剩余数目”
2*2表,左侧是计划,右侧是完成情况,看每个环节的增减

(六)差异分析

对“计划”与“实际结果”进行比较,探究计划与现实之间产生差距的原因


差异分析法——广告产品举例

(七)LTV分析法

实现“客户终身价值”最大化的成本投入法:
1.整理获客成本数据
2.成本的边际效用递减
3.计算累计LTV最大值,即理想态
强烈推荐工具
1.suiveymonkey,计算问卷调查样本量
样本量影响因素:总体,边际误差(5%),置信水平(95%)+回答率/回收率
2.Optimizely, Kaizen Platform,ABtest
3.KH Coder,文本挖掘

三、常见的数据化误用以及需警惕陷阱

(一)数据化误用

1.数据的单位、定义及解释不明
2.分类方法不严谨、不恰当(细化)
3.统计数据的目的不明确
明确需要解决的问题和想要实现的目标
要从结果倒推,判断应该统计哪些数据
4.数据僵化
脱离公司固有的处理数据
5.数据的封闭化
只关注公司内部数据,忽视公司外部环境的变化
6.只计划不实践
7.希望同时完成两个对立的数据
不同时期设置不同的优先级

(二)数据化陷阱

1.只看积累,不进行划分
2.被平均值遮盖了两极问题
3.分摊的不公平性

四、使工作成果大大提升的秘诀

(一)大数定律和期望值

“大数定律”:试验次数越多,其结果出现的概率就越接近理论值
期望值是进行一次试验可预期的结果
最重要的问题是,要思考“如何摆脱大数定律,提高自己的成功率
摩尔定律,要让自己处在能不断进行自身发展的领域

(二)鲑鱼产卵理论

孙正义:选择中奖奖券更多的抽奖箱和降低抽奖成本。
1.寻找中奖奖券多的抽奖箱:甄别购买可能性高的客户
2.降低抽奖成本:思考接近客户最省时省力的方式
3.持续抽奖:之后一直坚持这一过程(在一定成功的基础上)

(三)72法则

年平均增长率的存在方式不是“单利”而是“复利”。
需要过多少年才能让营业额达到现在的两倍:用“72”除以增长率
为了达成目标每年要增长多少:用”72“除以年数

(四)边际效用递减

(五)邓巴数字

超多200人就划分集团

(六)魔法数字7

人类短期记忆的容量在7个左右
跨度控制:一个上司能直接管理的范畴

(七)创新扩散原理与新摩尔定律

创新者(2.5%)-早期采用者(13.5%)-早期大众(34%)-晚期大众(34%)-落后者(16%)
重要点:普及率16%,早期采用者
新摩尔定律:早期采用者和早期大众之间存在鸿沟

五、其他

1.网络外部性
享受同意资产和服务的人数越多,从该资产或服务中获得的便利也就越多
2.客户的三个阶层
潜在客户-试用客户-正式客户
提高认知度=增加潜在客户

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,921评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,635评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,393评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,836评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,833评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,685评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,043评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,694评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,671评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,424评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,027评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2 343

推荐阅读更多精彩内容