公司业绩遇到问题,不是集中起来想办法,而是集中起来批斗为什么没有预测到……全!是!扯!蛋!今天系统科普一下,到底数据预测能干啥。为数据分析师们发声。01无法预测的场景
数据预测,得有数据才能预测,这是个基本前提。所以没有数据,预测个屁。典型的没有数据的场景有:
1、宏观政策问题:预测下明年会有啥新政策?
2、主观意愿问题:预测下老板今天爽or不爽?
宏观政策,在公布以前是没有任何数据可以记录的,它压根就不存在。咋记录法,又咋预测法。因此完全无法预测效果,只能等到公布以后才能观察。会有人说:大政方针也要看数据来定,那理论上可以通过数据来预测方针的公布时间。
想得美。大政方针往往涉及利益集团间的博弈,因此具体啥时候推出,很有可能是各方激烈斗争的结果,跟数据不完全有关系。真想摸清楚大政方针的走向,得找关系。走上层路线,接近权力核心。光站在外边看,就是隔靴搔痒。
想搞清某个人的主观意愿,你得跟他沟通,而不是纠结数据。如果是针对某位大人物的,就鞍前马后伺候好,察言观色;如果是针对普通用户的,走用户研究路线,那边有整套的方法。
不服气的同学们,请听题:
● 阿鲁巴是2025年人人都喜欢的产品
● 每个人都会买阿鲁巴
● 每个人都爱用阿鲁巴
不服,来战!预测吧,阿鲁巴!
你也拍桌子骂娘——起码告诉我阿鲁巴是个啥啊!是滴,答对了。这就是解决全新创意问题的办法:把抽象的概念具体化,然后拿着具体概念做测试。
概念越具体,才越能测试出用户的真实态度。比如加个条件:阿鲁巴是一台手机。是不是就稍微有点感觉。再加个条件:阿鲁巴是一台薄的像纸一样的手机,是不是更有感觉了。根据概念的具体程度,有三个层级的活可以做(如下图)
比如:
● 发现过往业绩很好,预测本月业绩也很好,但是你的销售藏单了!最后表现平平无奇。
● 预测本月推广很差,运营的面子挂不住了,于是串通渠道刷量,最后一片形势大好。
● 预测商品积压严重,商品经理找到了买主,一把将尾货全部清出去,有惊无险。
● 预测销量不能达标,于是销售们联合**,直接把目标值改低了,大家满意。
不过上边都不是最狠的,最狠的是:建立科学预测体系,评价产品销量。然后市场部大老板自己收了供应商回扣,一句:“老夫从业20年,从来没见过这种情况,你这预测不符合业务”。大笔一挥,直接按回扣数额预测销量。遇到这种事,说理都没地方说理去。
这就好比开车的时候,预测到前方转弯有大石头,预计1分钟后撞上。开车的人听到这个预测就得踩刹车。而不是继续狂飙,撞上石头以后再来抱怨:“你预测得不准,不是60秒后撞上,而是59.99秒以后撞上,导致我没踩刹车。”——你TM不踩刹车,还来怪预测了。
所以,这个问题本质是责任谁承担的问题。合理的责任划分方式,是:只要有人为干预环节,统统是决策人本身承担责任。本身数据预测只是一个判断依据。除了数据,做业务的经验、能力、人脉资源、市场嗅觉、用户感知,都是判断依据。用起来呀。
这样才能保证最终结果不出问题。就像开车上路,导航是实时更新预计到达时间和道路拥堵情况,而不是一上来预测个最终时间一样。
03可预测但有限制数据预测有个基本前提:过去的经验未来会重现,未来的走势和过去的逻辑相同。无论是简单的靠经验推导,还是复杂的算法逻辑,都是基于这个前提的。
正是有这个前提,才能根据历史数据才预测未来。所以,所有预测都会加上一句:在XX背景/前提/假设下预测。正因此,很多经典的预测结果,都是基于农林牧渔、医疗生物,这种有客观依据,不宜改变规律,内在科学原理的业务得出的。
不是商业企业孜孜不倦的教育,女士们还在用雪花膏,哪来整套整套的水、乳、液、精华、各种色号……男士们还在下围棋、象棋、军棋,哪来的皮肤、武器、暴击、加速、闪现、命中……所以本质上所有的预测都是有前提下适度预测,遇到新的场景就得重新找数据集重新修正。
没有一种方法是绝对准确的,都得结合预测效果做修正;输入的数据越少,输入的关键变量越少,预测精度必然越低。细分越具体的场景,可采集的数据越多,短期内预测的波动性会越小。所以想取得好的预测效果,得仔细挑选场景,确保优质的信息来源,建立修正机制。这些,又和需要与业务大量沟通,密切协作有关系。
只有算命的,才是:
● 不需要沟通细节:客官您不要张嘴,我立马能算出你想什么
● 不需要多种方法:客官您看这卦象,您未来必有灾祸
● 不需要修正结果:客官我百算百灵,您不信我的就亏了
真正的数据预测,就是需要体系化运作。比起赌运气赌最后的结果99.999999%准确。而是细致分析预测场景,结合业务动作,选择合适的方法,达到业务上的目标即可。
-END-
以上就是2022年的KPI,你预测得准吗?的全部内容了,希望大家喜欢。
以上就是关于2022年的KPI,你预测得准吗?全部的内容,关注我们,带您了解更多相关内容。