很多同學最怕聽“建模型”仨字。尤其是建立“業務分析模型”：

1）4P，4C，SWOT之類，怎么和數據結合？

2）LR、SVM、CNN之類，和業務相距甚遠

具體到銷售、產品、運營、物流等業務工作中，高低該怎么弄個分析模型出來？我們今天系統講解一下。01業務分析模型是什么

業務分析模型，即：通過固定的指標+固定分析維度，反映業務情況，診斷業務問題。建立業務分析模型，關鍵在于搞清楚：

1、業務部門是否了解當前狀況？

2、業務同事是否了解問題源頭？

3、業務問題是否有解決方案？

4、業務發展走勢是否有預判？

顯然，不同人的狀態不一樣。因此在建模之前，得先梳理清楚：

1、我要服務的部門，屬于什么水平？

2、當前，他們最迫切的問題是什么？

3、該業務流程是否清晰？是否已采集足夠多數據？

同學們可以按下圖所示，做出清晰判斷

相應的，有四類常用模型：

1、現狀描述模型

2、問題分類模型

3、業務優化模型

4、業務預測模型

下邊一個個來介紹

02現狀描述模型

現狀描述類模型，用于業務發展早期，用多指標描述業務的表現，從而建立對業務監控體系，我們常說的AARRR，PRAPA，RFM，漏斗模型等等，都屬于此類。

現狀描述類模型，來源于業務流程。常見的流程有2種：串聯式、并聯式。

• 串聯式：一個前后分n個階段的流程，需要完成一步再到下一步。從流程起點開始，到終點結束

• 并聯式：指一個任務分開同時由各個線獨立完成。從總目標開始，到任務結束

• 大部分業務流程，都是這兩個模式的組合（如下圖）

現狀描述模型的最大作用是：清晰責任，暴露問題。當主指標（比如銷售收入，生產成本）出現問題的時候，可以沿著業務流程回溯，看哪個環節出了問題。因此在銷售管理、運營管理中用得特別多。

但注意：現狀 ≠ 問題，現狀+標準=問題。因此只有標準單一且明確的時候才能直接看出問題來。如果標準本身很復雜，則需要更進一步的手段。

03問題分類模型

問題分類模型，用于從多指標判斷業務是否出現問題。如果判斷一個指標好壞的標準只有一個，比如成本、利潤，這時候是不需要模型的，直接看單指標是否達標就好。但是當指標超過2個以上，就需要一套綜合評估的辦法，即為“問題分了力模型”

如果判斷業務好壞需要2個標準，且這兩個標準相關度低，這時候可以用矩陣模型來進行分類。常見的重要緊急矩陣，波士頓矩陣，質量/數量矩陣，都是這個原理（如下圖）。

如果判斷標準增加到3個以上，判斷標準相互交叉情況太多太多，再用肉眼觀察就很難判斷誰好誰壞，這時候可以用DEA方法或者AHP來判斷，相比之純機器學習方法，DEA方法含義更簡單直接，AHP方法有專家參與，都更容易被業務接受

04業務優化模型

業務優化模型模型，即在投入、產出水平受資源限制情況下，尋找最優配置的分析模型。比如給定了各個部門工時成本，求一個最優任務分配。最常見的就是解線性規劃，在工作調配的時候用得非常多（如下圖）。

在營銷端也有類似的場景，比如：

1）為達成銷售目標，各個銷售團隊該怎么配置線索/銷售費用

2）為實現獲客效率最高，各投放渠道，該怎么配置費用

3）為綜合毛利最大，各商品線該如何調撥資源

總之，凡是涉及多個業務之間搭配組合優化，都適合此類模型

05未來預測模型

業務預測模型，即基于過往數據，預測業務走勢。所有預測的基本假設，都是：未來發生的規律和過去一樣，過去的場景會在未來重現。所以業務做預測的時候，常常會假設一些業務參數是固定的，然后推測未來情況。

常見的做法，比如：

1、假設生命周期走勢是不變的，推測未來情況

2、假設轉化率/留存率是不變的，推測未來情況

3、假設投入產出比是不變的，推測未來情況

在一些發展穩定的行業里，這些假設常常很準。但注意，有三種情況下假設可能失效。

1、新業務、新場景導致無歷史數據可參照。

2、突發且情況不明，導致所有轉化率都異常。

3、業務運作出現明顯問題，已無法按正常走勢反推。

此時，建議多進行測試，獲取可靠的參數，而不是盲目預測

建立業務模型以后，不需要再每次遇到問題，都從頭開始，梳理指標，列假設，驗證思路，找靈感……能直接套用，極大提升效率。并且，這四個模型是循序漸進的。隨著業務從0到1的發展，現狀描述模型→問題判斷模型→業務優化模型→業務預測模型，逐一建立，就能實現越來越高效的數據驅動。

以上就是業務分析模型構建指南的全部內容了，希望大家喜歡。