數(shù)據(jù)分析十大模型:決策模型
“能不能建個(gè)模型,分析下怎么決策才好!”是工作中經(jīng)常被問到的問題,也讓很多數(shù)據(jù)分析師頭大。“這決策咋做,還能建模?咋不讓我去算命呢!”是常見的吐槽。
其實(shí)數(shù)據(jù)驅(qū)動(dòng)決策,有一套模型可用,但是有很多前提條件限制。今天跟大家系統(tǒng)分享一下,看完以后大家就會(huì)發(fā)現(xiàn):即使只掌握了梳理模型的過程,也是大有幫助的!
建立模型的前提
企業(yè)做決策,有固定模式
1、明確決策對(duì)象(收入端/生產(chǎn)端)
2、了解業(yè)務(wù)現(xiàn)狀(渠道/產(chǎn)品/產(chǎn)能)
3、清晰未來目標(biāo)(收入最大/成本最?。?/p>
4、清晰制約因素(短期內(nèi)不可改變的東西)
5、清晰待決策因素(短期內(nèi)可以改變的東西)
我們可以把這個(gè)過程,用下圖表示:
科學(xué)決策和算命大師的最大區(qū)別,在于:科學(xué)決策以數(shù)據(jù)為基礎(chǔ),從來不瞎猜。如果目前不了解情況,那么得:先做描述性分析,把情況搞清楚,這是建立模型的前提。
比如某個(gè)企業(yè)做公眾號(hào)投放獲客,歷史投放曝光量、轉(zhuǎn)化數(shù)據(jù)、可投放次數(shù)記錄如下,該怎么建立分析模型呢(如下圖)
答案是建不了!因?yàn)榛A(chǔ)信息都缺很多呀:
1、決策目標(biāo)是啥?控制成本?提高獲客量?
2、制約因素是啥?我司有多少投放經(jīng)費(fèi)啊?
3、某些特定渠道,是不是必須投XX次???
這些基礎(chǔ)情況都不知道,肯定沒法建模了。補(bǔ)充基礎(chǔ)信息是第一步。
模型建立過程
假設(shè)信息補(bǔ)充完成:
1、目標(biāo):獲客數(shù)量最多
2、制約條件:總投放費(fèi)用3w
3、制約條件:無特定渠道數(shù)量限制
4、待決策因素:每個(gè)渠道投放多少次
那么可以開始建模了,我們先把業(yè)務(wù)上的描述,轉(zhuǎn)化為數(shù)學(xué)描述(如下圖)
之后,可以建立線性規(guī)劃模型,求最優(yōu)解。很多工具都可以求,簡(jiǎn)單比如Excel,自帶規(guī)劃求解功能,python可以用scipy.optimize.linprog函數(shù)求解。這里用Excel舉個(gè)簡(jiǎn)單的例子,只要把目標(biāo)、約束條件、待求解因素丟進(jìn)對(duì)格子,就能自動(dòng)計(jì)算出最優(yōu)解(如下圖,自動(dòng)顯示在單元格里,即30000約束下最大獲客量4295)。
梳理清楚邏輯以后,只需要簡(jiǎn)單幾步就能算出答案,非常好用。
模型如何使用
注意!即使沒有模型,手工也能做處理。一般做投放的同學(xué),會(huì)用每個(gè)渠道投放費(fèi)用/獲客數(shù)量,計(jì)算每單位獲客成本(CAC),然后看哪個(gè)渠道的獲客成本低,就先把這個(gè)渠道全部投滿,然后看看手頭還剩多少錢,繼續(xù)投成本第二低的。整個(gè)操作如下圖所示(如下圖):
既然可以手工操作,為啥還要建模呢?答:因?yàn)榻R院笥?jì)算起來方便。比如:
1、修改目標(biāo):目標(biāo)改成滿足4000獲客情況下,費(fèi)用最少
2、修改條件:A、B渠道報(bào)價(jià)、次數(shù)有調(diào)整
3、增加新選項(xiàng):新增渠道F、G、H,一起考慮
當(dāng)情況出現(xiàn)變化時(shí),可以通過調(diào)整模型參數(shù),直接輸出結(jié)果,比手工安排效率高多了。
看到這,有同學(xué)會(huì)問:既然模型這么好用,為啥很少聽人提起呢?因?yàn)楝F(xiàn)實(shí)工作中,常有問題制約了模型建立,比如……
模型的制約因素
制約1:基礎(chǔ)數(shù)據(jù)的采集。比如:
1、我們的設(shè)備基礎(chǔ)產(chǎn)能是多少
2、我們的銷售有多少人,人均產(chǎn)出多少
3、最好的 VS 最差的差異有多大
4、表現(xiàn)是否穩(wěn)定,是否有季節(jié)差異
這些基礎(chǔ)的數(shù)據(jù)采集與分析結(jié)論是非常重要的。掌握基礎(chǔ)數(shù)據(jù)才好建模。而很多情況下,描述性統(tǒng)計(jì)都沒做到位,只看個(gè)平均數(shù)就盲目拍腦袋上馬,很容干出“集齊10個(gè)孕婦就能1個(gè)月把孩子生出來”的錯(cuò)誤。
制約2:清晰的業(yè)務(wù)目標(biāo)。目標(biāo)不清晰,是企業(yè)通病,比如:
1、領(lǐng)導(dǎo)說:“你看看可以咋優(yōu)化下”……這壓根沒目標(biāo)呀
2、分析前說:“預(yù)算OPEN”分析后說:“投入太大了,你也得考慮實(shí)際呀”
3、分析下,既能投入最小,又能產(chǎn)出最大,又能效率最高,還能……
目標(biāo)不存在,目標(biāo)很混亂,會(huì)導(dǎo)致模型的公式都寫不出來,不要說解模型了。而目標(biāo)堆疊一大堆,會(huì)直接導(dǎo)致模型無解。線性規(guī)劃方法中,有2階段法可解雙目標(biāo)情況下最優(yōu)解,但經(jīng)驗(yàn)上看,一般有50%概率無解。因?yàn)槟P椭皇菢I(yè)務(wù)情況的模擬,不是魔法,不能把你原本拉胯的業(yè)務(wù)變得神威無敵……
一般多重目標(biāo)情況下,我們都建議:聚焦一個(gè)主要目標(biāo),把另一個(gè)變成約束條件。比如:
優(yōu)化前:既要成本最低,又要收入最大,這是典型雙目標(biāo)!聽著就蛋疼
優(yōu)化后:成本低于XXX萬的情況下,收入最大
這樣把雙目標(biāo)改為條件后,不但能求出最優(yōu)解,而且可以通過測(cè)試,找到當(dāng)前約束條件下,成本極限在哪里(超過極限就解不出滿足期望的最優(yōu)解),這樣反向推動(dòng)業(yè)務(wù)提高運(yùn)作能力。
制約3:穩(wěn)定的業(yè)務(wù)表現(xiàn)。建模過程中,假設(shè)參數(shù)是固定的。這個(gè)在營(yíng)銷端比較難,因?yàn)楹芏鄷r(shí)候用戶響應(yīng)率是玄學(xué)問題。所以線性規(guī)劃模型在生產(chǎn)端用得多。因?yàn)樯a(chǎn)端的設(shè)備表現(xiàn)往往有固定參數(shù),且生產(chǎn)端目標(biāo)清晰(給定成本產(chǎn)出量最大/給定產(chǎn)量成本最?。?。在營(yíng)銷端,往往用分類模型或者響應(yīng)模型。
綜上可見:建立模型的過程,遠(yuǎn)比模型本身更有價(jià)值。在建立模型過程中,會(huì)暴漏數(shù)據(jù)采集的問題,會(huì)暴漏目標(biāo)混亂,思路不清的問題,會(huì)發(fā)現(xiàn)業(yè)務(wù)規(guī)律性,這些都能極大輔助決策,幫我們把決策拉回到客觀、理性的道路上。
- 上一篇
為什么現(xiàn)在的手機(jī)流量不耐用?
近日,知乎上有這樣一個(gè)被38w人關(guān)注的提問:為什么感覺現(xiàn)在的手機(jī)流量沒有以前「耐用」?以前一個(gè)月的流量10G就感覺很夠用。現(xiàn)在一個(gè)月100G流量似乎都還不夠用。終究是流量變了心
- 下一篇
大數(shù)據(jù)對(duì)營(yíng)銷和銷售的變革性影響
在一個(gè)數(shù)據(jù)正在重塑營(yíng)銷和銷售基礎(chǔ)的時(shí)代,掌握大數(shù)據(jù)不僅是一種優(yōu)勢(shì),而且是必要的,這一點(diǎn)變得越來越明顯。從紐約熙熙攘攘的街道到硅谷精通技術(shù)的走廊,行業(yè)領(lǐng)導(dǎo)者正在利用大數(shù)據(jù)對(duì)客戶行為、運(yùn)營(yíng)效率和市場(chǎng)趨勢(shì)進(jìn)行前所未有的洞察。
相關(guān)資訊
- 設(shè)備管理:駕馭數(shù)字時(shí)代的核心能力
- 什么是工作場(chǎng)所連接?為什么它很重
- AI和BI正在激發(fā)聯(lián)盟營(yíng)銷的新趨勢(shì)
- 是什么阻止了增強(qiáng)現(xiàn)實(shí)(AR)的騰飛
- 什么是云遷移?遷移到云的基本指南
- 多云部署可以更簡(jiǎn)便
- 數(shù)據(jù)網(wǎng)格可以改進(jìn)數(shù)字產(chǎn)品開發(fā)的
- 生成式AI興盛,數(shù)字零售名符其實(shí)
- 人工智能和機(jī)器學(xué)習(xí)如何轉(zhuǎn)變數(shù)據(jù)
- 人類已達(dá)硅計(jì)算架構(gòu)上限!預(yù)計(jì)2030