Большие данные - горячая тема. И это может творить чудеса для правильной компании.
Однако, как малый бизнес, вы не «правильная компания».
НАСТОЯЩЕЕ золото в ваших маленьких данных.
Преимущества аналитики небольших данных
Использование малых данных может обеспечить огромный рост прибыльности и потока денежных средств (некоторые исследования показали, что увеличение может достигать 50–60 процентов). И это позволяет вам делать это с минимальным риском, за очень короткий промежуток времени (как вас захватывает следующая неделя, следующий месяц или следующий квартал?)
$config[code] not foundНебольшие данные - это транзакционные данные, полученные при взаимодействии с клиентами, поставщиками, членами команды, а также вашими продуктами и услугами. Это данные, которые хранятся в таких вещах, как ваша бухгалтерская система, CRM, ERP, электронные таблицы Excel и другие подобные небольшие хранилища данных.
Полное обязательство по использованию ваших малых данных требует равных данных науки, программирования, судебного аудита и творческого подхода.
Малые хаки данных
Однако, чтобы вы начали свой путь анализа аналитики малых данных, я хотел бы предложить вам два очень эффективных «маленьких хака данных», которые вы можете использовать, чтобы начать применять возможности малых данных.
Попробуйте это в вашей компании. Я думаю, вы будете приятно удивлены увиденным.
Small Data Hack # 1 - Анализ CVPM
Анализ CVPM - это способ анализа того, как ваш бизнес выглядит на гранулярном или транзакционном уровне. Чтобы провести анализ CVPM, вам необходимо проанализировать свой доход, валовую прибыль и накладные расходы на основе «на транзакцию».
То, что вы ищете, это изменения в этих гранулированных количествах с течением времени. Например, за последние три финансовых года. Или, если уместнее, за последние четыре последних квартала. Как правило, более глубокое понимание можно получить, просмотрев анализ CVPM за три полных финансовых года.
Давайте рассмотрим пример двух разных предприятий, чтобы прояснить эту концепцию. Некоторые соответствующие данные от каждого из предприятий следующие:
| Бизнес Альфа | Бизнес бета | |
| (A) Количество клиентов | 1,000 | 370 |
| (B) Частота в год | 0.5 | 6.0 |
| (C) Средняя валовая прибыль | $ 350 | $79 |
| Валовая прибыль (A x B x C) | $175,000 | $175,380 |
Эта информация говорит нам о том, что мы рассматриваем два бизнеса с совершенно разными подходами и структурами (две разные бизнес-модели).
Business Alpha поддерживает большое количество клиентов, которые покупают что-то примерно каждые два года (частота 0,5 в год), но это более крупный билет, чем Business Beta.
У Business Beta гораздо меньше клиентов (примерно на треть), но они покупают меньший билет намного чаще (примерно каждые два месяца).
Но посмотрите на конечный результат. Оба предприятия дают практически одинаковые результаты по валовой прибыли. Каждый бизнес имеет около 175 000 долларов для покрытия накладных расходов, погашения долгов, реинвестирования в рост и обеспечения возврата владельцам.
Small Data Hack # 2 - Матричный анализ продукта
Матричный анализ продуктов - это метод анализа конкретных клиентов или сегментов клиентов и сравнения продаж по продуктам (или категориям продуктов) для каждого клиента. Это дает представление о широте дохода от каждого клиента, полученного от ваших различных продуктов и услуг.
Обычно наиболее эффективно начинать с более агрегированных уровней и углубляться в детали, как показывают данные и анализ.
Матричный анализ продукта наиболее эффективен, когда он выполняется в следующих измерениях:
- Заказчик - продажа
- Клиент - доход
- Клиент - валовая прибыль
- Рынок или бизнес-сегмент
- география
- Промышленность
В таблицах ниже приведен пример, который поможет вам:
| Доход от продаж по клиенту | |
| Покупатель | доходов |
| кульминация | $ 35,000 |
| ACX | $ 23,600 |
| Бергстр | $ 74,835 |
| Манило С.П. | $ 126,959 |
| ВСЕГО | $ 260,394 |
Информация, содержащаяся в этой первой таблице, интересна. Но это не дает много деталей о компонентах общего дохода для каждого клиента. В лучшем случае это, скорее всего, приведет к тому, что вы и ваша команда по продажам будете довольны объемом выручки Manilo SP и просто «попытаетесь продать больше» Acme и ACX.
В приведенной ниже таблице представлено более подробное и полезное представление об одних и тех же клиентах с использованием концепций матричного анализа продуктов.
| Матрица проникновения продукта (по доходам) | |||||
| Покупатель | Продукт А | Продукт Б | Продукт С | Продукт D | ВСЕГО |
| кульминация | $ 35,000 | $ ноль | $ ноль | $ ноль | $ 35,000 |
| ACX | $ ноль | $ ноль | $ ноль | $ 23,600 | $ 23,600 |
| Бергстр | $ 12,500 | $ 19,325 | $ 1,350 | $ 41,660 | $ 74,835 |
| Манило С.П. | $ 103,000 | $ 23, 009 | $ 950 | $ ноль | $ 126,959 |
| ВСЕГО | $ 150,500 | $ 42,334 | $ 2,300 | $ 65,260 | $ 260,394 |
Информация из этого анализа матрицы продуктов, вероятно, приведет к другим выводам.
Например, хотя Manilo SP выглядело так, как будто мы должны быть удовлетворены их доходом (когда использовался только доход от продаж из первой таблицы), мы на самом деле не должны быть удовлетворены вообще. Они покупают у нас сравнительно небольшое количество продуктов C и D.
Так что взломать
Теперь, когда вы прочитали об этих двух хакерах, сразу приступайте к анализу небольших данных.
Возьмите следующий час или два, соберите свою команду и решите применить CVPM Analysis и Product Matrix Analysis в вашей компании.
Вы получаете только увеличенную прибыль и денежный поток.
Фото концепции данных через Shutterstock
3 комментария ▼
