物流常识：数据运营.docx

物流常识（七）：数据运营 编辑导读：物流行业的基建时代已来临，未来比拼的是技术基建能力。从数据到 业务，从业务运营角度打造深刻理解物流业务的指标体系。本文将对此进行分析， 与你分享。 物流行业特点之一就是重业务，不少业务人员习惯埋头干业务，但缺乏对业务 结果的追求，无法通过数据衡量细化业务方向的好坏，很累很苦却没有看到增长! 此为数据意识差。 今年是物流行业资本集中涌入的元年，京东物流、满帮己上市，福佑即将IPO, 货拉拉、滴滴货运融资几十亿美元。思考下，这么多钱，除了开拓业务还要干嘛？ 重金做基建。福佑表示上市募资30%将用于研发，满帮的融资重点要提升智能匹 配系统的技术壁垒，货拉拉连地图都要自建……所以不妨大胆预测下：物流行业 的基建时代已来临，未来比拼的是技术基建能力。 何为基建？淘宝的基建包括物流和支付，物流（货运）、外卖、单车、打车、 点评的基建是地图、调度、数据。数据本身无用，但是当你的数据可以衡量业务、 发现问题、挖掘机会点时，那就有用了。如何做到有用？合适的指标体系是第一 优先级。 本文就详聊下：从数据到业务，从业务运营角度打造深刻理解物流业务的指标 体系。 一、OSM模型方法论 定指标体系的方法论为OSM模型。 Obejective （业务目标）：用户使用产品的目标是什么？产品满足了用户的什么 需求？ Strategy （业务策略）：为了达成上述目标我采取的策略是什么？ Measurement （业务度量）：这些策略随之带来的数据指标变化有哪些？ 我们先用OSM模型理解下物流业务： 物流行业的核心业务目标为将大规模高并发的货物从A点安全、准时地运送到B 点。 为了达成准时与安全，通常业务策略为：高增长的需求…充足的运力…迅捷地调 度f规范的承运。 注意以上还停留在方法论，如果以为拥有它就拥有全世界，那只能说是年轻。 数据分析师的思路是通过以下四个步骤完成指标体系的构建：确定主指标f拆 分子指标f拆分过程指标f添加分类维度。 小河认为按以上思路可行并且也可落地。但是还不足够贴近业务，因为指标最 终若想要提升，最终还是需要业务方去落实。 所以指标首要要做到贴合业务模块，按照各业务模块梳理对应主指标，然后不 断进行指标下钻。我们先还原各业务模块的组成： 需求模块：需求产生-需求确定调度模块：需求分发-运力响应交易模块：协商 撮合-确定交易运送模块：运力取货-送达完成财务模块：费用计算-打款到账接 下来我们依次来看各模块最需要哪些指标。 二、指标体系，从数据到业务 1.需求模块 需求是所有模块里最重要的，供给不够还可以补充，需求要是疲软，神仙也难 救。需求模块的指标比较简单，主指标为下单量。下单量=询价单数X下单率。 常见分析维度有区域/车型，区域和车型就不讲了，这里重点聊下需求分类、需 求分布、用户价值细分、需求转化。 1）需求分类 需求端的核心是要将下单量进行分类: 哪些是真实需求单 哪些是重复需求单 哪些是伪需求单 哪些是条件苛刻的需求单 哪些是假单（来自竞对、测试等） 以上不少人会忽视，意识层面没到这一层，真以为只要是下的单就是真实需求。 有一个重要概念需普及：长鞭效应，意为市场端的需求被无限放大。 举一个大家小学时都经历过的例子：市里领导要9点来学校参观，教委就要求 8： 30集合，学校要求各年级8点集合，班主任听完了就要求班级7： 30在操场 集合，然后全体学生在操场7： 30等到9点…… 具体到需求订单上的表现就是: 重复单，典型场景为一单多下，更绝的是一个单子全网各平台都发。 临时取消单，典型场景为突然不发货了或找到别的运力渠道了。 估价单，如果平台无定价体系，还会存在一部分单仅仅是要一个价格，不是需求。 条件苛刻单，个别订单条件非常苛刻，谁干谁亏本，拯救它们投入产出比极低。 假单，竞对、内部人员、司机为体验流程或基于其它目的直接下真单下着玩。抛 开以上，才是真实需求的订单。 如果平台搞错了真实需求订单量，那么供应的计算也会错，会给运营带来巨大 的噪音。 比如从数据层面上有30%的订单无运力响应，普通选手会先入为主：运力不足。 但是高手第一步会先去识别这30%的单里：重复单、临时取消单、纯估价单、假 单各有多少。搞不好深入分析完会发现，其实不缺运力。这就是巨大的噪音。所 以做指标体系时，将需求分类这个维度考虑进去，可以极大提升同事的认知。 小河的分析经验是：学会脱离比例数据，直接去分析需求本身。想要更了解真 相，就要离需求更近，很多比率数据有噪音。 比率可以很好地衡量好坏，但是要分析具体某一细分场景下的问题时，可能数 值数据更有效。比如30%未响应单对应的是1000个订单，直接深入去分析这1000 个单到底长啥样就行。 2）需求分布 需求来源于用户，所以底层需求的分布就是用户的分布。 ①行业分布 这是