做預(yù)測模型難,做可解釋的預(yù)測模型,更難!
很多同學(xué)做預(yù)測的時候,會用時間序列的平滑和自回歸,可出了結(jié)果就被領(lǐng)導(dǎo)問道:
預(yù)測達標(biāo),所以呢?業(yè)務(wù)啥都不干就達標(biāo)了?
預(yù)測不達標(biāo)所以呢?業(yè)務(wù)誰該發(fā)力?資源哪里出?
同學(xué)們經(jīng)常被問得一頭霧水,不知道咋回答。
這個問題,是預(yù)測方法選擇不佳導(dǎo)致的。算法模型類預(yù)測,無論算法的簡單或復(fù)雜,都有一個通?。簾o法反應(yīng)業(yè)務(wù)過程。導(dǎo)致業(yè)務(wù)方想基于預(yù)測調(diào)整業(yè)務(wù)行為的時候,不知道從哪里下手。
在這種情況下,就需要構(gòu)建業(yè)務(wù)預(yù)測模型。今天,我們就系統(tǒng)講解一下。首先看個具體問題場景——
某toB類原料供應(yīng)企業(yè),下游需求方包括:
- ● 大型客戶,且簽訂框架合同,循環(huán)采購
- ● 大型客戶,無框架合同,每月分批采購
- ● 中小型客戶,無固定合同,有需求就采購
- ● 每個月新開發(fā)客戶(以中小型客戶居多)
- ● 每個月有主動開發(fā)的客戶/被動上門的客戶
現(xiàn)在業(yè)務(wù)方需要預(yù)測下個月客戶采購量,并且希望指導(dǎo)到大客戶銷售/中小客戶銷售/新客戶廣告投放等部門的具體工作。問:該如何預(yù)測?
1
業(yè)務(wù)預(yù)測模型,該怎么做?
業(yè)務(wù)預(yù)測模型,即把業(yè)務(wù)假設(shè)作為輸入變量,預(yù)測業(yè)務(wù)走勢的方法。這和算法模型不同,算法模型的輸入特征,常常是沒有業(yè)務(wù)含義的,因此無法指導(dǎo)具體業(yè)務(wù)操作,業(yè)務(wù)預(yù)測正是為彌補這個缺憾而設(shè)計。
比如本場景中,客戶需求的最大影響因素,是客戶本身的生產(chǎn)計劃/我司與客戶關(guān)系這兩個維度。
但這兩個維度很難拿到準(zhǔn)確數(shù)據(jù),如果是中小型客戶,很有可能根本就沒有生產(chǎn)和采購計劃,他們自己就是風(fēng)雨飄搖,有單子就做。如果是沒有簽框架合同的大型客戶,每一期采購都得重新走招標(biāo)流程,很有可能被其他供應(yīng)商半路截胡。因此如果想直接從兩個方面進行預(yù)測,是很難下手的。
此時要做的工作,分為三個部分:
第一:梳理業(yè)務(wù)流程,找可監(jiān)控的數(shù)據(jù)指標(biāo)
第二:梳理業(yè)務(wù)特點,區(qū)分穩(wěn)定/不穩(wěn)定因素
第三:梳理業(yè)務(wù)假設(shè),輸出預(yù)測結(jié)果
第四:跟蹤預(yù)測結(jié)果,糾正過程問題
▌第一步:梳理業(yè)務(wù)場景。
在本案例場景中,業(yè)務(wù)流程相對簡單清晰,就是客戶一手交錢,我司一手交貨。但是不同類型客戶的訂單金額不同,交貨難度不同因此可以分開考慮(如下圖所示)
▌第二步:梳理業(yè)務(wù)特點。
這一步是關(guān)鍵,通過對各條線業(yè)務(wù)特點的梳理,能找到其中每個時間周期內(nèi)穩(wěn)定因素/不穩(wěn)定因素,穩(wěn)定部分是預(yù)測的依據(jù),不穩(wěn)定部分是控制預(yù)測結(jié)果的手段。
在本案例場景中,就采購需求而言:
● 簽框架的大客戶≥未簽框架的大客戶≥中小客戶
● 發(fā)展趨勢好的行業(yè)≥發(fā)展一般的行業(yè)≥發(fā)展差的行業(yè)
● 老客戶≥老客戶轉(zhuǎn)介紹的新客戶≥主動開發(fā)的新客戶≥被動上門的新客戶
因此,先把客戶打上相應(yīng)標(biāo)簽,再按不同標(biāo)簽類型分組看數(shù)據(jù),就能計算出下面關(guān)鍵指標(biāo)的數(shù)值,以及通過歷史趨勢觀察其走勢是否穩(wěn)定。
● 老客戶的續(xù)訂率
● 老客戶的續(xù)訂金額
● 新客戶線索開發(fā)數(shù)量
● 新客戶線索轉(zhuǎn)化率
● 新客戶首單金額
注意,這里有些因素?zé)o法直接量化,需要做轉(zhuǎn)化。比如“行業(yè)發(fā)展趨勢好”,至少有2種方法來確認(rèn):
1、數(shù)據(jù)法:對所有企業(yè)打行業(yè)標(biāo)簽,再查該行業(yè)統(tǒng)計數(shù)據(jù),再看我司簽約企業(yè)發(fā)展數(shù)據(jù)。
2、人工法:所有銷售,定期回訪新客戶/拜訪老客戶,拜訪時間必須大于5分鐘,且回收數(shù)據(jù)。
該怎么選用方法?答:既然是業(yè)務(wù)預(yù)測,就優(yōu)選業(yè)務(wù)能施加影響的方法,即人工法。因為用人工法收集數(shù)據(jù),不但能收集客戶信息,更能收集業(yè)務(wù)動作和業(yè)務(wù)判斷能力這兩個關(guān)鍵信息。試想:如果銷售連回訪/拜訪都敷衍了事、漫不經(jīng)心,那還能有訂單嗎,肯定沒有。因此衡量業(yè)務(wù)行動力,本身也業(yè)務(wù)預(yù)測的重要組成部分。
如果在這個過程里,發(fā)現(xiàn)某些業(yè)務(wù)部門就是:
● 人員離職率高
● 人員執(zhí)行力差
● 有效拜訪次數(shù)少
● 拜訪和客戶瞎聊一通
● 反饋的判斷十次錯九次
那問題就很明顯了:業(yè)務(wù)能力不行,導(dǎo)致業(yè)務(wù)不好。
這一點非常重要,同學(xué)們切記,既然要基于業(yè)務(wù)行為做預(yù)測,就要把業(yè)務(wù)行為考慮到底,不要試圖摻雜一半業(yè)務(wù)考慮、摻雜一半數(shù)據(jù)自己計算,這樣又把水?dāng)嚋喠?,很難評價好壞。
▌第三步:輸出預(yù)測結(jié)果。
有了清晰的分類,就能輸出預(yù)測結(jié)果了。輸出的方法很簡單:
● 有穩(wěn)定參數(shù)的,直接套用
● 沒有穩(wěn)定參數(shù)的,業(yè)務(wù)自己填預(yù)計參數(shù)
這樣匯總計算出結(jié)果(如下圖)
注意,業(yè)務(wù)自己填預(yù)計參數(shù)不是亂填,需要有依據(jù)。如圖所示,明顯違背發(fā)展規(guī)律的預(yù)計結(jié)果是無效的。并且這種行為本身也能成為模型的輸入:業(yè)務(wù)方能力不足,不會評估自己能力及所需資源。
這樣再給出業(yè)務(wù)預(yù)測結(jié)果的同時,也順便給出了需要保證結(jié)果的假設(shè),比如:
● 假設(shè)1:XX行業(yè)客戶需求不受出口匯率影響
● 假設(shè)2:新線索轉(zhuǎn)化率不低于5%
● 假設(shè)3:業(yè)務(wù)執(zhí)行有效性在90%以上
這些假設(shè),可以直接作為跟蹤階段的考察指標(biāo),也能提前準(zhǔn)備應(yīng)對預(yù)案,這樣即使發(fā)生一些小問題能直接糾正,發(fā)生大問題也能提前感知到,節(jié)省了跟蹤和復(fù)盤的工作量。
▌第四步:跟蹤預(yù)測結(jié)果。
在實際發(fā)生時,可以基于預(yù)測假設(shè),跟蹤結(jié)果。
● 當(dāng)業(yè)務(wù)走勢不好的時候,可以提前預(yù)警問題。
● 當(dāng)問題實際發(fā)生的時候,可以排查假設(shè)找到問題點。
● 對于有應(yīng)對預(yù)案的問題,可以直接啟用預(yù)案解決問題。
這樣就能很好的指導(dǎo)業(yè)務(wù)行動了(如下圖)
注意,以上6種情況,只有客戶預(yù)計外問題,屬于預(yù)測失靈。為什么大客戶打壓價格這么重要的信息,居然沒有提前預(yù)知,業(yè)務(wù)部門和數(shù)據(jù)部門都要反思。真碰到黑天鵝問題,很可能是客戶內(nèi)部人士變動或者對手下了黑招,此時確實會預(yù)測失效,但和預(yù)測本身無關(guān)。這些因素?zé)o法預(yù)知,此時只能在復(fù)盤的時候,再想辦法。
2
業(yè)務(wù)預(yù)測模型,優(yōu)勢與不足
業(yè)務(wù)預(yù)測模型最大的優(yōu)勢,就是能徹底終結(jié):“到底是預(yù)測不準(zhǔn),導(dǎo)致業(yè)績不好;還是業(yè)績不好,導(dǎo)致預(yù)測不準(zhǔn)”這個雞生蛋、蛋生雞的問題。它明確地告訴大家:就是因為業(yè)務(wù)沒做好,所以才預(yù)測不準(zhǔn)!并且能很細(xì)致地告訴大家,是因為以下業(yè)務(wù)原因,導(dǎo)致業(yè)績不好,從而指導(dǎo)業(yè)務(wù)開展。
● 新客戶線索跟進不到位
● 老客戶拜訪不到位
● 老客戶沒有申請優(yōu)惠價格
● 重點行業(yè)開發(fā)能力差
業(yè)務(wù)預(yù)測模型最大的劣勢,在于預(yù)測依賴人的判斷。因此,預(yù)測結(jié)果特別受團隊士氣的影響。
一般團隊士氣高漲的時候,給出來的預(yù)測數(shù)值偏大,給出的糾錯能力評估也偏大;團隊士氣低落的時候,給出來的預(yù)測數(shù)值偏小,糾錯能力壓根就不存在。過于偏激的判斷,會影響模型的落地執(zhí)行,從而達不成效果。
因此業(yè)務(wù)預(yù)測和算法預(yù)測,兩者都不宜偏廢。算法模型可以基于過往發(fā)展趨勢直接給出個整體數(shù)據(jù),所以用來輔助判斷:當(dāng)前業(yè)務(wù)方是高估/低估了局面,從而讓領(lǐng)導(dǎo)層在施展管理手段的時候有依據(jù)可用,敲打業(yè)務(wù)部門做出正確判斷。
業(yè)務(wù)預(yù)測模型適宜用在業(yè)務(wù)方能主動施展影響,改變結(jié)果的時候。但有些場景,業(yè)務(wù)方是被動接受,比如客服、售后、生產(chǎn)線等等??蛻艉羧?,受促銷活動、新品上市、廣告宣傳等諸多影響,偏偏這些影響一個都不是客服能控制的。此時就不適宜使用業(yè)務(wù)預(yù)測模型,而是算法模型,直接估算下個月話務(wù)總量,來評估人力安排。
本文經(jīng)授權(quán)發(fā)布,不代表增長黑客立場,如若轉(zhuǎn)載,請注明出處:http://gptmaths.com/quan/59024.html