编辑导语：数据可以相对直观、清晰地反映事物，可以帮助运营或产品更好地知悉现象背后的原因或本质，因此，不少人都会利用数据来帮助自己实现决策，甚至帮助自己判断某门生意是否值得进入。本文作者便举了两个数据决策的例子，一起来看一下。

不知道大家有没有留意到这个现象，现在全民都在搞直播。以前说电商是一个行业，现在每个行业都在电商化。线上直播带货，卖货，不论是商家自己搞也好，还是和某个大V合作，本质上都是一种电商销售行为。

之前听到一个新闻报道法院开了一场直播，直播试睡员体验在凶宅里试睡。为了营造凶宅不凶的感觉，整个直播间氛围很温馨，这也是一个电商行为，连法院为了能卖掉房子也是拼了。

可推测，大数据慢慢也会和电商一样，不是大数据行业，而是一切行业数据化。就像电商一样，人人都能用电商思维、方法、套路去销售自己的产品，那么人人也都能利用数据去解决或者辅助决策生活中遇到的事情。

举个栗子……

01

栗子1：奶茶这门生意还能不能做。

熟悉的小伙伴都知道，杭州最大的奶茶店不是蜜雪冰城，而是一点点。我公司同事们都特别爱喝，尤其是遇到谁帮了谁的忙，口头禅就是“我请你喝一点点啊”。有天，我听到两个技术同事在讨论想花50w投资开一家一点点，但是不知道这个生意还能不能做。

秉承着没有调研就没有发言权的原则，我决定去调研一下这个事情。

于是我找到了住所附近的一家一点点奶茶店，去它门口蹲点，查看客流量、出单数等情况，分析估算出一家店的营收，多久回本。最初设定的要收集的指标包括店门口经过的人、进店消费的人，后来发现这两个指标工作量比较大，且采集的误差比较大，所以我就改成了收集进店人数和机器出单数据。

用视频拍下来店门口的人流情况和出单情况之后，再去数人头以及出单数，接下来就是做一个简单的数据分析，也就是加减乘除。

最终得出数据：一共进店145人，平均5分钟出单24杯，一个小时288杯。

按照喝奶茶的高峰期时间段下午2点到9点，共7个小时，一天共卖7*288=2016杯。

这其中一大半被外卖员拎走了，搜集一下外卖平台每月的出单数，美团6604单，饿了么2619单，共6604+2619=9223单，平均每天307单。

最低配送金额15元，一点点的平均单价是15元，每一单按照3-4杯，因为按照外卖店奶茶的行为习惯来看，大多数情况下不会单点一杯。

那么平均每单3.5，外卖一天307*3.5=1074杯，那么计算出店内消费2016-1074=942杯。店内消费利润50%左右，外卖平台利润35%，每天利润942*15*0.5+1074*15*0.35=12703.5元。

接下来扣除成本。一个店铺按照10个员工，每个员工工资平均6000元/人，一天支付工资2000元，不同区房租价格不同，平均下来房租一年40w一天1000元左右，那么一家店每天的收入是9703.5元，每个月盈利29w左右，投资50w，大概2个月就能回本。

这样一看是一门不错的生意，别急，这只是一家店的分析情况，而且我发现还是我所在区域排行榜第一的一家店。如果想更保险，还需要多考察，综合考虑店铺的火爆程度，店铺的地址等因素对店内客流的影响。

其实这就是一个简单朴实而又很实用的数据搜集，数据分析的方法。不论分析结果正确与否，起码方法肯定是对的。

刘润老师说过，结果=行为*概率。这一操作，就是在提升事情结果发生的概率。

我们也可以学着利用数据提高自己做事成功的概率！

02

栗子2：评判一场直播下来结果如何。

开头我们讲到了全民直播，每个人直播的目的大有不同。那么一场直播下来，如何利用数据分析一下直播效果如何？接下来改进点有哪些呢？

下面分享一个提升直播效益的小案例，希望能够给到做过直播想要复盘提升的读者一些思路。

假如某一个职场教育机构，想通过直播提升用户的付费转化率。但是最终发现直播做了那么多，付费转化率没啥提升，想知道如何做优化？

数据分析的精髓之处就是大胆猜测小心验证。所以我们可以猜测直播转化率不行可能有以下几个原因：直播的时间有问题？直播选择的话题不太符合待转化产品？来参加直播的人群不是产品的受众？

逐步根据假设将这个大问题拆分为比较清晰的、可量化解决的小问题。其实这一步的做法类似于费米估算的思维方法。

数据分析的目的是提升直播的转化率，我们可以把这个问题转化为分析直播和人。

接下来我们需要根据拆分搜集数据、准备数据，将数据填充到对应的分析模块中。

对于拆解的问题，可以归类为几种可能的结果，针对结果分析可能的原因。

在构建分析逻辑的时候，可能两个问题之间会有关联，例如：新用户对某个直播话题感兴趣，老用户不一定感兴趣。针对这样的我们需要再做交叉分析，我们秉承的原则是哪类情况出现的多就优先解决哪类问题，选择主要的问题去解决就好，不然思绪越多也就越纠结。

数据未来会成为我们每个人都可用的工具，就像大数据常喊的口号：一切数据业务化，一切业务数据化！未来人人都是数据分析师！

本文由 @金豌豆 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自Unsplash，基于 CC0 协议