如何着手分析一个行业?

2018 年 5 月 31 日 R语言中文社区

点击图片,查看课程详情


想了解自己数据分析能力到了哪一层,戳{数据分析6个能力等级}(https://edu.hellobi.com/course/185)

想和大牛学更多思维方式,戳{和管理咨询顾问学思考}(

https://edu.hellobi.com/course/199)


分享一个教科书式的方法,人人都可以学习。一提到教科书式方法,之前几位答主都有意绕开了。实际上教科书式的方法比大家讲的土办法还要简单。只不过是,教科书也是分给学生看的,还是给企业里的人看的。

在校的同学们会有做行业分析的需要。简单的是交课堂作业,复杂是写论文。当我还在读研究生的时候,因为老板的课题有需要,所以做过一段时间的行业研究。当然啦,毫无学术造化的我,是不敢妄用:“研究”两个字的。因为我在干的其实就是“水”论文的事。我那时无心在学术上深入,只想着早点交差了出去实习。我的目标就是堆几篇行业研究论文出来交差,仅次而已。

对着诸如《战略管理》《产业经济学》一类的课本做研究,是件非常轻松的事。因为你不需要真的懂一个行业,只要对着书里提供的模型,把文字数据填进去就行了。SWOT分析就填四个空,7S分析就填7个空。那时候的套路,如果做理论研究,就先宏观环境(PEST),价值链分析(Value Chain)然后具体到企业的SOWT分析,最后给建议就好了。不会给建议?没事有百度呢。搜索:XX行业2008年发展情况,XX行业2008年的问题,XX行业2008年发展十大机遇,XX行业2008年经典案例,搞掂!真可谓:开局一张图,数据靠百度。

如果是实证研究,就去扒统计年鉴。抽行业产值、从业人数、R&D投入等等指标做数据模型有关的分析。想做的简单,就用因子分析+聚类分析或者数据包络分析(DEA),搞个行业竞争力综合评估,连调参都省了。想搞的复杂就用回归分析做行业发展预测。反正在学校吗,预测不准也不会有客户找上门来怼人。也不会有人考虑预测出问题怎么办。只要各种模型检测值看的过去,就基本水成功了。

正是在水论文期间,接触了很多咨询公司的行业分析报告。于是留下了这些咨询公司非常专业的印象。这或多或少引导我最后就业去了咨询公司。到了咨询公司以后才发现:原来真实的行业分析,用的指标还要更简单,人人都能对着抄。

咨询公司的行业分析套路一般分三个部分。

第一, 行业宏观形势分析

第二, 行业细分领域分析

第三, 行业竞争行为分析

我们就一个个来拆开看,这些高大上的报告是怎么弄出来的。

宏观形势分析核心指标有四个就足够了:

1. 销售额/销售增长率:主指标,反应行业发展阶段

2. 集中度:行业前1/3/10名企业销售额占比,反应垄断程度

3. 利润率:行业平均利润率,反应盈利能力和吸引投资能力

4. 投资额:行业投资数量,反应行业持续发展动力

以上四个指标组合起来,可以描绘出一个行业的发展阶段,从而回答:我们这个行业目前处于什么阶段,要以什么竞争策略为主这个问题。具体判断方式见下图所示(备注:图书+表示增长/多、-表示下降/少,具体含义大家自行体会,全部解释完还得1万字)。通过四组数据,以给后续的分析定一个基调,方便细节探讨。


这四个指标,本质上只有三个基础的数:销售额,利润率,投资额。集中度、增值率可以通过这三个数推算出来。为什么反而咨询公司用的指标少?因为看数据的一张嘴,找数据的跑断腿,实际上靠谱的数据永远是稀缺资源。所以要尽可能的用少量数据反映问题。这三个数据是相对容易获取的了(稍后有更详细解释)。

有了四个基础数据,如何做判断呢?比如我怎么知道目前行业的增速是快还是慢呢?这里有个的办法。首先定对比标杆。一般有三种办法找标杆:

1. 国家VS国家:比如参照美日欧行业发展进程,我国处于什么阶段。

2. 行业VS行业:比如参照类似行业发展进程,本行业发展阶段。

3. 过去VS现在:本行业自身3/5/10年数据对比,速度是涨还是跌。

其次,找阀值,如果有行业经验,比如业内一般认为5%增长就是高速,就直接套行业经验。没有行业经验,就简单的把0%-10%增长定为一般速度,10%-30%定为中速,30%+定为高速。有了标杆和阀值,就很容易进行判断了。最后,再结合当前的具体数据做判断。

要说明的是,这套思路源自传统行业。传统行业一般认为行业发展是利润驱动的,需要真金白银看到市场盈利才会行动。而互联网行业不这么认为。互联网行业是资本驱动的,只要资本认为存在风口,就会大量投入驱动行业增长,跑马圈地,快者为王。近年来大起大落的电商、视频、团购、O2O、VR、人工智能、共享单车,无一不是这个模式。这时候可能考虑变量要把销售增长率改成用户增长率,而具体曲线形态肯定也有不同。有机会可以单独分享。

宏观的概念无法落地,落地就要考虑地域、消费者、产品这些具体问题。所以第二步的分析要围绕整体策略,思考一个具体的落地方向,这里包括五个具体问题:

1. 我要在哪些地区:根据各地区行业发展水平,圈定发力区域

2. 面向哪些消费群体:了解目标区域的消费群体规模、需求、品牌/产品渗透情况

3. 从什么产品发力:选择满足消费者需求,有增长空间的产品品类

4. 有哪些环境制约:考虑PEST因素,看具体落地时是否有机会点/障碍点

5. 需要解决什么问题:选定竞争对手,SWOT分析提炼行动方向

这里展开讲的话又是一万字长文,大家可以先感受一下基础分析维度。这里提示几个新人做行业分析时经常犯的错误:

错误一:没有具体到地区、人群、产品就谈战略。没有这三要素支撑的行业分析就只是个宏观的概述,没有指导意义。每个地区,每个省市都会有很多具体差异,光讲大趋势是落不了地的。

错误二:脱离规模谈需求,脱离用户谈产品。不专业的行业分析总是习惯性的写:“消费者普遍偏爱XXX”或者“中国消费者都XXX”“90后都XXX”而专业的行业分析是:“预计目标群体规模2000万,该群体偏好XXX产品”脱离了用户规模、用户购买意愿、用户付费能力谈需求也是空谈,因为企业是没法基于“中国,90后,普遍”做营销预算的。

错误三:PEST和指标不挂钩。不挂钩的结果就是PEST写的很虚,完全和指定预算没关系。实际上PEST与每个地区的四大指标是有对应关系的,如下图所示


错误四:脱离对手谈SWOT。SWOT同理,只有选中对手才能谈优劣。因为最终选择权在消费者手里,消费者不会理会企业的各种策略、思路,只会考虑我在哪里、买什么产品。选中对手,才能真实测试消费者态度,太能知道真实的竞争优势劣势,才能知道我们想象中的概念用户买不买单。

大家应该看出来了。这一部分才是咨询公司的吃饭家伙。因为宏观的数据太虚,只能依赖统计局、行业协会等机构。但如何做细分市场研究,如何推算市场保有量,计算市场空间,测试用户付费能力,最终推导出行动策略,这些是实打实需要咨询公司完成的。对企业而言,只有拿到具体数据才能指定行动计划。而对咨询公司而言,这需要大量的市场走访、渠道沟通、消费者研究、线上线下数据整合,这些是实打实收钱的地方。当然,这里具体操作细节还有很多,大家有兴趣可以慢慢拆开讲。

有了上一步分析,行业的洞察已经可以具体到战术层面。不过有时候客户还希望能更具体,能到战斗层面,结合行业趋势给一些具体战斗指导。这时候就得做第三步,行业竞争行为分析。这里其实就是标杆研究法。基于value chain 的分析框架,进行分析,大致开展方式如下如图:


这里是一个纯纸面工作,其实可以做的很无脑。因为这五个维度对应的都有具体的干活部门。每次做到这里,做客户访谈的时候,有心做事的部门就会吐露心声,告诉顾问们自己想在XXX方面发力。这时候只要迎合着人家的意思把落地细节补全就行了。比如营销部门想发力品牌推广,那就多着墨营销的作用,多收集对手的营销东西,多收集消费者对营销的态度,给营销部门更多弹药可以做决策就够了。老实说,我本人并不喜欢这么做,这样显得自己一点水平都没有。然鹅,咨询公司也得重视顾客体验。最后验收报告,大老板最多看一眼,这些具体负责的部门可是要认真一行行看的,为啥要跟人家过不去呢。囧。

讲完了整个流程,专门分享一下数据质量问题。外行永远对咨询公司的能力抱有幻想。就像这个问题的几个答主都提到了咨询公司、行业协会和统计局。其实业内人士都清楚。获取数据的手段只有三种:主动公布、业内交流、数据监测。然而实际经营中,没有企业会老老实实的对外公开真实经营数据。即使是政府收集,也不会做一个系统接口插进企业的IT系统实时对接数据。大部分情况下经营数据都是人工的层层上报。然而,很多大机构内,自己分公司都不会给总部汇报真实数据,更不要谈对外汇报的数据了。我整理了几种常见行业数据的来源,大家感受一下:


在行业研究上,只有没用对地方的数据,没有没用的数据;不存在100%完美的数据,但存在能80%解答疑问的数据。所以大家在做行业研究的时候,特别要注意研究目标的设定,有了明确的目标,才能收集对应的数据。指望一个大而全的报告搞掂一切数据,在应用的时候发现:咦?这里似乎对不上,咦?哪里似乎少了什么。

说道目标设定,这里有太多太多苦难心路可以分享。起初我自己还是个小兵的时候,不需要面对客户。每天蹲在后台做报告,感觉套路不就这么多吗,对着撸一遍就成,有什么难的。而真的面对客户以后,被人各种挑战、各种质疑,被人各种吐槽:我早就知道了,你分析了啥啊!倍感心酸以后,才明白:

重要的不是套路,而是问题本身。客户都是从业多年的资深人士。他们不需要一个外行告诉他到底这个行业发生了什么,他们有着很明确的行业认知,很具体的问题需要解决。如果不积极沟通,不深入了解他们的问题,只是收集数据摆出来,根本对解决问题没有任何帮助。而不敢主动沟通,不敢反问,不敢质疑,只会自己闷头憋结论,恰恰是很多新人的做法。

当我是新人的时候,我也喜欢下载500套ppt模板,2GXX咨询公司报告塞在硬盘里。我也看到漂亮的ppt模板就好high,看到一张数据表就像怎么画出来。被怼多了以后,我的习惯也改变了,变成了看报告先看取数方式,再看报告是针对什么部门的需求做的。变成了看数据先看数据反映了行业什么问题。收集的东西也不是ppt,而是各行业人的联系方式。做的最多的不是琢磨怎么画表,而是与一线交流、与客户聊天、没事走走门店。当你真的身临其境感受到他们的困惑、掌握了他们也掌握的知识,你才能知道到底什么数据是真正有用的,到底什么样的分析能解答问题。其实人们在很多时候不是做最优解,而是只有那么几个看起来都很烂的选择,挑一个没那么烂的而已。

当你背下数据,记住模板,重复操作练套路的时候,恭喜你进入这个行当,成为一个菜鸟。当你忘掉模板,记住问题,思考如何解决问题的时候,恭喜你真正开始上路,成为一个能解决问题的人。以前见客户,总是会收集各种之前项目资料,生怕被人问穿。而9年以后,我站在客户面前,很有耐心的反问:“您是怎么看这个问题的?”所以进步,就是信心是来自于我能解决问题,而不是笔记本里囤了多少PPT。与大家共勉!




大家都在看


超级菜鸟怎么学习数据分析?

你听过管理者最无耻的一句话是什么?

如何在业余时学数据分析?

非常认真地完成现有工作,却得不到加薪待遇?

那些小城里的分析大师们为什么发不了财?

拒绝鸡汤,我要挣钱!用数据分析找到销售成功背后的真正秘密

有哪些典型的「学生思维」?

商业分析能力是怎样炼成的?

边浪边学习的秘籍!不看又亏一个假期

听了煎饼大妈忽悠,你也推着小车上路以后

数据分析职场路上有困惑?不妨花几分钟来看看...

在公司里,数据分析师是如何帮助公司创收的?

脱单路径大分析!科学拯救单身的你


作者:陈老师,在咨询行业打拼了9年,在如何诊断经营问题、建立分析体系、解决专项问题上有超过30个大型项目积累与实战,天善智能特邀专家。

个人公众号:接地气学堂

博客:https://ask.hellobi.com/blog/chenwen


数据分析职场路上有困扰吗?不妨到《数据分析师八大能力培养课程》https://edu.hellobi.com/course/272 里聊聊!

视频课程特色:

从真实数据分析工作场景出发,训练实战能力

启发式教学+大量实际操练,培养属于自己的能力

不依赖于某个具体技术,也适合对数据分析感兴趣的学生、业务部门人士学习

☟☟☟ 猛戳阅读原文,即刻加入课程。

登录查看更多
0

相关内容

数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析,以求最大化地开发数据资料的功能,发挥数据的作用。
专知会员服务
114+阅读 · 2020年6月12日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
239+阅读 · 2020年4月18日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
缺失数据统计分析,第三版,462页pdf
专知会员服务
108+阅读 · 2020年2月28日
电力人工智能发展报告,33页ppt
专知会员服务
128+阅读 · 2019年12月25日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
121+阅读 · 2019年10月10日
如何构建行业知识图谱(以医疗行业为例)
2019互联网医疗行业洞察
行业研究报告
8+阅读 · 2019年5月28日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
硬核| 在麦肯锡,行研和数据分析要这么做!
行业研究报告
20+阅读 · 2019年3月26日
重磅!2019中国经济研判,涉及20个敏感问题…
笔记侠
10+阅读 · 2019年2月17日
如何迅速提高公司估值?
计算广告
5+阅读 · 2018年5月16日
如何系统地学习数据挖掘?
数据库开发
10+阅读 · 2017年10月22日
How to Fine-Tune BERT for Text Classification?
Arxiv
13+阅读 · 2019年5月14日
Parsimonious Bayesian deep networks
Arxiv
5+阅读 · 2018年10月17日
Arxiv
4+阅读 · 2018年6月1日
VIP会员
相关VIP内容
专知会员服务
114+阅读 · 2020年6月12日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
239+阅读 · 2020年4月18日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
缺失数据统计分析,第三版,462页pdf
专知会员服务
108+阅读 · 2020年2月28日
电力人工智能发展报告,33页ppt
专知会员服务
128+阅读 · 2019年12月25日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
121+阅读 · 2019年10月10日
相关资讯
如何构建行业知识图谱(以医疗行业为例)
2019互联网医疗行业洞察
行业研究报告
8+阅读 · 2019年5月28日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
硬核| 在麦肯锡,行研和数据分析要这么做!
行业研究报告
20+阅读 · 2019年3月26日
重磅!2019中国经济研判,涉及20个敏感问题…
笔记侠
10+阅读 · 2019年2月17日
如何迅速提高公司估值?
计算广告
5+阅读 · 2018年5月16日
如何系统地学习数据挖掘?
数据库开发
10+阅读 · 2017年10月22日
Top
微信扫码咨询专知VIP会员