The post has been translated automatically. Original language: Russian
Last time we talked about the fact that before planning the development of a business, you first need to understand where it is now.
And there is one important problem here.
Many people start business analysis with financial indicators: revenue, profit, marginality, expenses.
It is important. But finances are already showing the result.
If profits have fallen, the indicator itself does not explain why this happened.
Therefore, we need to go deeper.
For example, to sort the business by its main areas.
Marketing: → number of leads → cost of attracting a customer → conversion to an application, etc.
Sales: → conversion from bid to sale → average receipt → transaction cycle length, etc.
Operating system: → cost → productivity → deadlines → number of errors, etc.
Team: → execution of plans → workload → turnover → employee productivity, etc.
Product: → number of active customers → repeat purchases → retention → refunds and complaints
Now let's imagine two companies.
Both have revenue of 100 million ₸.
But the first one has a profit of 15 million rubles, while the second one has only 5 million rubles.
If we look only at the financial result, we know only one thing: the second company earns less.
But if you decompose the result in directions, it may turn out that:
- marketing brings fewer quality customers;
- sales convert applications worse;
- operating expenses are higher;
- the team is working less efficiently;
- the product has a low proportion of repeat purchases.
And this is where the real data analysis begins.
Don't just look at the chart and say, "Profits have dropped."
And ask the next question:
"How did she fall?"
Then deeper still:
"Which direction is the problem?"
And more:
"What specific metric has changed?"
And then look for the reason and test the hypothesis.
This requires data from different systems and processes of the company. Integrations and automation allow you to regularly collect this data, bring it to a single view, and automatically calculate the necessary indicators.
The result is a simple chain.:
financial result → direction → metric → reason → action.
Finances show what happened.
Data analysis helps to understand why this happened.
And automation allows you to do such an analysis regularly, rather than manually once a quarter.
В прошлый раз мы говорили о том, что прежде чем планировать развитие бизнеса, нужно сначала понять, где он находится сейчас.
И здесь есть одна важная проблема.
Многие начинают анализ бизнеса с финансовых показателей: выручка, прибыль, маржинальность, расходы.
Это важно. Но финансы показывают уже получившийся результат.
Если прибыль упала, сам показатель не объясняет, почему это произошло.
Поэтому нужно идти глубже.
Например, разобрать бизнес по основным направлениям.
Маркетинг: → количество лидов → стоимость привлечения клиента → конверсия в заявку и т.д.
Продажи: → конверсия из заявки в продажу → средний чек → длина цикла сделки и т.д.
Операционка: → себестоимость → производительность → сроки выполнения → количество ошибок и т.д.
Команда: → выполнение планов → загрузка → текучесть → производительность сотрудников и т.д.
Продукт: → количество активных клиентов → повторные покупки → удержание → возвраты и рекламации
Теперь представим две компании.
У обеих выручка — 100 млн ₸.
Но у первой прибыль — 15 млн ₸, а у второй — только 5 млн ₸.
Если смотреть только на финансовый результат, мы знаем только одно: вторая компания зарабатывает меньше.
Но если разложить результат по направлениям, может оказаться, что:
- маркетинг приводит меньше качественных клиентов;
- продажи хуже конвертируют заявки;
- операционные расходы выше;
- команда работает менее эффективно;
- продукт имеет низкую долю повторных покупок.
И вот здесь начинается настоящий анализ данных.
Не просто посмотреть на график и сказать: «Прибыль упала».
А задать следующий вопрос:
«За счёт чего она упала?»
Потом ещё глубже:
«В каком направлении появилась проблема?»
И ещё:
«Какая конкретно метрика изменилась?»
А затем уже искать причину и проверять гипотезу.
Для этого нужны данные из разных систем и процессов компании. Интеграции и автоматизация позволяют регулярно собирать эти данные, приводить их к единому виду и автоматически рассчитывать нужные показатели.
В итоге получается простая цепочка:
финансовый результат → направление → метрика → причина → действие.
Финансы показывают, что произошло.
Анализ данных помогает понять, почему это произошло.
А автоматизация позволяет делать такой анализ регулярно, а не раз в квартал вручную.
Share
