本文用一个有趣的故事为例，从多个角度不断深入分析了如何用数据证明新业务的可行性。
临近年底，很多同学在做2020的规划，其中有一项很让人挠头的任务：分析新业务可行性。
因为过往每次做，不是数据太少压根没法分析，就是做实验被质疑：“有没有代表性？”“万一有其他可能怎么办？”
好纠结~
今天就先用一个趣味小例子，看看基本思路。话不多说，直接上案例：
有一个地方，人们都不穿鞋子。公司有两个业务员分别去考察。考察完：
A说：“这里的人都没有鞋子，是个重大潜力市场”
B说：“这里的人都不穿鞋子，没有市场”
现在领导请你分析在这里开展新业务的可行性：
问题一（单选题）
两个业务员的评价，你信谁的？
A.信A的
B.信B的
C.谁都不信
这里要注意：业务的思路和数据分析的思路是不一样的——
业务行动，依靠的是创造力：
具有正向创造力的人，类似亮剑里李云龙这种角色，就是逢山开路遇水填桥，没有机会都能闯出机会。
具有负向创造力的人，推卸责任、混吃等死，给他金山银山都能饿死。
业务评价问题，本质评价的是自己的工作态度和工作能力。
但是数据分析不是这么看问题的——数据分析关注的是：事实、概率、投入产出等这些可量化的东西。数据分析讲的是大概率事件，是更有可能出现的结果。因此数据分析给结论会更谨慎、偏保守。
作为专业的数据分析师，在了解问题具体情况前，不下判断。请大家牢记这一点。所以这题选C。
问题二（思考题）
老板说：现在就是没数据，你必须选一个，你选谁？
答：我选……
很多同学都是死在这一步！！！
理论上，我们要是了解目标市场，有丰富的数据，就能做各种分析。
可现实是，往往数据还没几个，业务方已经拿着几套方案开始PK了，老板还要求数据分析必须给意见。怎么办？！
有同学一急之下，就和业务方一起拍脑袋：假设该市场有100万人，假设该市场有5%转化率。
亲，你这样虽然能拼凑一个：销售额=客户量*转化率*客单价的公式，可所有参数都是假的。跟拍脑袋有啥区别。这么瞎拍业务自己也会干，要你有啥用。想做分析，就一定得找真实数据，问题是怎么找呢？
于是我们可以这么回答：我选那个业务能力更强的人的意见。剩下的就是衡量：A和B业务能力谁更强。分析的步骤是一样的，先建假设再验证。
我们可以列：
假设1：过往2年，业绩更好的人，业务能力更强
假设2：过往2年，开发新市场数量更多的人，业务能力更强
假设3：过往2年，开发新市场成功率更高的人，业务能力更强
……
于是就可以基于数据，进行判断（如下图所示）：
问题三（判断题）
B业务员说：“过去有甲乙丙企业，都在该地试验过，但是失败了，所以我们做也会失败。”
请问这种说法是对还是错？
判断对错之前，先问：甲乙丙到底是怎么个“失败”法。注意，做新市场成功的方式也有很多场景，在数据上的体现并不相同（如下图所示）：
体现在数据上的失败有很多种场景（如下图所示）：
错误的战术、错误的时间、错误的投入力度、错误的工作方法，任何一点失误都会导致失败。但最终失败并不意味着一整个业务都不能做，可能只要调整一点点就能起死回生。所以单纯地看最终结果，并不能推翻整个业务，我们需要了解发展过程。
这一点非常非常重要。因为在已知结果的情况下，拿着结果找原因，会得到很多错误的答案，把不相关的东西也归纳为成功原因。在外人眼里，成功人士连放的屁，拉的屎都是那么成功，大致就是这个道理。
对数据分析师而言，要关注的是业绩发展曲线，而不是最后一刻的用户画像。这样才知道：到底他们失败是因为不会做，还是压根没市场。这题没有答案，因为B只是说了最终结果，得等市场调查同事们搞到甲乙丙当时发展情况数据以后再分析。
问题四（排序题）
A 新市场的用户画像
B 新市场用户需求调研
F 自身老市场发展数据
这一题非常有迷惑性。大量的新人会把AB排在前边，其实是非常错误的——
建设用户画像成本巨大。有能力搞全量用户画像，基本上是在把市场吃的七七八八的情况下，做的最后一步动作。
除了BAT级别的，还在野蛮生长的小公司那都是奢望。
做市场调研成本很高，定量问卷单份便宜的20/30，贵的70/80。随便做做就得花一两个月时间数十万费用，至于抽样合理性，精确度都是后话。
这题的顺序是：FECDBA——
老市场的数据真实且积累较多，最容易分析。一线业务员的走访+宏观统计数据，可以帮我们从老市场里，选出和新市场接近的样本进行研究。很多同学抱怨开展新业务的地方没有数据，可实际上连自己老业务在不同人群，不同区域的数据都没有吃透，当然没法提炼经验了。
问题五（判断题）
经过老市场标签筛选，发现类似地区的业绩增长如下图所示：
A提出一个更激进计划，为了尽快跑马圈地，直接免费投放10000件产品下去，把市场炒热，推进到成熟期。假设鞋子毛利20%，问是否支持A的计划：
支持
不支持
在很多鸡汤里，都是开的这个药方：业务员A免费丢了一万双鞋下去，培养了当地人的穿鞋习惯于是打开销路了。
鸡汤和干货的最大区别，就是是不是认真算数据。
如果面对的是一个持续增量的市场，这么干当然没毛病，但是如果面对的是一个天花板可见的市场，那这么干很有可能提前透支了消费力最后全军覆没。
如按本题数据，那A面临的就是一个有天花板的市场，而且预期天花板很低。
按20%毛利，前期免费投放1万件，得5万销量才能回本。累计6万销量得6万/1700=35个月才能盈亏平衡，3年时间足够熬死很多企业了。这就是典型的计划过于激进（互联网公司最爱犯的错）。
这样也提醒我们：做新业务/新产品可行性分析，必须带上对潜在市场容量的预测。不然再好的创意，也会死于投入过大、速度太快、孵化过长……
很多同学以为给业务提建议就是《隆中对》那样：先打荆州，再打四川这么宏观的方向性指引。
其实帮业务精打细算，控制好投入，增加产出，一点点算小账，是更大的价值。毕竟能扯大方向的人很多，能落地细节的人太少。
小结
这个题目看起来很简单，可是如果我们把：某企业换成“B2C互联网企业”；如果我们把：某地方换成“下沉市场”。
你会发现，这个问题就是当下最热门的议题：B2C互联网企业的增长已经陷入瓶颈，如何做下沉市场？
本质上看，2013年开始靠着4G红利发展起来的B2C互联网巨头们，和2008年靠着4万亿大发展的传统企业（地产、家居、汽车、母婴）在套路上没有本质区别，都是靠着烧补贴、圈用户、扩大份额、跑马圈地。在吃尽人口红利以后遭遇瓶颈。
而B2C互联网企业的各种短板，也像故事里那样：
业务：停留在照抄成功经验，烧补贴拿市场份额
数据：沉迷于用户画像、ABtest，缺少总结发展经验
在行业高涨的时候当然还能混，但遭遇资本寒冬，缺少赚钱能力的当然是一片一片死掉。
然而往好处看，越是需要精打细算的时候，才越是需要数据分析发挥作用。只是发挥作用的方式，是很细致的剥丝抽茧，对细节问问一一验证；是充分利用现有数据，总结经验；是和市场调查、业务部门紧密结合共同创造。而不是两耳不闻窗外事，一心只跑数据集，这样脱离实际，才是离被炒不远了哈。
