編輯導語：如今隨著網路不斷發展，各產品的資料量體都變得很大，資料分析體係就發揮了巨大的作用。建立一個完整有效的資料分析體系，可以提高你的工作效率以及準確度。那麼，一個完整的數據分析體系，該長啥樣呢？本篇文章中作者對此展開了一系列的講述，一起來看看。
很多同學抱怨：自己東做一點，西做一點，沒有看過完整的資料分析體係是啥樣？
其實早在10年前， 很多大型銀行就已經建立了很完善的資料分析體系，只是因為產業特殊性，導致外人知道的不多。
今天跟大家詳細介紹一下。
一、建設的出發點
滿足業務需求，是建置資料分析體系的出發點，也是最終目的與最高要求。
要注意的是，「業務需求」並沒有統一的標準。不同部門，不同身分的人，需求是不一樣的。從大的方面看，可以分作三個層級：
- 策略層級：能決定公司整體方向的高階管理層
- 戰術層級：決定一個具體職能工作的管理階層（銷售、營運、產品、售後…）
- 戰鬥等級：沒有決定權，只有執行權的第一線部門（業務員/客服/審核員/倉管員…）
這三類人，所需的資料類型，資料時效性，資料應用方向是完全不同的。
因此需要分別滿足需求（如下圖）。
二、服務於策略的資料分析
在整個體系中，經營分析是直接服務於策略層級決策的。
在最高管理階層做決策的時候，更聚焦於宏觀的問題，例如整體目標達成，外在環境變化，內部措施效果。而不是陷在瑣碎的業務細節裡。
因此，在做經營分析的時候，要：
- 在經營目標，轉化為可量化的指標
- 監控目標達成進度，發現過程中的問題
- 感知外部環境變化，預警潛在宏觀問題< /li>
- 量化評估各項業務活動對目標的作用
- 考核各項業務活動效益，提出方向性指導
注意：對經營成果的核算是非常複雜且麻煩的。許多經營舉措都是跨數週、數月，涉及眾多部門和工作。有些基礎研發、生產線更新、基礎建設投資更是跨年。
因此經營分析的頻率一般不會很高，一般是以月為單位進行。在經營分析層面所做的決斷，往往是方向性的，例如：
- 堅持原定計畫還是做調整？
- 銷售/營運/產品/行銷…誰打主力，誰當輔助？
- 追加投入還是更換方法？
這些決斷直接影響戰術級設計。至於具體怎麼設計，則要靠戰術級的分析來支持。
三、服務戰術的資料分析
戰術級的分析是具體到每個職能部門的。
比如：
- 銷售部門：銷售績效分析、銷售通路、銷售方法、業務員隊伍分析
- 營運部門：活動方法分析、推廣方式分析、平台營運分析
- 產品部門：產品使用分析，新版本功能，新版本分析
這些戰術級分析的具體內容，常常五花八門，但是核心想法是一致的：
- 策略制定：從眾多的戰術中，選擇一個可以達成目標的
- 監控進度：監控戰術落地進度，發現問題，調整戰術設計
- 複盤效果：複盤是否達成目標，累積經驗，解決問題
具體的細節太多太多，就不一一舉例了。有興趣的同學可以翻閱之前分享的營運、產品分析方法。
實際上，大部分做數據分析的同學，最常接觸的是這一層的分析。最終輸出物也是日常監控報表+專題分析報告。
四、服務戰鬥的數據分析
嚴格來說，戰鬥級需要的不是數據分析，而是數據。
一線工作那麼忙，沒人有空坐下來細細聽報告，能看到數據，就已經夠行動了。比如：
- 第一線銷售：看到今日業績目標，今日已完成業績，待跟進客戶名單
- 一線客服：看到待分配話務量，排隊接聽數量、投訴數量、投訴結果
- 一線倉管：看到在庫商品數、在途商品數，預計達到商品數，預計出庫商品數
有了數據，一線就已經能展開行動了。趕緊幹活，把沒處理完的任務搞完如果能在基礎名單之上，增加一些輔助工具，就更好了。
例如給銷售的，不光有個待跟進客戶名單，再多給個預計自然消費（透過預測模型給的標籤），就能幫銷售聚焦到更該主動跟進的人身上。
例如再多給個：客戶可參與活動/客戶可轉發海報，就讓銷售多了一個打動客戶的工具。
這些工具比囉嗦分析報告管用得多（如下圖）。
相當多公司在戰鬥等級的數據分析，只停留在excel日報和ppt階段，缺少工具設計和開發，導致了數據分析不落地，無法輔助一線等等問題。
看到這裡，一定有同學好奇：老師，我的公司規模沒那麼大，數據也沒那麼多，怎麼能做的系統化一點呢？這裡是有方法的。
五、中小企業，怎麼從0到1
新創型的企業肯定沒精力搞這麼大套數據體系。
對新創型企業來說，盡快找到能獲利的MVP才是關鍵，之後不斷的擴大投入，增強收入能力。因此對新創型企業而言，一般精力都放在銷售數據/推廣數據/通路數據上，把戰術級的分析做好。
對於有一定規模的企業，最重要的反而不是搞各種分析報表（一般該有的也都有了）也不是搞複雜的分析報告。而是加強基礎建設，補齊初創期突飛猛進，留下的短板。比如：
- 商品編碼體系，商品分級分類標籤
- 活動編碼體系，活動物料編碼體系、優惠券體系
- 財務系統與業務系統打通，財務資料與業務資料對應
這些可能不只設計資料庫設計，有可能舊的交易系統、物流系統、費控系統都需要升級，業務流程也要規範，因此是個很龐大的工程。
但是如果不邁過這一關，還是在舊基礎上繼續苟且，就會發現，規模越大，內部系統越亂，數據越複雜，新舊數據越對不上，越往後越難。
在2021年，陳老師經歷了若干個營業額30-100億的中等企業數位化建議，無一例外的有基建薄弱+好大喜功的問題。
往往是最基礎的商品資料、活動資料、通路資料都沒有建設很好，反而急著上CDP，急著在APP/H5搞演算法，急著搞全鏈路埋點。
結果自然是：在爛泥地裡蓋摩天大樓……各種糾結，不在話下。
六、問題的背後
以上種種問題，但凡置身其中，都會感受明顯。然而為啥沒人解決呢？
- 可能是業務部門自大且強勢，不想讓數據參與，只讓供excel表
- 可能是技術部門老大想升官，做基建不夠顯眼，必須上新東西< /li>
- 可能是公司老闆壓根沒見識，吃產業紅利發財，缺乏基礎認知
這些都有可能讓資料停在原始階段。
然後又寄望於一個神通廣大的數據分析師能搞掂所有問題，他們還會殷切地拉著你的手說：「我們公司的數據很大，都在那呢，就差個高手來分析了……」所以如果做分析的同學們遭遇：
- 東乾一塊，西乾一塊
- 只寫sql整理excel
- 被業務嫌棄沒深度
你並非一個人，你和很多同學一樣在被煎熬。畢竟做得好的公司也是少數嗎。這時候只要自己努力累積能力，跳槽個好一點的企業就好。
那一定有同學會問：要具備什麼樣能力算是個高階資料分析師呢？我們下期來分享，敬請期待哦。
#專欄作家#
接地氣的陳老師，微信公眾號：接地氣學堂，人人都是產品經理專欄作家。資深諮詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。
本文原創發佈於人人都是產品經理。未經許可，禁止轉載
題圖來自 Unsplash，基於CC0協定。
文章為用戶上傳，僅供非商業瀏覽。發布者：Lomu，轉轉請註明出處： https://www.daogebangong.com/zh-Hant/articles/detail/yi-ge-wan-zheng-de-shu-ju-fen-xi-ti-xi-gai-zhang-sha-yang.html
支付宝扫一扫 
评论列表（196条）
测试