数据分析体系是什么?如何搭建?

搭建数据分析体系,是从初级数据分析向高级发展的必备一环,数据分析本质是为业务服务的。

我们也许经常会听到“搭建运营分析体系、搭建业绩监控体系、搭建商品分析体系”等等要求,可到底数据分析体系是什么?到底怎样才算是建了个体系?今天我们系统地解释一下。

搭建数据分析体系,是从初级数据分析向高级发展的必备一环,数据分析本质是为业务服务的。所以,在搭建数据分析体系时,要先问自己:

我在为谁们服务?
他们中每一位,有什么工作职责?
提供什么样数据,能更好帮助他们工作?
在什么时间提供帮助,能更少干扰他们?
这就是搭建数据分析体系的基本思路

第一步:认准服务对象

企业有部门分工,因此第一步要认准:我在为哪个部门服务。这非常关键!

因为即使同一个问题,不同的部门的关注点会不同。同样是销售问题,如果是销售部看,关注的是每一支销售队伍完成率、进度、质量。如果是供应链看,那关注的就是总量、各产品数量、需求高峰期。如果是风控看,那关注的就是回款、坏账、套利。认清部门,有利于了解真正需求点。

其次,部门内有职级高低,要具体区分:谁需要看报表,他的责任与关注点是什么。同样是销售,部门领导关注的是下属队伍的排兵布阵,重点在什么区域,主打什么产品。每一个销售人员,关注的是要跟进哪个客人、跟进哪一步、见人说什么。一般来说,越是管理层就越关注策略问题,越是基层就越关注执行问题。

即使有些看起来一个人也能办的事,在企业里也有分工合作。比如公众号发文章,似乎一个人就能写,可在企业场景里,人家有专业的名字叫:新媒体运营。也有细致的工作分工。

数据分析体系怎么搭建?看完这篇你就懂了 

第二步:明确工作目标

清晰了人以后,要认清每个人的工作目标。

后续评价工作的好坏,判断业务走势正常还是异常,探索解决问题的办法,都是从计算目标和现状的差距开始的。这一点非常非常重要。很多做数据的同学陷入细节,做的报表看不出所以然,都是因为压根不知道到底数值是几才算好导致的。

业务目标并不都是“1个亿小目标”这种简单粗暴的形式。细分之下,可以有多种类型,比如常见的:

按达成时间分:年、季度、月
按委任形式分:长期任务/临时任务
按服务对象分:自身/其他部门
按服务对象分:领导/组长/员工
按流程位置分:结果型目标/过程型目标
继续拿新媒体运营举例,一个小组,可能同时背着多个目标:

数据分析体系是什么?如何搭建?

第三步:跟踪业务走势

有了清晰的责任人、目标,就可以跟踪业务走势。在跟踪的时候,首先关注的是:目标达成情况。

对于目标达成率监督,涉及到后续一系列行动判断,遇事先判断轻重缓急,再看细节(如下图)。

数据分析体系是什么?如何搭建?

很多基于传统企业场景的数据分析体系,写到这就结束了。请注意,做到这一步只能算完成了“数据监督体系”的建设。因为仅仅看目标数量和完成率,是知其然、不知其所以然的状态。我们并不能回答:为什么做的不好?该改善什么?这种问题。想要回答的更细,就得深入的业务过程中,了解具体行动。

第四步:了解业务行动

想要改善一个业务,就必须了解这个业务。

大部分的业务比我们想象的要复杂。比如新媒体运营,不做的同学可能想当然的认为:不就是写个文章吗?我看阅读数、转发数这些数据不就好了……可实际上,细看之下,一篇文章可能有很多业务细节(如下图):

数据分析体系是什么?如何搭建?

了解业务行动,分解业务细节,是为了:找到数据可以帮助的点。数据不是万能的,比如一个新媒体小哥写文章,数据不能只告诉他怎么写。但是具体到业务细节,数据可以提供很多参考,如下图所示:

数据分析体系是什么?如何搭建?

这一步,是提升数据分析质量的关键。拆解业务行动,找到数据的帮助点,我们就能在跟踪进度的时候,进一步分析问题,这就推动到了一下步。

第五步:复盘行动结果

对业务行动细节很了解,就能复盘行动结果,总结经验。数据的优势,不是直接生产出超人的创意,而是事后总结出普遍的经验。优秀的业务能力永远是稀缺资源,是不可复制的。但通过数据分析复盘,可以把明显的作死行为总结出来,避免普通人犯错。

就像写文案,指望每个创作者都成为半佛仙人这种圣手是不可能的,但是能总结出:

时政类话题热点转化率低于情感类50%,不用来做转化。
周四、周六推送阅读低于其他时间40%,不做推送
链接跳转超过3步,转化率下降30%,控制篇幅
分析结论,就已经能帮助运营规避大量坑点。即使偶尔采坑失败,也败的明白:“没办法了,必须这个点发文,亏一点阅读就亏一点”。做业务从来不怕失败,怕的是败的不明不白。如果能长期积累,业务方经验越来越丰富,遇到问题的思路也越来越清晰了,就真正发挥了数据的作用。但是,问题不是一成不变的,因此数据分析体系也要不断迭代升级。

数据分析体系迭代升级
牢记这个标准:坚守目标,迭代方法,积累经验。这是数据分析体系建设的基本方法,底线,也是最高要求。在这个原则下,数据分析体系迭代升级路线如下图所示:

数据分析体系是什么?如何搭建?

设定目标后,分月、周、日报表,跟踪目标完成率。
在目标达成出现问题时,先判定轻重缓急,再看细节。
针对重点问题,提供临时性支持,探索原因,解决问题。
根据经验指导后续工作,沉淀有效方法,指导以后目标制定
这样的体系运作,业务部门也很轻松:平时只要看几个核心KPI达成率即可,平安无事就不用担心,趋势向坏的时候能及时收到预警。想要思路,也能有足够素材用,使用体验非常爽。而数据分析师本身,固定KPI、业务支持做成数据产品,个案分析做专题。产品和专题做多了,也好体现个人成绩。总比无休无止写sql,写了也不知道干啥去了强的多。

小结

建设数据分析体系,本质是个:从业务中来,到业务中去的事。需要大家多在内部花心思。然而,很多新手太过纠结理论、方法、模型,忽视、无视、轻视业务。觉得别人的工作没技术含量“不就是发个文章”“不就是忽悠客户”,只有自己的算法才是真牛逼无双。遇到问题,不会细致的和业务沟通,只会上各个数据分析微信群问:“有没有XX指标体系啊,最好是权威、标准、BAT认定版的”。这就南辕北辙了,最后只会换来一句:你这不符合我们公司情况啊。

好的数据分析师,要像眼科医生一样。配眼镜可能有很多专业的方法,有很多专业的工具,可在配的过程中,却医生纠结的不是自己的理论,而是关注用户看的清不清楚,不断问用户“这样可以吗?这样更清楚吗?再这样试试呢?”用专业的方法服务个性化需求,这才是专业的人干的事。

本文为专栏文章,来自:帆软软件,内容观点不代表本站立场,如若转载请联系专栏作者,本文链接:https://www.afenxi.com/77835.html 。

(2)
上一篇 2021-03-18 16:44
下一篇 2021-04-23 15:55

相关文章

关注我们
关注我们
分享本页
返回顶部