2022年即将結束，我們将迎來2023年，每到這個時候，我們都需要做總結以及寫年度計劃，那麼勢必就需要“拉表”。作為一名數據分析師怎麼能不會寫數據表呢？一起來看看怎麼做吧。

到了年底，又要做明年的工作計劃。那數據分析師的2023年工作計劃該咋寫？總不能寫“我去年拉了500張表，今年繼續拉表”吧！而且，工作計劃涉及績效考核，要怎麼寫才能既體現自己能幹，又不給自己挖坑呢？

一、常規工作計劃寫法

大部分常規工作，可以用：GSA計劃法

• Goal 目标：今年要達成XXX量化指标
• Strategy 策略：通過XXX方法完成目标
• Action 行動：分XX步，在XX時間完成

舉個簡單的例子，比如銷售部門，可以寫：

G：實現1個億小目标

S：老市場維持8千萬現狀，新市場完成2千萬業績

A：老市場每月定期拜訪客戶，新市場每季度完成500萬任務

大部分業務部門的工作計劃都可以這些寫，隻是G有不同，S的複雜程度有差異。然而數據部門的工作計劃沒這麼簡單，因為數據部門工作性質不同。

二、數據分析的特殊性

數據部門特殊性，來自：它是一個被人給予過高期望的支撐部門。一方面，領導們都覺得數據分析應該起到“助力決策”“賦能業務”“推動增長”等高級作用。另一方面，數據分析的日常，卻又大量消耗在臨時取數中，每天跑數都忙不過來，談啥高級作用。

這讓數據分析部門很糾結，如果光寫“滿足業務取數需求”，領導們經常表示不滿，如果貿然寫“提升業績500萬”，又不知道從何落地。更不要提，類似數據清晰、埋點管理、口徑統一一類又髒又累的工作，幹得辛苦卻不被人理解。

其他一些支撐部門也有類似問題，但沒有數據部門嚴重。比如售後部門，雖然也是支撐部門，但是大家沒有很高的期望。于是售後部門隻要根據業務增速，測算一下對應的服務需求，安排勞動力即可。

頂多加一個提升服務體驗/發現二次銷售機會之類。比如IT部門，雖然也是支撐部門，但日常消耗有限，重大開發需求往往是業務提前定好的。根據開發需求，制定開發計劃，之後按部就班地做即可。

那作為數據部門，該如何破局呢？

三、從目标選擇開始

綜合來看，數據部門有三大任務：

1. 讓高層看到數據部門在幹活！！！
2. 對業務有一定的促進作用。
3. 完成大量基礎、常規數據工作。

這三條中，日常需求是最不愁的，業務永遠都會要數，怎麼高效率的解決需求，把精力釋放出來做一些有價值的項目才是重點。隻要經常彙報，高層就會看到我們的工作，但是怎麼讓高層相信我們發揮了“助力決策”“賦能業務”“推動增長”等作用，還是得靠具體項目落地。所以第二條才是破局關鍵。

第二條是這三條裡最難做到的。因為想對業務有用，業務部門的配合度有很大關系。如果業務不配合，你再辛苦地做模型/做報表/做報告/做看闆，也是肉包子打狗一去不複返。所以下一步，就是明确：和誰合作更好。

四、确認合作方式

首先得分清業務部門四種類型（如下圖），原則上和精兵銳将的合作是最好的，最能出成果。退而求其次的話，蝦兵蟹将也不錯，起碼不惹麻煩。和其他兩類合作都得謹慎給分析結果和建議，不然分分鐘被噴。

看起對象以後，可以進一步了解需求。有些同學會陷入誤區：做的東西，技術上越複雜就越厲害。其實完全不是，在業務眼中，給他們不知道的東西，才是最有價值的。如果早在他們預料之中，哪怕你是用很複雜的模型計算的結果，他們也會說“我早知道了！”所以了解需求時，最好摸一下每個部門的底，到底他們知道多少，到底他們想知道什麼。

常見的，比如：

1、業務部門的新工作。比如新上線的産品、新做的推廣、新做的活動。凡是有新工作，意味着需要數據采集、數據監控報表、數據複盤報告整套内容。

2、經典的業務難題。比如怎麼選款能成功，怎麼衡量活動效果，怎麼提高投放效益。如果業務想合作，這些都适合做深入的專題分析，并且結合ABtest看結果。

3、更全面的數據呈現。比如之前零零散散有若幹張表，業務領導希望能一張表全面看完所有東西。此時很适合基于BI做數據看闆。

4、更快速的數據響應。比如之前是每周下發周報，業務領導希望能每天有進度更新（銷售部門類似需求最多）。此時也适合基于BI做數據看闆，下發到每個小組。

還有一類需求最常被問到，就是預測！實際上，當業務想不清楚該怎麼做的時候，他都會提：“你給我預測預測”，但很多問題壓根就不是預測問題。一定要多問一句：

• 如果業務說：“我不清楚外部環境如何，預測一下”，這是個數據采集問題
• 如果業務說：“預測下要怎麼做才能提高收入”，這是個業務優化問題
• 如果業務說：“預測下銷量我好控制庫存”，這也是個優化問題
• 如果業務說：“預測下哪個産品能成功”，這是個測試問題

總之，不要聽到預測就開始掏模型硬怼了，拆分業務問題，該采集數據采集數據，該診斷業務流程診斷流程，該做測試做測試。站在對業務有用的角度輸出成果，而不是聽個名字就開動了。

最後整理完各部門需求（如下圖），可以有取舍的放到年度計劃裡，這樣就搞掂了目标。

五、明确落地細節

在落地的時候要注意：“産品化”才是數據部門的出路。雖然都是一個數字，用BI/excel/口頭都能報告，但是盡量用系統實現。“當初求數像條狗，看完報告嫌人醜”是常态，隻有源源不斷的上系統，做産品，才能保證數據部門能不斷招人，不斷提醒大家數據的價值，直接展示“數字化”建設成效。這一點切記切記。

因此，在明确落地細節的時候，優先排BI開發需求。所有數據監控、數據評估、數據複盤需求，能固定下來的，全部走開發，做成數據看闆。

所有模型、用戶畫像分析結果，産品分級結果，全部入數倉，進CDP，做成固定更新的标簽。臨時性、測試性活動，可以固定格式，走自動化報表。總之盡量幹掉臨時取數，多出來的時間精力，才好做更多項目性工作。

最後記得确定各個項目交付時間節點。一般來說，一年四個季度，每個季度都有成果交比較好。年底業務都在沖業績，因此數據輸出成果也以“助力業務”“支持大促”之類的數據報表，分析報告為主。

那麼響應的，年初就比較适合做一些基礎工作，比如前文說的，數據整合、梳理，固定報表開發。年中就比較适合配合業務試點，做一些複雜的測試/專題分析，得一些分析結論，體現數據分析“降本增效”“推動增長”

整個安排可以如下圖：

以上，當然每個公司組織架構不同，數據部門規模、分工有區别，可能具體情況有差别。

專欄作家

接地氣的陳老師，接地氣學堂，人人都是産品經理專欄作家。資深咨詢顧問，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。

本文原創發布于人人都是産品經理。未經許可，禁止轉載。

題圖來自 Unsplash，基于CC0協議。

該文觀點僅代表作者本人，人人都是産品經理平台僅提供信息存儲空間服務。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部