編輯導語：如今随着互聯網不斷發展，各産品的數據體量都變得很大，數據分析體系就發揮了巨大的作用。搭建一個完整有效的數據分析體系，可以提高你的工作效率以及準确度。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，一起來看一下。

很多同學抱怨：自己東做一點，西做一點，沒有見過完整的數據分析體系是啥樣？

實際上早在10年前， 很多大型銀行就已經建立了很完善的數據分析體系，隻是因為行業特殊性，導緻外人知道的不多。

今天跟大家詳細介紹一下。

一、建設的出發點

滿足業務需求，是建設數據分析體系的出發點，也是最終目的和最高要求。

要注意的是，“業務需求”并沒有統一的标準。不同部門，不同身份的人，需求是不一樣的。從大的方面看，可以分作三個層級：

1. 戰略級：能決定公司整體方向的高級管理層
2. 戰術級：決定一個具體職能工作的管理層（銷售、運營、産品、售後……）
3. 戰鬥級：沒有決定權，隻有執行權的一線部門（業務員/客服/審核員/倉管員……）

這三類人，需要的數據類型，數據時效性，數據應用方向是完全不同的。

因此需要分别滿足需求（如下圖）。

二、服務于戰略的數據分析

在整個體系中，經營分析是直接服務于戰略級決策的。

在最高管理層做決策的時候，更聚焦于宏觀的問題，比如整體目标達成，外部環境變化，内部舉措效果。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：

1. 在經營目标，轉化為可量化的指标
2. 監控目标達成進度，發現過程中的問題
3. 感知外部環境變化，預警潛在宏觀問題
4. 量化評估各項業務活動對目标的作用
5. 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和麻煩的。很多經營舉措都是跨數周、數月，涉及衆多部門和工作。有些基礎研發、生産線更新、基建投資更是跨數年。

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。在經營分析層面做出的決斷，往往是方向性的，比如：

1. 堅持原定計劃還是做調整？
2. 銷售/運營/産品/營銷……誰打主力，誰當輔助？
3. 追加投入還是更換方法？

這些決斷直接影響到戰術級設計。至于具體怎麼設計，則要靠戰術級的分析來支持。

三、服務于戰術的數據分析

戰術級的分析是具體到每個職能部門的。

比如：

• 銷售部門：銷售業績分析、銷售渠道、銷售方法、業務員隊伍分析
• 運營部門：活動方法分析、推廣方式分析、平台運營分析
• 産品部門：産品使用情況分析，新版本功能，新版本分析

這些戰術級分析的具體内容，常常五花八門，但是核心思路是一緻的：

1. 策略制定：從衆多的戰術中，選擇一個可以達成目标的
2. 監控進度：監控戰術落地進度，發現問題，調整戰術設計
3. 複盤效果：複盤是否達成目标，積累經驗，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看之前分享的運營、産品分析方法。

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、服務于戰鬥的數據分析

嚴格地來說，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，就已經足夠行動了。比如：

• 一線銷售：看到今日業績目标，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，一線就已經能開展行動了。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。

比如給銷售的，不光有個待跟進客戶名單，再多給個預計自然消費（通過預測模型給的标簽），就能幫銷售聚焦到更該主動跟進的人身上。

比如再多給個：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。

這些工具要比啰裡啰嗦分析報告管用得多（如下圖）。

相當多公司在戰鬥級的數據分析，隻停留在excel日報和ppt階段，缺少工具設計和開發，導緻了數據分析不落地，無法輔助一線等等問題。

看到這裡，肯定有同學好奇：老師，我的公司規模沒那麼大，數據也沒那麼多，怎麼能做的體系化一點呢？這裡是有方法的。

五、中小企業，怎麼從0到1

初創型的企業肯定沒精力搞這麼大套數據體系。

對初創型企業來說，盡快找到能盈利的MVP才是關鍵，之後不斷的擴大投入，增強收入能力。因此對初創型企業而言，一般精力都放在銷售數據/推廣數據/渠道數據上，把戰術級的分析做好。

對于有一定規模的企業，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，留下的短闆。比如：

• 商品編碼體系，商品分級分類标簽
• 活動編碼體系，活動物料編碼體系、優惠券體系
• 财務系統與業務系統打通，财務數據與業務數據對應

這些可能不僅僅設計數據庫設計，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，内部系統越亂，數據越複雜，新舊數據越對不上，越往後越難。

在2021年，陳老師經曆了若幹個營業額30-100億的中等企業數字化建議，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數據、活動數據、渠道數據都沒有建設很好，反而急着上CDP，急着在APP/H5搞算法，急着搞全鍊路埋點。

結果自然是：在爛泥地裡建摩天大樓……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，隻讓供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
• 可能是公司老闆壓根沒見識，吃行業紅利發财，缺少基礎認知

這些都有可能讓數據停在原始階段。

然後又寄希望于一個神通廣大的數據分析師能搞掂所有問題，他們還會殷切地拉着你的手說：“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：

• 東幹一塊，西幹一塊
• 隻寫sql整理excel
• 被業務嫌棄沒深度

你并非一個人，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。這時候隻要自己努力積累能力，跳槽個好一點的企業即可。

那肯定有同學會問：要具備什麼樣能力算是個高級數據分析師呢？我們下期來分享，敬請期待哦。

#專欄作家#

接地氣的陳老師，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。

,

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