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:
- 戰略級:能決定公司整體方向的高級管理層
- 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……)
- 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:
- 在經營目标,轉化為可量化的指标
- 監控目标達成進度,發現過程中的問題
- 感知外部環境變化,預警潛在宏觀問題
- 量化評估各項業務活動對目标的作用
- 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:
- 堅持原定計劃還是做調整?
- 銷售/運營/産品/營銷……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:
- 策略制定:從衆多的戰術中,選擇一個可以達成目标的
- 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!