cda

全國校區

您的位置:首頁 > 精彩閱讀 > 數據分析體系是什么,該如何搭建?

數據分析體系是什么,該如何搭建?

2019-11-14

數據分析體系是什么,該如何搭建?

作者 | 陳老師

來源 | 接地氣學堂

有同學問:經常聽到“搭建運營分析體系、搭建業績監控體系、搭建商品分析體系”等等要求。可到底數據分析體系是什么?似乎經常看到的,只有AARRR五個字母,又語焉不詳。到底怎樣才算是建了個體系?今天我們系統解答一下。搭建數據分析體系,是從初級數據分析向高級發展的必備一環。留心看哦。

搭建數據分析體系的常見錯誤

1、羅列指標,沒有重點。很多文章一講數據分析體系,就鋪陳了大量指標。先看哪個,后看哪個,根本沒說明。光把幾百個指標理解一遍都要半天,業務啥也不用干了,每天就在這瞅數好了。

2、陷入細節,沒有目標。很多同學習慣性列了指標,就開始按時間、渠道、區域、用戶等級拆分,拆來拆去,標出一堆漲了跌了。問題是沒個具體標準。每天糾結:1%的變化到底是不是問題?百分之幾是問題?

3、不分職責,貪大求全。很多文章一列標題就是《電商指標體系》《運營指標體系》甚至是《互聯網指標體系》,可實際上像BATT,一個公司十幾個BU幾十條業務線,都看一套指標?單純運營就分:用戶、產品、數據、新媒體、社群、活動、商品、渠道……幾十種運營,也看一套指標?這些大而全的總結,總是看似有理,實際不好用。

最終導致的惡果,就是:自嗨型數據報表。看似羅列幾百指標,拆分數十維度,每天更新累的夯吃夯吃,可以看報表打開率:不到10%。運營、產品、銷售們遇到問題,還是提臨時取數單,每天光跑臨時取數就跑到斷手指……O(╥﹏╥)o

數據分析體系是什么,該如何搭建?

什么是數據分析體系

如字面意思,數據分析體系包含兩點:

1、數據分析:意味著不能光羅列數據,而是要對數據做解讀,解釋數據背后的業務含義,找到對業務有用的點。

2、體系:意味著不能毫無邏輯的鋪陳數據,而是有節奏、有主次、有順序的展現數據。這樣才能更有效率的支持業務,而不是埋沒在無窮無盡的碼sql里,也能更好地積累分析經驗。

把數據報表、專題報表串起來,有層次展現,應用到業務中的,才是真數據分析體系。

搭建數據分析體系的基本思路

數據分析本質是為業務服務的。盡可能多幫助業務工作,少浪費業務時間,才是服務宗旨。所以,在搭建數據分析體系時,要先問自己:

1、我在為誰們服務?

2、他們中每一位,有什么工作職責?

3、提供什么樣數據,能更好幫助他們工作?

4、在什么時間提供幫助,能更少干擾他們?

這就是搭建數據分析體系的基本思路

第一步:認準服務對象

企業有部門分工,因此第一步要認準:我在為哪個部門服務。這非常關鍵!因為即使同一個問題,不同的部門的關注點會不同。同樣是銷售問題,如果是銷售部看,關注的是每一支銷售隊伍完成率、進度、質量。如果是供應鏈看,那關注的就是總量、各產品數量、需求高峰期。如果是風控看,那關注的就是回款、壞賬、套利。認清部門,有利于了解真正需求點。

其次,部門內有職級高低,要具體區分:誰需要看報表,他的責任與關注點是什么。同樣是銷售,部門領導關注的是下屬隊伍的排兵布陣,重點在什么區域,主打什么產品。每一個銷售人員,關注的是要跟進哪個客人、跟進哪一步、見人說什么。一般來說,越是管理層就越關注策略問題,越是基層就越關注執行問題。

即使有些看起來一個人也能辦的事,在企業里也有分工合作。比如公眾號發文章,似乎一個人就能寫,可在企業場景里,人家有專業的名字叫:新媒體運營。也有細致的工作分工。

數據分析體系是什么,該如何搭建?

第二步:明確工作目標

清晰了人以后,要認清每個人的工作目標。量化目標,是數據分析的靈魂。后續評價工作的好壞,判斷業務走勢正常還是異常,探索解決問題的辦法,都是從計算目標和現狀的差距開始的。這一點非常非常重要。很多做數據的同學陷入細節,做的報表看不出所以然,都是因為壓根不知道到底數值是幾才算好導致的。

業務目標并不都是“1個億小目標”這種簡單粗暴的形式。細分之下,可以有多種類型,比如常見的:

1、按達成時間分:年、季度、月

2、按委任形式分:長期任務/臨時任務

3、按服務對象分:自身/其他部門

4、按服務對象分:領導/組長/員工

5、按流程位置分:結果型目標/過程型目標

繼續拿新媒體運營舉例,一個小組,可能同時背著多個目標:

數據分析體系是什么,該如何搭建?

注意:不同目標之前有邏輯關系。比如年度的漲粉任務,可能由促銷活動漲粉、裂變漲粉、爆款文案漲粉、自然增長多種形式組成,一個大目標對應多個小目標。把各種目標按大小歸屬、時間順序梳理清楚,就有了分析體系的基礎框架。后續,我們可以跟著這個框架來跟蹤目標完成情況,診斷運營效果。這就推進到了下一步。

第三步:跟蹤業務走勢

有了清晰的責任人、目標,就可以跟蹤業務走勢。在跟蹤的時候,首先關注的是:目標達成情況。對于目標達成率監督,涉及到后續一系列行動判斷,遇事先判斷輕重緩急,再看細節(如下圖)。

數據分析體系是什么,該如何搭建?

需要注意:不同等級的人,關注重點不同。還拿新媒體舉例子,具體負責內容的小哥,可能要對每一篇稿子負責;負責投放的小哥,要對每一次投放效果負責;單次執行不好,就得進行復盤,總結問題。但作為運營組的組長,可能更關注整體KPI達成情況,一篇文章不行,只要從其他文章能補回來就行。

很多基于傳統企業場景的數據分析體系,寫到這就結束了。請注意,做到這一步只能算完成了“數據監督體系”的建設。因為僅僅看目標數量和完成率,是知其然、不知其所以然的狀態。我們并不能回答:為什么做的不好?該改善什么?這種問題。想要回答的更細,就得深入的業務過程中,了解具體行動。(傳統企業停在這里,更多是傳統的門店、業務員銷售模式缺少數據記錄,不代表不想深入做)。

第四步:了解業務行動想要改善一個業務,就必須了解這個業務

大部分的業務比我們想象的要復雜。比如新媒體運營,不做的同學可能想當然的認為:不就是寫個文章嗎?我看閱讀數、轉發數這些數據不就好了……可實際上,細看之下,一篇文章可能有很多業務細節(如下圖):

數據分析體系是什么,該如何搭建?

了解業務行動,分解業務細節,是為了:找到數據可以幫助的點。數據不是萬能的,比如一個新媒體小哥寫文章,數據不能只告訴他怎么寫。但是具體到業務細節,數據可以提供很多參考,如下圖所示:

數據分析體系是什么,該如何搭建?

這一步,是提升數據分析質量的關鍵。拆解業務行動,找到數據的幫助點,我們就能在跟蹤進度的時候,進一步分析問題,這就推動到了一下步。

第五步:復盤行動結果對業務行動細節很了解,就能復盤行動結果,總結經驗。數據的優勢,不是直接生產出超人的創意,而是事后總結出普遍的經驗。優秀的業務能力永遠是稀缺資源,是不可復制的。但通過數據分析復盤,可以把明顯的作死行為總結出來,避免普通人犯錯。就像寫文案,指望每個創作者都成為半佛仙人這種圣手是不可能的,但是能總結出:

1、時政類話題熱點轉化率低于情感類50%,不用來做轉化。

2、周四、周六推送閱讀低于其他時間40%,不做推送

3、鏈接跳轉超過3步,轉化率下降30%,控制篇幅

4、…

有分析結論,就已經能幫助運營規避大量坑點。即使偶爾采坑失敗,也敗的明白:“沒辦法了,必須這個點發文,虧一點閱讀就虧一點”。做業務從來不怕失敗,怕的是敗的不明不白。如果能長期積累,業務方經驗越來越豐富,遇到問題的思路也越來越清晰了,就真正發揮了數據的作用。但是,問題不是一成不變的,因此數據分析體系也要不斷迭代升級。

數據分析體系迭代升級

牢記這個標準:堅守目標,迭代方法,積累經驗。這是數據分析體系建設的基本方法,底線,也是最高要求。在這個原則下,數據分析體系迭代升級路線如下圖所示:

數據分析體系是什么,該如何搭建?

1、設定目標后,分月、周、日報表,跟蹤目標完成率。

2、在目標達成出現問題時,先判定輕重緩急,再看細節。

3、針對重點問題,提供臨時性支持,探索原因,解決問題。

4、根據經驗指導后續工作,沉淀有效方法,指導以后目標制定

這樣的體系運作,業務部門也很輕松:平時只要看幾個核心KPI達成率即可,平安無事就不用擔心,趨勢向壞的時候能及時收到預警。想要思路,也能有足夠素材用,使用體驗非常爽。而數據分析師本身,固定KPI、業務支持做成數據產品,個案分析做專題。產品和專題做多了,也好體現個人成績。總比無休無止寫sql,寫了也不知道干啥去了強的多。

數據分析體系是什么,該如何搭建?

小結

建設數據分析體系,本質是個:從業務中來,到業務中去的事。需要大家多在內部花心思。然而,很多新手太過糾結理論、方法、模型,忽視、無視、輕視業務。覺得別人的工作沒技術含量“不就是發個文章”“不就是忽悠客戶”,只有自己的算法才是真牛逼無雙。遇到問題,不會細致的和業務溝通,只會上各個數據分析微信群問:“有沒有XX指標體系啊,最好是權威、標準、BAT認定版的”。這就南轅北轍了,最后只會換來一句:你這不符合我們公司情況啊。

好的數據分析師,要像眼科醫生一樣。配眼鏡可能有很多專業的方法,有很多專業的工具,可在配的過程中,卻醫生糾結的不是自己的理論,而是關注用戶看的清不清楚,不斷問用戶“這樣可以嗎?這樣更清楚嗎?再這樣試試呢?”用專業的方法服務個性化需求,這才是專業的人干的事。與大家共勉。

完 謝謝觀看

分享
收藏

OK
3d彩经网免费预测