您还未登录! 登录 | 注册 | 帮助  

您的位置: 首页 > 软件开发专栏 > 大数据 > 正文

一个完整的数据分析体系,该长啥样?

发表于:2024-03-13 作者:接地气的陈老师 来源:接地气的陈老师

很多同学抱怨:自己东做一点,西做一点,没有见过完整的数据分析体系是啥样?实际上早在10年前, 很多大型银行就已经建立了很完善的数据分析体系,只是因为行业特殊性,导致外人知道的不多。今天跟大家详细介绍一下。

一、建设的出发点

满足业务需求,是建设数据分析体系的出发点,也是最终目的和最高要求。要注意的是,“业务需求”并没有统一的标准。不同部门,不同身份的人,需求是不一样的。从大的方面看,可以分作三个层级:

1、战略级:能决定公司整体方向的高级管理层

2、战术级:决定一个具体职能工作的管理层(销售、运营、产品、售后……)

3、战斗级:没有决定权,只有执行权的一线部门(业务员/客服/审核员/仓管员……)

 

这三类人,需要的数据类型,数据时效性,数据应用方向是完全不同的。因此需要分别满足需求(如下图)。

图片
 

图片

二、服务于战略的数据分析

在整个体系中,经营分析是直接服务于战略级决策的。在最高管理层做决策的时候,更聚焦于宏观的问题,比如整体目标达成,外部环境变化,内部举措效果。而不是陷在琐碎的业务细节里。

因此,在做经营分析的时候,要:

1、在经营目标,转化为可量化的指标

2、监控目标达成进度,发现过程中的问题

3、感知外部环境变化,预警潜在宏观问题

4、量化评估各项业务活动对目标的作用

5、考核各项业务活动效益,提出方向性指导

注意:对经营成果的核算是非常复杂和麻烦的。很多经营举措都是跨数周、数月,涉及众多部门和工作。有些基础研发、生产线更新、基建投资更是跨数年。因此经营分析的频率一般不会很高,一般是以月为单位进行。

在经营分析层面做出的决断,往往是方向性的,比如:

1、坚持原定计划还是做调整?

2、销售/运营/产品/营销……谁打主力,谁当辅助?

3、追加投入还是更换方法?

这些决断直接影响到战术级设计。至于具体怎么设计,则要靠战术级的分析来支持。

图片
 

图片

三、服务于战术的数据分析

战术级的分析是具体到每个职能部门的。比如:

销售部门:销售业绩分析、销售渠道、销售方法、业务员队伍分析

运营部门:活动方法分析、推广方式分析、平台运营分析

产品部门:产品使用情况分析,新版本功能,新版本分析

这些战术级分析的具体内容,常常五花八门,但是核心思路是一致的:

1、策略制定:从众多的战术中,选择一个可以达成目标的

2、监控进度:监控战术落地进度,发现问题,调整战术设计

3、复盘效果:复盘是否达成目标,积累经验,解决问题

图片
 

图片

具体的细节太多太多,就不一一举例了。有兴趣的同学可以翻看之前分享的运营、产品分析方法。实际上,大部分做数据分析的同学,最常接触的是这一层的分析。最终输出物也是日常监控报表+专题分析报告。

四、服务于战斗的数据分析

严格地来说,战斗级需要的不是数据分析,而是数据。一线工作那么忙,没人有空坐下来细细听报告,能看到数据,就已经足够行动了。比如

一线销售:看到今日业绩目标,今日已完成业绩,待跟进客户名单

一线客服:看到待分配话务量,排队接听数量、投诉数量、投诉结果

一线仓管:看到在库商品数、在途商品数,预计达到商品数,预计出库商品数

有了数据,一线就已经能开展行动了。赶紧干活,把没处理完的任务搞完

如果能在基础名单之上,增加一些辅助工具,就更好了。

比如给销售的,不光有个待跟进客户名单,再多给个预计自然消费(通过预测模型给的标签),就能帮销售聚焦到更该主动跟进的人身上。

比如再多给个:客户可参与活动/客户可转发海报,就让销售多了一个打动客户的工具。

这些工具要比啰里啰嗦分析报告管用得多(如下图)

图片

图片

相当多公司在战斗级的数据分析,只停留在excel日报和ppt阶段,缺少工具设计和开发,导致了数据分析不落地,无法辅助一线等等问题。

看到这里,肯定有同学好奇:老师,我的公司规模没那么大,数据也没那么多,怎么能做的体系化一点呢?这里是有方法的。

五、中小企业,怎么从0到1

初创型的企业肯定没精力搞这么大套数据体系。对初创型企业来说,尽快找到能盈利的MVP才是关键,之后不断地扩大投入,增强收入能力。因此对初创型企业而言,一般精力都放在销售数据/推广数据/渠道数据上,把战术级的分析做好。

对于有一定规模的企业,最重要的反而不是搞各种分析报表(一般该有的也都有了)也不是搞复杂的分析报告。而是加强基础建设,补齐初创期突飞猛进,留下的短板。比如:

1、商品编码体系,商品分级分类标签

2、活动编码体系,活动物料编码体系、优惠券体系

3、财务系统与业务系统打通,财务数据与业务数据对应

这些可能不仅仅设计数据库设计,有可能旧的交易系统、物流系统、费控系统都需要升级,业务流程也要规范,因此是个很庞大的工程。但是如果不迈过这一关,还是在旧基础上继续苟且,就会发现,规模越大,内部系统越乱,数据越复杂,新旧数据越对不上,越往后越难。

近年,陈老师经历了若干个营业额30-100亿的中等企业数字化建议,无一例外的有基建薄弱+好大喜功的问题。往往是最基础的商品数据、活动数据、渠道数据都没有建设很好,反而急着上CDP,急着在APP/H5搞算法,急着搞全链路埋点。结果自然是:在烂泥地里建摩天大楼……各种纠结蛋疼,不在话下。

六、问题的背后

以上种种问题,但凡置身其中,都会感受明显。然而为啥没人解决呢?

  • 可能是业务部门自大且强势,不想让数据参与,只让供excel表
  • 可能是技术部门老大想升官,做基建不够显眼,必须上新东西
  • 可能是公司老板压根没见识,吃行业红利发财,缺少基础认知

这些都有可能让数据停在原始阶段。然后又寄希望于一个神通广大的数据分析师能搞掂所有问题,他们还会殷切地拉着你的手说:“我们公司的数据很大,都在那呢,就差个高手来分析了……”

所以如果做分析的同学们遭遇:

  • 东干一块,西干一块
  • 只写sql整理excel
  • 被业务嫌弃没深度

你并非一个人,你和很多同学一样在被煎熬。毕竟做得好的公司也是少数嘛。