数据分析师的真实绩效是什么?

浏览: 714


作者:陈老师,在咨询行业打拼了10+年,在如何诊断经营问题、建立分析体系、解决专项问题上有超过30个大型项目积累与实战,天善智能特邀专家。

个人公众号:接地气学堂


续上一篇《数据分析对企业有啥用》之后,我们继续来讨论一个深层次的话题:数据分析师的工作绩效到底该怎么定。这个又是一个很蛋疼的话题,甚至很多从业很久的老鸟都没想明白,也很容易中坑。

 

所有部门里,数据分析的绩效可能是最蛋疼的。其他部门的职责和绩效都非常清晰。比如传统企业,很有可能部门架构与职责是这样的:

  • 销售→搞钱→业绩、毛利、费效比

  • 品牌→造势→知名度、满意度、美誉度

  • 促销→助攻→剔除自然增长以后的增量

  • 营运→苦力→工单处理量、及时性、满意度

  • 研发→创新→新产品数量、销量

  • 供应→供货→产量、质量、配送及时性

 

各个部门之所以清晰,是因为在企业创造效益的链条上,大家各司其职

                                       

咦?数据分析在哪里?是滴,尴尬的地方就在这里。每个部门都需要数据,但不是所有部门都需要“数据分析”,甚至压根是只要数据,分析不分析无所谓。比如在B2B类企业,销售们把客户真实信息、销售过程藏的严严实实,总部经常睁眼瞎,分析个啥。比如在B2C类企业,一线销售、营运需要的可能一张表搞掂。后台供应、研发可以自己从erp里拿数,为啥需要一个数据分析师坐在这里专门取数?

 

所以我们看到传统企业中,只有在大型的,分公司多的,业务类型复杂的(同时有线上线下,2B2C的),对数据敏感的银行、航空、三大运营商,才能有个专职的数据部门。可悲的是,在传统企业里,做数据分析的经常连名份都没有。连部门名字,都叫什么业支(业务支持),信息中心,决策支持,监控,调研分析……连完整的“数据分析”四个字都没有,这混的是个什么劲。

 

互联网企业的环境相对好一些。因为大部分互联网企业不挣钱,挣钱的互联网企业也不指望那点毛利过日子,而是做的B2VC的生意。因此传统企业特别看重的销售额、毛利、利润率,在互联网这里并不是命根子。于是有了AARRR。除了利润率,客户数量、活跃、留存、新客户数等指标一并被看重。需要数据的地方多了,数据分析部门地位也提高了。也带起了一波重视数据分析的风气。

 

然而,这并不意味着数据分析岗位的地位更舒服。因为和传统企业一样,互联网公司的服务流程中,推广(拉新)、产品(承接)、运营(维护)各做一块,形成闭环。

数据分析并不是业务流程中的刚需部门。比之传统企业,互联网巨大的数据量与运算速度的要求,养肥的是后台做数仓的数据工程师与架构师们。数据变得更加刚需,分析人人能做的场面却并没有改观。

 

恰恰相反,传统企业的业务部门都不咋懂技术,还指望着一个分析师来取数。互联网公司懂sql的多了去了。经常听到运营在吼:整个大宽表给我!我自己跑!你们跑数太慢了!……行业寒冬,裁人先裁做分析的,这破事到处都是。


 

为啥要啰嗦这么大一堆,讲企业的业务流程与数据、数据分析的关系。是因为很多做数据分析的没想明白的关键就在这里:数据分析的绩效难量化,难体现,本质是因为它不是业务流程中的刚性环节,它也不能对业务流程产生直接影响。数据分析作为一个技能非常重要,但作为一个独立的部门,很容易夹在业务部门间不上不下,难以做人。

 

所以很多做数据分析的人,甚至是部门领导,会把绩效定成:完成报表XX份,处理数据需求XX单,建立模型XX个,这是很不完善的做法。准确来说,这种是数据分析部门内控的绩效指标。考核还不会跑数的小弟小妹们,可以这么干,大家多跑快跑,快快成长。

 

可对稍微有点资历的分析师来说,这些都不是该耗精力的地方(虽然可能是最耗体力的地方,哈哈)想给自己创造真正的绩效,就得想办法参与到业务流程中,为自己争取到一席之地。

 

于是,有些做数据分析的又钻进了第二个大坑:我要做业务!我要为企业增收!我要为企业减支!听起来似乎很合理,因为我们经常做效益分析,经常做投入产出比分析,看起来和增收减支只差一步之遥吗。

 

大错特错

 

这是个非常基本的问题:企业的钱是从顾客那里挣来的,不是从代码里运行出来的。要从顾客那里挣钱,需要的是产品、是销售、是门店、是物流、是促销礼品。这些东西数据分析部门统统没有,数据分析部门有的,就是电脑、代码、ppt而已。从代码、ppt到业绩产出,中间隔着整个业务部门。

 

如果直接把绩效评定为增加收入,你很难拆分出:眼前销售卖出货这500元钱,到底有几块是报告的这几个字挣来的。减支也是同理,财务为什么可以帮企业减支,因为钱在他们那里,他们选择不给钱,就自然减少支出了。数据分析师一无权,二无钱,拿什么直接促成效果。当然,有没有人既能调动业务,又能指挥财务呢?当然有,老板本人。

 

接近权力,不代表拥有权力;给老板写ppt,不代表自己是老板;推动业务和替代业务是两码事。想不清这一点,把绩效目标激进的定成:增收减支,就会抢了业务部门的饭碗。既不能兑现自己的承诺,又会让业务部门心怀忌惮。数据分析本质就是个打辅助的部门,打辅助的不好好加BUFF,跑来打DPS,会被人喷死的。也会因此失去业务部门的信任。

 

设想下我们打游戏喜欢什么样BUFF。当然是特效强化比平均加成的好、常驻比临时好、对攻击加成越高越好。所以这就出了数据分析打造产品的三大基本原则:

  1. 针对具体的业务问题与业务场景(特效)

  2. 提供产品而非单纯的意见或数字(常驻)

  3. 结论能显著提高业务动作效率(加成高)

 

SO,数据分析真正的绩效,就是打造好的助力业务的产品,帮助业务提升效益,赢得业务(特别是老板)的信任。在这个角度来看:

  • 出报表比零散性跑数好

  • 带指示值报表比纯数据表好

  • 与CRM/移动助手打通的报表比孤立的报表好

  • 优化业务执行的算法模型比分析报告、建议好

  • 对业务执行优化的程度越高的模型越好

  • 老板对我们越信任,就越好!!!

 

数据分析最好的状态,就类似汽车上的仪表盘。虽然数据很简单,但含义很清晰,作用很重要;即使再牛逼的车也得有这玩意,也不敢把他丢掉;即使再牛逼的司机,开车也的看着玩意不然就会翻车。所以你看,做数据分析的都喜欢把报表整成仪表盘,还有美其名曰:“高管驾驶舱”的,说明大家在内心里,是知道这样做的意义重大。

 

然而,我们要扪心自问的是:

  • 我们的仪表盘真的有汽车的仪表盘管用吗?

  • 我们选择的指标,真的是业务部门最关注的吗?

  • 遇到不同的场景,能在指标里找到对应的参照值吗?

  • 看到参照值以后,业务部门采取的动作指向很明确吗?

  • 按数据指示,做出的效果真的就比随机/按习惯做好吗?

  • 我怎么才能让这些习惯了醉驾超速的人,来看仪表盘开车呢?

 

以上,想达成目的,不单单靠我们的专业知识,更得靠我们的工作能力与分析思维。之后我们会一个个详细分享。这是《数据分析师成长手册》系列连载之一,在整个分享内容中处于如下位置

持续追剧哦

推荐阅读:

  1. 哔!您有一份程序员数学公式宝典,请查收

  2. 送书 | 《深度学习:智能时代的核心驱动力量》

  3. 少年网络乞讨月入4万!收入直逼阿里P7

  4. 2018年终精心整理|人工智能爱好者社区历史文章合集(作者篇)

  5. 2018年终精心整理 | 人工智能爱好者社区历史文章合集(类型篇)

公众号后台回复关键词学习

回复 免费                获取免费课程

回复 直播                获取系列直播课

回复 Python           1小时破冰入门Python

回复 人工智能         从零入门人工智能

回复 深度学习         手把手教你用Python深度学习

回复 机器学习         小白学数据挖掘与机器学习

回复 贝叶斯算法      贝叶斯与新闻分类实战

回复 数据分析师      数据分析师八大能力培养

回复 自然语言处理  自然语言处理之AI深度学习

推荐 0
本文由 人工智能爱好者社区 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册