行业动态
有同学问：经常听到“搭建运营分析体系、、搭建业绩监控体系、、搭建商品分析体系”等等要求。。。。可到底数据分析体系是什么？？似乎经常看到的，，，，只有AARRR五个字母，，，又语焉不详。。到底怎样才算是建了个体系？？今天我们系统解答一下。。。。搭建数据分析体系，，是从初级数据分析向高级发展的必备一环。。。。留心看哦。。。。
一、、搭建数据分析系统的常见错误
1、、罗列指标，，，没有重点
很多文章一讲数据分析体系，，，就铺陈了大量指标。。。。先看哪个，，，后看哪个，，根本没说明。。。光把几百个指标理解一遍都要半天，，，业务啥也不用干了，，，每天就在这瞅数好了。。。
2、、、陷入细节，，没有目标
很多同学习惯性列了指标，，，，就开始按时间、、、渠道、、、、区域、、、、用户等级拆分，，，拆来拆去，，，，标出一堆涨了跌了。。。。问题是没个具体标准。。。。每天纠结：1%的变化到底是不是问题？？？？百分之几是问题？？
3、、、、不分职责，，，贪大求全
很多文章一列标题就是《电商指标体系》《运营指标体系》甚至是《互联网指标体系》，，，可实际上像BATT，，，，一个公司十几个BU几十条业务线，，都看一套指标？？？单纯运营就分：用户、、、、产品、、数据、、、、新媒体、、社群、、、、活动、、商品、、、、渠道……几十种运营，，也看一套指标？？？这些大而全的总结，，，总是看似有理，，，，实际不好用。。。。最终导致的恶果，，，，就是：自嗨型数据报表。。看似罗列几百指标，，，，拆分数十维度，，，，每天更新累的夯吃夯吃，，，，可以看报表打开率：不到10%。。。。运营、、、产品、、、销售们遇到问题，，，，还是提临时取数单，，，每天光跑临时取数就跑到断手指……O(╥﹏╥)o
二、、、什么是数据分析体系
如字面意思，，，数据分析体系包含两点：
1、、、数据分析：意味着不能光罗列数据，，而是要对数据做解读，，，，解释数据背后的业务含义，，找到对业务有用的点。。
2、、体系：意味着不能毫无逻辑的铺陈数据，，，而是有节奏、、、、有主次、、、有顺序的展现数据。。。这样才能更有效率的支持业务，，而不是埋没在无穷无尽的码sql里，，也能更好地积累分析经验。。。
把数据报表、、、、专题报表串起来，，，有层次展现，，，，应用到业务中的，，，才是真数据分析体系。。
三、、、、搭建数据分析体系的基本思路
数据分析本质是为业务服务的。。。尽可能多帮助业务工作，，，少浪费业务时间，，，才是服务宗旨。。所以，，在搭建数据分析体系时，，，要先问自己：
1、、、我在为谁们服务？？？？2、、他们中每一位，，，，有什么工作职责？？3、、、提供什么样数据，，，能更好帮助他们工作？？4、、、在什么时间提供帮助，，，能更少干扰他们？？？
这就是搭建数据分析体系的基本思路
1.认准服务对象
企业有部门分工，，，，因此第一步要认准：我在为哪个部门服务。。这非常关键！！！因为即使同一个问题，，不同的部门的关注点会不同。。。同样是销售问题，，，如果是销售部看，，关注的是每一支销售队伍完成率、、进度、、、质量。。。如果是供应链看，，，，那关注的就是总量、、、、各产品数量、、、、需求高峰期。。。如果是风控看，，，那关注的就是回款、、坏账、、套利。。。认清部门，，，有利于了解真正需求点。。。
其次，，部门内有职级高低，，要具体区分：谁需要看报表，，，，他的责任与关注点是什么。。同样是销售，，部门领导关注的是下属队伍的排兵布阵，，重点在什么区域，，，，主打什么产品。。。每一个销售人员，，，，关注的是要跟进哪个客人、、、跟进哪一步、、见人说什么。。。一般来说，，，越是管理层就越关注策略问题，，，越是基层就越关注执行问题。。。即使有些看起来一个人也能办的事，，在企业里也有分工合作。。。。比如公众号发文章，，，，似乎一个人就能写，，可在企业场景里，，，人家有专业的名字叫：新媒体运营。。也有细致的工作分工。。
2.明确工作目标
清晰了人以后，，，要认清每个人的工作目标。。量化目标，，，，是数据分析的灵魂。。。。后续评价工作的好坏，，判断业务走势正常还是异常，，探索解决问题的办法，，，都是从计算目标和现状的差距开始的。。。。这一点非常非常重要。。。。很多做数据的同学陷入细节，，，做的报表看不出所以然，，，，都是因为压根不知道到底数值是几才算好导致的。。。业务目标并不都是“1个亿小目标”这种简单粗暴的形式。。。。细分之下，，可以有多种类型，，，，比如常见的：
·按达成时间分：年、、、季度、、、、月
·按委任形式分：长期任务/临时任务
·按服务对象分：自身/其他部门
·按服务对象分：领导/组长/员工
·按流程位置分：结果型目标/过程型目标
继续拿新媒体运营举例，，，一个小组，，可能同时背着多个目标：
注意：不同目标之前有逻辑关系。。。。比如年度的涨粉任务，，可能由促销活动涨粉、、、、裂变涨粉、、、爆款文案涨粉、、、自然增长多种形式组成，，，，一个大目标对应多个小目标。。。把各种目标按大小归属、、、时间顺序梳理清楚，，就有了分析体系的基础框架。。。。后续，，，我们可以跟着这个框架来跟踪目标完成情况，，，诊断运营效果。。这就推进到了下一步。。。。
3.跟踪业务走势
有了清晰的责任人、、、目标，，，，就可以跟踪业务走势。。。。在跟踪的时候，，，首先关注的是：目标达成情况。。对于目标达成率监督，，，涉及到后续一系列行动判断，，，遇事先判断轻重缓急，，，，再看细节（如下图）。。。
需要注意：不同等级的人，，，，关注重点不同。。。。还拿新媒体举例子，，，，具体负责内容的小哥，，，可能要对每一篇稿子负责；负责投放的小哥，，，要对每一次投放效果负责；单次执行不好，，，就得进行复盘，，总结问题。。。但作为运营组的组长，，可能更关注整体KPI达成情况，，一篇文章不行，，只要从其他文章能补回来就行。。。。
很多基于传统企业场景的数据分析体系，，，，写到这就结束了。。请注意，，做到这一步只能算完成了“数据监督体系”的建设。。因为仅仅看目标数量和完成率，，，是知其然、、、、不知其所以然的状态。。。。我们并不能回答：为什么做的不好？？？？该改善什么？？？？这种问题。。。想要回答的更细，，，就得深入的业务过程中，，，，了解具体行动。。。（传统企业停在这里，，更多是传统的门店、、业务员销售模式缺少数据记录，，不代表不想深入做）。。。
4.了解业务行动
想要改善一个业务，，就必须了解这个业务。。。大部分的业务比我们想象的要复杂。。。比如新媒体运营，，，，不做的同学可能想当然的认为：不就是写个文章吗？？？我看阅读数、、、、转发数这些数据不就好了……可实际上，，细看之下，，，，一篇文章可能有很多业务细节（如下图）：
了解业务行动，，分解业务细节，，，是为了：找到数据可以帮助的点。。数据不是万能的，，，比如一个新媒体小哥写文章，，，，数据不能只告诉他怎么写。。。。但是具体到业务细节，，数据可以提供很多参考，，，，如下图所示：
这一步，，，，是提升数据分析质量的关键。。。拆解业务行动，，找到数据的帮助点，，，，我们就能在跟踪进度的时候，，进一步分析问题，，这就推动到了一下步。。。。
5.复盘行动结果
对业务行动细节很了解，，，，就能复盘行动结果，，，总结经验。。。数据的优势，，不是直接生产出超人的创意，，，而是事后总结出普遍的经验。。。。优秀的业务能力永远是稀缺资源，，是不可复制的。。。。但通过数据分析复盘，，，，可以把明显的作死行为总结出来，，，，避免普通人犯错。。就像写文案，，，指望每个创作者都成为半佛仙人这种圣手是不可能的，，但是能总结出：
·时政类话题热点转化率低于情感类50%，，不用来做转化。。。
·周四、、周六推送阅读低于其他时间40%，，，不做推送
·链接跳转超过3步，，转化率下降30%，，控制篇幅
·…
有分析结论，，，，就已经能帮助运营规避大量坑点。。。。即使偶尔采坑失败，，，，也败的明白：“没办法了，，，，必须这个点发文，，，亏一点阅读就亏一点”。。。。做业务从来不怕失败，，怕的是败的不明不白。。。。如果能长期积累，，，业务方经验越来越丰富，，，遇到问题的思路也越来越清晰了，，，，就真正发挥了数据的作用。。但是，，问题不是一成不变的，，因此数据分析体系也要不断迭代升级。。。。
四、、、数据分析体系迭代升级
牢记这个标准：坚守目标，，，，迭代方法，，，积累经验。。。。这是数据分析体系建设的基本方法，，，，底线，，也是最高要求。。。。在这个原则下，，数据分析体系迭代升级路线如下图所示：
·设定目标后，，，，分月、、周、、日报表，，跟踪目标完成率。。
·在目标达成出现问题时，，，先判定轻重缓急，，，再看细节。。。
·针对重点问题，，提供临时性支持，，探索原因，，解决问题。。
·根据经验指导后续工作，，，，沉淀有效方法，，指导以后目标制定
这样的体系运作，，，业务部门也很轻松：平时只要看几个核心KPI达成率即可，，，，平安无事就不用担心，，，趋势向坏的时候能及时收到预警。。想要思路，，，也能有足够素材用，，，使用体验非常爽。。而数据分析师本身，，，，固定KPI、、、业务支持做成数据产品，，，，个案分析做专题。。。产品和专题做多了，，，，也好体现个人成绩。。。总比无休无止写sql，，写了也不知道干啥去了强的多。。。。
五、、小结
建设数据分析体系，，本质是个：从业务中来，，，到业务中去的事。。需要大家多在内部花心思。。。然而，，，，很多新手太过纠结理论、、、方法、、模型，，，忽视、、、、无视、、、轻视业务。。。。觉得别人的工作没技术含量“不就是发个文章”“不就是忽悠客户”，，只有自己的算法才是真牛逼无双。。。。遇到问题，，，，不会细致的和业务沟通，，只会上各个数据分析微信群问：“有没有XX指标体系啊，，最好是权威、、、标准、、、、BAT认定版的”。。。这就南辕北辙了，，，，最后只会换来一句：你这不符合我们公司情况啊。。。好的数据分析师，，，，要像眼科医生一样。。。。配眼镜可能有很多专业的方法，，，，有很多专业的工具，，，可在配的过程中，，却医生纠结的不是自己的理论，，，而是关注用户看的清不清楚，，，，不断问用户“这样可以吗？？？这样更清楚吗？？？再这样试试呢？？”用专业的方法服务个性化需求，，，，这才是专业的人干的事。。与大家共勉。。。
转载自公众号 接地气学堂