做工作規劃的時候，有很多公司都提出要求，要“數據賦能業務/賦能銷售/賦能運營”……到底啥玩意是賦能，咋個賦能法???往往領導又丟回一句“你要多想想啊”——讓人著實無奈。今天我們系統解答一下。

前方劇透警報：因為大量用了電視劇《亮劍》的梗，所以忘記的同學們可以去復習下(特別是打平安縣城那段，第14集)，反正也快放假了，權當消遣。

賦能的直觀含義

“二營長，你他娘的意大利炮呢!”——這就是最直觀的賦能。沒有意大利炮能不能打縣城?能，當然能，李團長手下上萬人馬呢。可沒有意大利炮，打城門口很累，要死很多人。戰士們扛著梯子沖了那么多次都沖不下來。有了意大利炮，“咣!”一下就搞掂了，就損失一個老婆，這個投入產出比顯著提升。

賦能的直觀含義，就是增強業務能力，提高業務效率。注意：賦能是用更高級的手段解決戰斗，不是替代，更不是“你行你上啊”。如果李團長喊的是“二營長，你他娘的帶人給我沖!”這就不是賦能，而是找人替代自己的工作了。

賦能的常見類型

最直觀的做法我們看到了，給二營長一門意大利炮。這叫工具式賦能，通過提供高效率的工具，增強隊伍戰斗力。可實際上，能賦能的地方非常多，比如：

1、炮彈。二營長只有17發炮彈，估計打完縣城炮就用光了。我們可以提供更多炮彈，資源式賦能。2、洋碼子。意大利炮上全是洋碼子，二營長看不懂，打炮只會貼著臉直射。我們可以提供操作手冊，最好有個教官親自教一下，知識式賦能。 3、炮車。二營長連輛吉普車都沒有，炮全靠人來拉。我們可以提供一輛吉普車，幫他把炮拉上戰場，服務式賦能。

你會發現，只要我們沒有替二營長扛著梯子，喊著：沖啊，殺啊往門樓上沖(這是替代)。其他干的所有工作，工具、服務、知識、資源，都是在賦能。所以賦能范圍是很廣泛的。

賦能的首要問題

有的同學就會問了：既然賦能范圍這么廣，為啥我想不到?因為你既不是李團長，也不是二營長，也不是山本大佐。你的位置和電視劇里的總指揮一樣：前線都打成一鍋粥了，你還不知道發生了什么。哪里在打，誰在打，打啥，打的咋樣了，完全不知道。當然沒法賦能啊。

想賦能業務，就得理解業務。賦能關鍵不是閉門造車，而是要深入一線，理解你的賦能對象。

具體來說，包括理解：

• 對象：誰是我的賦能對象
• 流程：他在做什么?分為幾步做?得什么結果?
• 現狀：做了多少? 達到結果沒有?卡在哪一步?
• 痛點：哪些地方是不滿意的5、需求：想改善哪些問題
• 需求：想改善哪些問題

賦能的操作流程

第一步當然是理解業務。

套在電視劇里，如果你是總指揮，看到如下電報：

• 對象：李云龍這個混小子
• 流程：優勢兵力，四面包圍，打縣城!
• 現狀：三個方向已得手，唯一卡在城樓，攻不進去
• 痛點：城樓太高，敵人火力太猛，步兵沖不上去
• 需求：需要重火力摧毀敵方防御

是不是你也知道該怎么賦能了。你會馬上查，最近的炮兵在什么位置，馬上安排調火力支援。只要知道清晰的信息，那人人都是用兵如神。數據分析在賦能中的作用，首先體現在：用指標體系清晰量化情況，基于數據診斷問題。

這里要特別強調對象的問題。不同人需要的賦能手段是不一樣的，越是上層的領導，越需要總覽全局的工具，才能看清形式，靈活調配資源。越是基層執行，越需要簡單、直接、可復制的武器，直接套用在流程中。所以即使是同一個數據分析的結果，給上層和基層看，展現效果可能完全不同。

第二步明確賦能問題。

然而，怕就怕“清晰”倆字。實際上，業務能清晰講明問題的少之又少。更多時候，前方的人只會喊：難做啊難做，幫忙啊幫忙，具體敵我啥情況，鬼講的清楚。

即使講的清楚，也要特別小心業務方直接提出來的需求，很有可能是個偽需求，或者很低效率的需求。畢竟大部分業務一遇到問題，最直接想到的就是找公司要資源，特別是打折!

這種真假難辨、稀里糊涂的場面，又是數據分析大放光彩的時候。所以在討論具體咋賦能之前，我們得先討論清楚：到底賦能要解決什么問題。我們可以用兩個方式轉化問題：第一，從需求出發，推導可行解決范圍，落實到一個具體問題上。第二，從痛點出發，先找到需求背后的真實痛點，再找解決痛點的方案。

第三步是篩選方法。

面對一個問題，往往有好多賦能方法可以用。

• 工具：上意大利炮
• 知識：挖地道挖過去
• 資源：多調兵支援
• 服務：幫助運兵

數據分析又能發揮大作用了：利用數據篩選方法，選擇更有效的方法。這里有三種做法：

需要注意的是，現實中并不是每個人都是總指揮，受崗位、部門、等級的限制，人們不能無限制的調動資源，因此可用的手段往往是有限的。不過這對于數據分析師來說，反而是個利好：我們篩選方法的范圍不是無限廣，而是在有限的選項內做選擇。

第四步是落地方法。

落地方法這一步，得看具體的方法是什么，再具體執行，比如：

• 工具：上意大利炮(從哪里，用什么型號炮，調動多少，調到哪里)
• 知識：挖地道挖過去(具體如何挖，挖成什么樣，操作手冊、教官有沒有到位)
• 資源：多調兵支援(從哪里掉，調誰，調多少，調取哪里)
• 服務：幫助運兵(從哪里運，用多少車，配多少糧)

這里大部分是具體的業務操作，和數據關系不大。作為數據分析，能做的是：監控進度，保障按計劃執行，在執行掉鏈子的時候提示問題。

第五步是復盤經驗。

賦能、賦能，說的好聽，最后賦成了沒有，賦成啥樣，要拿數據說話做檢驗。不用說，這又是數據分析老本行工作。

小結下：所謂數據分析賦能業務，可以做的是

• 一量化現狀，為賦能打下基礎
• 二梳理問題，為賦能方向指路
• 三篩選方法，為賦能優化效率
• 四監控進度，為賦能保駕護航
• 五總結經驗，為賦能積累成果

很多同學看了會大呼：陳老師，你說的我都懂呀。不就是事先搭數據報表，事中做監控，事后做專題分析嗎?我明明都有做呀!為啥沒人感覺被我賦能了?

數據賦能的特殊問題

問的好，這個問題，請允許我引用李團長的名言來回答

學習?學習啥!

業務方肯好好看數據的都是稀有動物!

15年前我們說數據賦能業務，大部分談的是如何給領導做儀表盤，給業務員做跟進工具，做推薦算法、做響應算法提高外呼成功率，因為那個時代企業數據建設普遍落后。真的是沒數據可用，所以需要做大量基礎建設。

現在說數據賦能，大部分談的是如何讓業務方重視、尊重、科學利用數據。我們看到的企業實際情況，是驕兵悍將不屑于看數據，蝦兵蟹將學也學不會。最后數據報表不是沒人看，就是淪為“證明老子很牛逼”的工具。完全沒有派上應有的用處。

這種場景咋辦?當然是得想辦法積極投身到和業務的溝通中去。平時多做科普(比如多多轉發陳老師文章)讓大家知道數據到底是干啥的，有啥用，能咋樣用。在遇到項目的時候爭取參與機會，從基礎做起，不斷提高業務方使用率，不斷積累在業務上助力經驗。

想做好數據賦能，只會跑報表是不夠的，我們需要綜合能力，能梳理清楚問題，能說服業務方理解、使用數據工具。這里又有大量的技巧，可以加入陳老師的知識星球，一起具體探討。