很多同學抱怨：自己東做一點，西做一點，沒有見過完整的數據分析體系是啥樣？實際上早在10年前， 很多大型銀行就已經建立了很完善的數據分析體系，只是因為行業特殊性，導致外人知道的不多。今天跟大家詳細介紹一下。

一、建設的出發點

滿足業務需求，是建設數據分析體系的出發點，也是最終目的和最高要求。要注意的是，“業務需求”并沒有統一的標準。不同部門，不同身份的人，需求是不一樣的。從大的方面看，可以分作三個層級：

1、戰略級：能決定公司整體方向的高級管理層

2、戰術級：決定一個具體職能工作的管理層（銷售、運營、產品、售后……）

3、戰斗級：沒有決定權，只有執行權的一線部門（業務員/客服/審核員/倉管員……）

這三類人，需要的數據類型，數據時效性，數據應用方向是完全不同的。因此需要分別滿足需求（如下圖）。

二、服務于戰略的數據分析

在整個體系中，經營分析是直接服務于戰略級決策的。在最高管理層做決策的時候，更聚焦于宏觀的問題，比如整體目標達成，外部環境變化，內部舉措效果。而不是陷在瑣碎的業務細節里。

因此，在做經營分析的時候，要：

1、在經營目標，轉化為可量化的指標

2、監控目標達成進度，發現過程中的問題

3、感知外部環境變化，預警潛在宏觀問題

4、量化評估各項業務活動對目標的作用

5、考核各項業務活動效益，提出方向性指導

注意：對經營成果的核算是非常復雜和麻煩的。很多經營舉措都是跨數周、數月，涉及眾多部門和工作。有些基礎研發、生產線更新、基建投資更是跨數年。因此經營分析的頻率一般不會很高，一般是以月為單位進行。

在經營分析層面做出的決斷，往往是方向性的，比如：

1、堅持原定計劃還是做調整？

2、銷售/運營/產品/營銷……誰打主力，誰當輔助？

3、追加投入還是更換方法？

這些決斷直接影響到戰術級設計。至于具體怎么設計，則要靠戰術級的分析來支持。

三、服務于戰術的數據分析

戰術級的分析是具體到每個職能部門的。比如：

銷售部門：銷售業績分析、銷售渠道、銷售方法、業務員隊伍分析

運營部門：活動方法分析、推廣方式分析、平臺運營分析

產品部門：產品使用情況分析，新版本功能，新版本分析

這些戰術級分析的具體內容，常常五花八門，但是核心思路是一致的：

1、策略制定：從眾多的戰術中，選擇一個可以達成目標的

2、監控進度：監控戰術落地進度，發現問題，調整戰術設計

3、復盤效果：復盤是否達成目標，積累經驗，解決問題

具體的細節太多太多，就不一一舉例了。有興趣的同學可以翻看之前分享的運營、產品分析方法。實際上，大部分做數據分析的同學，最常接觸的是這一層的分析。最終輸出物也是日常監控報表+專題分析報告。

四、服務于戰斗的數據分析

嚴格地來說，戰斗級需要的不是數據分析，而是數據。一線工作那么忙，沒人有空坐下來細細聽報告，能看到數據，就已經足夠行動了。比如

一線銷售：看到今日業績目標，今日已完成業績，待跟進客戶名單

一線客服：看到待分配話務量，排隊接聽數量、投訴數量、投訴結果

一線倉管：看到在庫商品數、在途商品數，預計達到商品數，預計出庫商品數

有了數據，一線就已經能開展行動了。趕緊干活，把沒處理完的任務搞完

如果能在基礎名單之上，增加一些輔助工具，就更好了。比如給銷售的，不光有個待跟進客戶名單，再多給個預計自然消費（通過預測模型給的標簽），就能幫銷售聚焦到更該主動跟進的人身上。比如再多給個：客戶可參與活動/客戶可轉發海報，就讓銷售多了一個打動客戶的工具。這些工具要比啰里啰嗦分析報告管用得多（如下圖）

相當多公司在戰斗級的數據分析，只停留在excel日報和ppt階段，缺少工具設計和開發，導致了數據分析不落地，無法輔助一線等等問題。

看到這里，肯定有同學好奇：老師，我的公司規模沒那么大，數據也沒那么多，怎么能做的體系化一點呢？這里是有方法的。

五、中小企業，怎么從0到1

初創型的企業肯定沒精力搞這么大套數據體系。對初創型企業來說，盡快找到能盈利的MVP才是關鍵，之后不斷的擴大投入，增強收入能力。因此對初創型企業而言，一般精力都放在銷售數據/推廣數據/渠道數據上，把戰術級的分析做好。

對于有一定規模的企業，最重要的反而不是搞各種分析報表（一般該有的也都有了）也不是搞復雜的分析報告。而是加強基礎建設，補齊初創期突飛猛進，留下的短板。比如：

1、商品編碼體系，商品分級分類標簽

2、活動編碼體系，活動物料編碼體系、優惠券體系

3、財務系統與業務系統打通，財務數據與業務數據對應

這些可能不僅僅設計數據庫設計，有可能舊的交易系統、物流系統、費控系統都需要升級，業務流程也要規范，因此是個很龐大的工程。但是如果不邁過這一關，還是在舊基礎上繼續茍且，就會發現，規模越大，內部系統越亂，數據越復雜，新舊數據越對不上，越往后越難。

在2023年，陳老師經歷了若干個營業額30-100億的中等企業數字化建議，無一例外的有基建薄弱+好大喜功的問題。往往是最基礎的商品數據、活動數據、渠道數據都沒有建設很好，反而急著上CDP，急著在APP/H5搞算法，急著搞全鏈路埋點。結果自然是：在爛泥地里建摩天大樓……各種糾結蛋疼，不在話下。

六、問題的背后

以上種種問題，但凡置身其中，都會感受明顯。然而為啥沒人解決呢？

• 可能是業務部門自大且強勢，不想讓數據參與，只讓供excel表
• 可能是技術部門老大想升官，做基建不夠顯眼，必須上新東西
• 可能是公司老板壓根沒見識，吃行業紅利發財，缺少基礎認知

這些都有可能讓數據停在原始階段。然后又寄希望于一個神通廣大的數據分析師能搞掂所有問題，他們還會殷切地拉著你的手說：“我們公司的數據很大，都在那呢，就差個高手來分析了……”

所以如果做分析的同學們遭遇：

• 東干一塊，西干一塊
• 只寫sql整理excel
• 被業務嫌棄沒深度

你并非一個人，你和很多同學一樣在被煎熬。畢竟做得好的公司也是少數嗎。這時候只要自己努力積累能力，跳槽個好一點的企業即可。那肯定有同學會問：要具備什么樣能力算是個高級數據分析師呢？歡迎加入我的知識星球，一起進步！