数据分析体系是什么?该怎么搭建?

CrazyPM产品经理社区  阅读数  68  2021-03-03 06:41:02

编辑导语:如今随着互联网不断发展,各产品的数据体量都变得很大,数据分析体系就发挥了巨大的作用;搭建一个完整有效的数据分析体系,可以提高你的工作效率以及准确度;本文作者分享了关于数据分析体系的解释和搭建方法,我们一起来看一下。

数据分析体系是什么?该怎么搭建?

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、搭建数据分析体系的常见错误

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,每天更新累得夯吃夯吃,可一看,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……

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:

  • 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。
  • 体系:意味着不能毫无逻辑的铺陈数据,而是有节奏、有主次、有顺序地展现数据;这样才能更有效率地支持业务,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,有层次地展现,应用到业务中,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,尽可能多地帮助业务工作,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:

  • 我在为谁们服务?
  • 他们中每一位,有什么工作职责?
  • 提供什么样数据,能更好帮助他们工作?
  • 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. 第一步: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。参见【十张图,数据分析如何赋能销售

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。

数据分析体系是什么?该怎么搭建?

2. 第二步: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:

数据分析体系是什么?该怎么搭建?

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. 第三步: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)。

数据分析体系是什么?该怎么搭建?

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“为什么做得不好?该改善什么?”这种问题;想要回答得更细,就得深入到业务过程中,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. 第四步: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得要复杂;比如新媒体运营,不做的同学可能想当然地认为: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):

数据分析体系是什么?该怎么搭建?

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:

数据分析体系是什么?该怎么搭建?

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. 第五步: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,也败得明白:“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,怕的是败得不明不白。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:

数据分析体系是什么?该怎么搭建?

  • 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得多。

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,不会细致地和业务沟通,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,而是关注用户看得清不清楚,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。

#专栏作家#

接地气的陈老师,微信公众号:接地气学堂,CRAZYPM产品经理社区专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于CRAZYPM产品经理社区。未经许可,禁止转载

题图来自Unsplash,基于CC0协议。

 

赞助商推荐:数极客是新一代用户行为分析与数据智能平台,支持用户数据分析运营数据分析留存分析路径分析漏斗分析用户画像SEM数据分析等16种分析模型的数据分析产品,支持网站统计网站分析APP统计APP分析等分析工具,以及会员营销系统A/B测试工具等数据智能应用,支持SAAS和私有化部署,提升用户留存和转化率,实现数据驱动增长!

 

【独家稿件及免责声明】本站原创文章如需转载请联系我们,未经书面许可禁止转载,本站转载文章著作权归原作者所有,如有侵权请联系:。

增长工具