数据分析 - 搭建数据监控体系（学习笔记）

完整的数据分析体系：

战略级分析

高层：经营分析（整体方向、宏观因素、过程问题）。锁定关键问题。作出的决断，是方向性的。比如，坚持原定计划还是做调整？销售／运营／产品／营销。。。谁打主力，谁当辅助？追加投入还是更换方法？

战术级分析

中层：销售、运营、产品分析、内容分析。

销售部门：销售渠道、销售业绩、销售方法、业务员队伍分析

运营部门：活动方法分析、推广方式分析、平台运营分析

产品部门：产品使用情况分析、新版本功能、新版本分析

制定策略、监控进度、复盘效果

战斗级分析

基层：告诉我做撒，做多少。战斗级需要的不是数据分析，而是数据。有了数据，一线就已经能开展行动了。赶紧干活，把没处理完的任务搞完如果能在基础名单之上，增加一些辅助工具，就更好了。

比如一线销售：需要看到今日业绩目标，今日已完成业绩，待跟进客户名单。如果再多给个预计自然消费（通过预测模型给的标签），就能帮销售聚焦到更该主动跟进的人身上。再比如再多给个客户可参与活动/客户可转发海报，就让销售多了一个打动客户的工具。

再比如一线客服：看到待分配话务量，排队接听数量，投诉数量、投诉结果。

一线仓管：看到在库商品数，预计达到商品数，预计出库商品数。

一线员工不喜欢数字，谁吃饱了撑的看数字。让他们看到“我能干什么才是关键”。从报表到标签，从标签到用户详情，从用户详情到活动／海报，一气呵成式操作才爽。相当多公司在战斗级的数据分析，只停留在excel日报和ppt阶段，缺少工具设计和开发，导致了数据分析不落地，无法辅助一线等等问题。

搭建数据监控体系包含两大关键工作：

1.建立数据指标体系，对业务情况进行监督。

2.将数据应用到管理流程，实现控制。

如何建立数据指标体系？

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。

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

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

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。 

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。

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

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：

1. 时政类话题热点转化率低于情感类50%，不用来做转化。
2. 周四、周六推送阅读低于其他时间40%，不做推送
3. 链接跳转超过3步，转化率下降30%，控制篇幅

数据分析体系迭代升级

1. 设定目标后，分月、周、日报表，跟踪目标完成率。
2. 在目标达成出现问题时，先判定轻重缓急，再看细节。
3. 针对重点问题，提供临时性支持，探索原因，解决问题。
4. 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。 

如何实现控制？

1.明确要控制谁。

把整体目标，具体到某个部门，某个小组，最好是直接挂上他的KPI/OKR指标，这样指向明确，才能有效。

2.知道要啥时候控制。

如果真的等到GMV跌到不行了才来喊：要搞高，就太迟了。实际上影响业务走势的很多因素可以提前预见，比如：

• 正向因素：大促销、新品上市、传统旺季
• 负向因素：系统BUG、缺货、传统淡季
• 不定像因素：系统改版、换季

因此，控制是有时间状态和走向判断的。标准的用语是这四句：

• 过去+负向 → 关注XX问题
• 过去+正向 → 发现XX经验
• 未来+负向 → 警惕XX风险
• 未来+正向 → 提示XX机会

因此在搭建数据监控体系的时候，得总结过往经验，了解未来内部计划，甚至收集一些竞争情况，这样把态势判断提前准备好，才能赶在事前多喊“警惕”“提示”而不是事后人人都看到了，才嚷嚷“要搞高”。另外，不同问题严重程度，对应的力度是不同的。这里也有标准话术：要注意（出现异动）、要行动（要搞高，要搞低）、要立即行动（！！！）

3.控制完啥效果？

做控制最重要的就是效果。效果是有层次的：

• 初级：控制被业务接收
• 中级：业务按控制行动
• 高级：行动对指标有显著作用

搭建数据监控体系，最不能少的环节就是结果回顾。而且要先看是哪个层级的效果，再看具体效果大小。数据监控体系是用来发现问题的，不是用来解决问题的。