9

出彩!数据分析的年度工作计划,就这样定

 2 years ago
source link: https://www.yunyingpai.com/%e7%bb%8f%e9%aa%8c%e5%88%86%e4%ba%ab/730487.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

导语:又是一年年底,企业都在制定2022年工作计划。一提数据分析的工作计划,很多同学纠结的直挠头。到底数据分析工作计划该咋写?今天我们系统讲解一下。

cMVU3DE2oi8Q51CXxpeU.jpg

一、工作计划常见坑点

如果让其他部门写工作计划,大概率是以下画风:

  • 销售:全年为公司创造20亿收入,计划每月目标为XXX
  • 运营:全年组织10次活动,双十一销售额冲击5个亿!
  • 供应:保障20亿收入的货源供应,损耗率降低到
  • 开发:保障10个活动上线,系统稳定运行超过300天

那么数据分析该咋写呢?

  • 写法1:每天写sql 2000行全年250个工作日完成50万行
  • 写法2:建立20个预测模型,实现预测精度99.99999%
  • 写法3:建立10个数据系统,推动公司数字化转型走向深入
  • 写法4:提供10个活动报表,提供数据准确度100%

问:上边四个写法,哪一个是OK的?

事关2022年绩效,请读者们务必停留,思考一分钟

销售、运营写的,和公司的效益、融资进度想关,直接关系大家的钱包!

供应、开发虽然不直接挣钱,但没有他们一分钱都挣不到,属于刚性支持。

唯独数据分析干的事,既不刚性,也不挣钱,可有可无

以上四个写法里,1、2、3是严重不及格的。因为1、2、3都是数据分析自己的事,即跟业绩、收入没有关系,虽然嘴上喊:数据驱动,数字化转型。可到底驱动了谁,驱动了多少,有驱没驱怎么衡量,一句都没讲清楚,业务部门认不认账也不知道,就是空谈。

只有写法4是勉强过关的。

  1. 至少把自己摆在支撑部门的位置上,清晰定位。
  2. 至少把自己的工作捆绑到公司重大项目上,不是可有可无。
  3. 至少工作的结果是可量化的(输出10次),并且重大项目上线,还非看数据不可。

这样虽然还是很难衡量业绩,但起码把自己和开发拉到一个档次上了。

这个是数据分析工作计划的破局起点。

二、工作计划的基本写法

数据分析工作计划三大铁律

  • 捆绑公司其他部门工作。
  • 输出内容,新建》优化》保障。
  • 以其他部门可感受的方式进行量化。

Xd8HJqFuzLUQySGGaNIv.png

经过这样的优化,能很大程度上体现数据的价值,比闷着头自己写:我干了XXX要好用。要知道:大部分其他部门的人(包括大部分部门的老板)都不咋懂数据原理,有数/没数,帮你赚钱/省成本,稳定不出错,才是大部分人更好理解的工作成果。

在做计划的时候,就锁定了任务目标,后续做绩效考评就轻松了。从而从根本上,避免:“你做的这个有啥用!!!”的质疑。

当然,这只是基础写法,深入考察数据分析的本质,还有更好的做法。

三、工作计划的进阶做法

从本质上看,一个数据从产生到使用有四步。

这四步,对应着数据分析的三项重要工作(如下图)。

kLbbYRRL9p7SdF2G0hj4.png

以下部分是重点:

基础建设,是无论如何都不会体现为功劳的

干得好是你该干的,干不好你滚蛋。这才是基础建设的真实地位。所以,如果接了基础建设的活,比如要做埋点、要设计/维护业务部门用的大宽表,要建指标、核对口径这些。请务必和公司的关键项目,重大政策,多部门联动等等大事捆绑在一起!这样执行的时候阻力小,论功的时候才容易算账。

比如:加强埋点质量,要写成:

  • 公司2022年重点增长项目子项目
  • 填补原微信裂变渠道数据不足的空白
  • 总监控渠道从15个增加到20个
  • 总用户标签从100个增加到120个

这样才好量化,才好让大家感受到工作量,考评的时候才好说事。

如果不熟悉这种写法,就看几天新闻联播里是怎么播铁路通车的:

  • 国家十三五重点项目……
  • 总通车里程达1500公里
  • 原5小时行车时间缩短到2小时
  • 填补了从XX地区到XX地区无高铁的空白

就是这个味!

数据生产,核心是工具化三个字。

不做工具化,到底人家看了没看,看了多少,都不知道,根本无法量化产出。而在所有的工具化里,新建永远比优化更容易体现功绩,所以要先列新建的目标。

工作输出物,越显眼越好:

  • 数据大屏比数据看板显眼
  • 数据看板比数据报表显眼
  • 数据报表比Excel报表显眼
  • Excel比邮件发几个数显眼

所以在做工作计划的时候,多跟业务部门沟通,今年有啥重大活动,有啥重大项目,先收集清楚。然后尽量推显眼的数据产品出去,其他庞杂的需求该推就推,该招人填坑就招人填。这样才更容易体现成绩。

数据使用,核心是场景。

越具体的场景,才越有可能用。给销售开个报表,估计看的人 1%都不到,直接在企业微信下发任务提醒,不点击的也得点,阅读率就直线上去了,想考核效果也好考;

给供应链做预测模型,如果非得预测100%准,神仙都搞不掂。如果场景具体到:减少错误选款的代价,估计有机会把明显扑街的选款挑出来;

给运营做用户画像,如果非得穷尽用户特征,估计干到死也没啥用。但是如果具体到筛选高潜力用户,剔除羊毛党,可能几个特征就搞掂;

所以想让数据有用,场景得谈得非常细才行。越细的场景越好。最好是一套数据四五个应用场景,这样才能实现效益最大化。计划做得细,评绩效的时候才有一堆东西可以写。

KkhWCoW8dqUBkCkoEHhe.png

四、数据分析做计划的核心难点

数据分析计划难,考核难的核心在哪里?

所有人,都是口头上说:

l数字化转型真重要

l数据分析好有用

l要数据驱动业务

可真到评定绩效的时候,就会问:

l公司双十一5个亿,有几块钱是你这么模型做出来的,几块是其他人做出来的?

l你写sql,开发小哥也能写啊,运营也能写啊,你有啥特殊贡献?

l销售看你这个报表和不看你这个报表,能多挣多少钱?

l数字化的事多了去了,你出个数就数字化了?

这才是数据分析所有难点的根源!所以在做计划的时候,就得认真梳理场景,选好方向,才能在考评的时候一帆风顺,不然方向都选出了,计划定成流水账。自然没有好结果。

作者: 接地气的陈老师; 公众号: 接地气的陈老师

本文由 @ 接地气的陈老师 原创发布于运营派,未经许可,禁止转载

题图来自Unsplash,基于 CC0 协议


Recommend

About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK