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?参见【数据分析终极一问:指标波动有多大才算是大?】
▌ 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:
1、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。
2、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:
2、他们中每一位,有什么工作职责? 3、提供什么样数据,能更好帮助他们工作? 4、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。
▌ 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。
▌ 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。
1、按达成时间分:年、季度、月 2、按委任形式分:长期任务/临时任务 3、按服务对象分:自身/其他部门 4、按服务对象分:领导/组长/员工 5、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:
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。
▌ 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)。
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)。
▌ 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):
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。
▌ 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。
1、时政类话题热点转
来源【首席数据官】,更多内容/合作请关注「辉声辉语」公众号,送10G营销资料!
版权声明:本文内容来源互联网整理,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 jkhui22@126.com举报,一经查实,本站将立刻删除。
文章不错交个朋友