数据分析写的运营分析报告，和运营写的数据分析报告，到底有啥区别？这不是个绕口令，而是困扰很多同学的真实问题。特别在很多推崇“数据思维”“科学管理”的公司里。大老板喜欢看报告，下边的人人奋笔疾书，好不壮观。
不用怕，这场面好多年前就出现过。早在2013年，拜《大数据时代》所赐，很多大企业的老板们就开始推崇数据化管理。虽然他们完全不懂hadoop什么的，但是要用数据说话却是共同的目标。于是在销售/营销/运营部门之间掀起了码ppt的新高潮。于是我便有幸见到了以下的搞笑场面：
某大型零售企业经营分析会，各条线领导都在汇报项目效益：
“通过本月促销活动，拉动效益销售:1.5亿，投入产出比1：25”
“会员项目持续推动，本月拉动效益5000万，投入产出比1:15”
“通过主动服务，唤醒沉睡顾客1.2万名，带来效益2000万，投入产出比1:12”
……
各个领导轮番上阵，甩出一堆数字，期待老板首肯。而等大家叽喳完，市场总监拿出计算器敲了敲，笑着说：诸位，如果把你们的效益都加起来，已经快要超过本月总营业收入了。所以我们中出了一个叛徒暗中破坏吗？以后汇报，各自只汇报自己的目标完成率，至于效益交给数据部门统筹分析。
尴尬至极，面面相觑。只有负责数据的领导在偷着乐。会后他绘声绘色的跟我描述了当时的场面，开心的说道：老陈你看，我们的数据产品项目这就算有着落了。只要有老板的信任，推动难度就小很多。而我则牢牢记住了这个场面。虽然已经过去了5年，但是每次谈到“业务部门也会自己做分析，数据部门该怎么办？”的时候，我都会讲给大家听。虽然在别的企业不一定出现这么极端的场面。但是问题是相似的。
核心问题是：业务部门是有自己的屁股的，所以会屁股决定脑袋。虽然写sql，画图标，贴ppt是个客观的行为，但用什么数据，立什么标准，出什么结果却是个主观内容。这就类似为什么在数学之外还要有个统计学。数学是技术，是很科学客观的计算。统计是艺术，统计什么维度，输出什么结论是个很看人的创造力的事。
具体到操作上，单个部门看数据会存在三大问题：
1
局部与整体差异
活动效益，本质上是个“是什么”的问题。上一个活动，发一个推文之后有多少消费转化是个客观数字，但如何认定这个数字就是活动带来的，和参照标准有关。选参照标准有多种办法，单独计算一个活动很容易算清楚（参见下图）
但多活动叠加时，就很难讲的清楚：到底用户花的这1块钱，有几毛是品牌贡献的，有几毛是促销贡献的。所以单独评估的时候，往往业务部门会高估效益，就是因为只站在局部看问题，没有考虑过交叉因素。
用户的1块钱消费，很难拆出来是谁贡献的，但是10亿消费就相对容易。如果站在全局角度，可以看到为了支撑10亿体量的业绩，一共需要投入多少营销预算。营销预算的总量增长是否与业绩增长匹配。整体营销ROI是否在下降。有个整体判断，再看内部结构，就容易看到哪些项目其实与整体关联更大，哪些其实只是锦上添花。这是单个部门看不到的更高一层。
2
理论与实际差异
一类问题，是相当多的活动收益是理论收益，不是实际收益（参见下图，作为顾客，容易看到的是广告和促销，可普通软广与非1对1的促销是很难关联到订单的）理论上客户满意度提高就会消费多，但是并没有直接成交记录支持。
理论上品牌广告打的多效益会好，但是并没有直接成交记录。找个案肯定能找到一些，问题是没有直接交易记录支持，这就是在玩数字游戏。这个问题极大困扰着传统企业的品牌部与营运部，直到抖音爆红，小网红们的带货能力能直接被数据记录，这个问题才得以缓解。
另一类问题，是实际有效益，但没有达到理论最大值。即使每个活动单独看，都有若干种做法可以选择。只要有活动就会有额外的收入增加，但是这种收入增加是有机会成本的，这笔钱如果用其他形式做可能会更好。这就涉及到同一目标下不同类型做法的对比（参见下图，粗看很容易，细看全是戏，那么多个点都可以分析）单个部门往往为了美化当前的活动而人为制造理由，强行优秀。还是那句话，想找数据，怎么都找的到的。
3
短期与长期差异
活动需要有一个较长观察期。比如双十一大促，大家都知道双十一会有促销，就会积压订单，形成所谓凸点效应（江湖俗称一阳指，参见下图）那到底是活动做得好，还是花了更多钱去补贴正常销量？这就得把时间放长来看，是否非正价销售的订单占比提高，是否用户总年消费不变但享受折扣提高。是否越来越多销售堆在促销期完成。这些跟踪不是能立马见效的，需要打用户标签长期观察。
非销售额类的活动效益，需要更长期跟踪。比如一个引流活动，新进的用户质量，需要1-3个月持续观察才能看到。比如新开一个引流渠道，本质运营水平还没有稳定下来，需要观察3-6个月才能评判效果。比如客户满意度提升与客户重复购买间关系，比如客户挽留与客户持续消费间关系。这些都得长期观察：到底钱是白送了，还是真的能延长客户生命周期。
当然，以上这些运营部门自己都能做。因为这些都是人干出来的，只要运营部门肯花时间花精力去找人，取数，拿指标，写ppt，当然可以自己完成全部的分析。
问题在于，运营部门不去写文案，不去设计活动，不去搞社群。销售部门不去跑客户，不去谈合同，不去做拜访。营销部门不去做推广打广告。一个个把精力都耗在跑sql，画图表，整ppt上，这种公司估计也就吃枣药丸了。（不要笑，还真有这种靠天吃饭，靠嘴办公的佛系公司，越是官僚严重的大企业越会这样，反正人家要么是垄断企业，要么是有强力靠山，不怕不怕的）。
4
小结
业务部门当然可以写分析报告。数据分析本身就是一种职场通用能力。但是业务部门的工作内容，岗位职责，身份定位，决定了他们不可能深入、持续、全面的分析问题。这就是为什么小企业只需要一个全栈数据分析师（全称：全战数仓/sql/EXCEl/ppt/调研问卷各领域的打杂师傅）而大企业需要专属的数据部门，因为数据部门才有精力和职责打通各线条数据，设立合理的指标深入分析问题，持续监测数据变动提示风险。
那为什么还有数据分析师被业务部门鄙视没水平呢。因为不懂业务啊……好多数据分析师干了2年了，问起来干的是啥还是一脸懵逼
你们企业到底怎么挣钱的？
服务哪些客户？
提供什么产品？
怎么组织销售渠道？
运营有什么方法手段？
各个部门怎么分工合作？
今年KPI是多少？做的好不好？
细问一下，一概不知……每天对着客流量，转化率，客单价三个数字憋ppt憋得面红耳赤“他怎么就跌了呢？”“他为什么就跌了呢？”这样当然没法在专业性上拼的过业务部门，人家起码看到活生生的顾客嫌弃产品贵，竞争品牌在搞活动等等因素。这就是为什么要把：收集信息摆在第一号能力。因为在企业里没人教是常态，不会收集业务信息就等于两眼一抹黑，完全无法分析问题。更谈不上专业性了。
然而，有些企业就是不重视数据，基层的数据分析师就是坐不上经营分析会的桌，这时候就得有自己收集信息，发掘需求的能力。
