运营都会写分析报告了!数据分析师该怎么办?

tech2022-08-20  124

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。

最新回复(0)