完整数据分析体系概述

这篇具有很好参考价值的文章主要介绍了完整数据分析体系概述。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、建设的出发点

满足业务需求,是建设数据分析体系的出发点,也是最终目的和最高要求。要注意的是,“业务需求”并没有统一的标准。不同部门,不同身份的人,需求是不一样的。从大的方面看,可以分作三个层级:

1、战略级:能决定公司整体方向的高级管理层

2、战术级:决定一个具体职能工作的管理层(销售、运营、产品、售后……)

3、战斗级:没有决定权,只有执行权的一线部门(业务员/客服/审核员/仓管员……)

这三类人,需要的数据类型,数据时效性,数据应用方向是完全不同的。因此需要分别满足需求(如下图)。

完整数据分析体系概述

二、服务于战略的数据分析

在整个体系中,经营分析是直接服务于战略级决策的。在最高管理层做决策的时候,更聚焦于宏观的问题,比如整体目标达成,外部环境变化,内部举措效果。而不是陷在琐碎的业务细节里。

因此,在做经营分析的时候,要:

1、在经营目标,转化为可量化的指标

2、监控目标达成进度,发现过程中的问题

3、感知外部环境变化,预警潜在宏观问题

4、量化评估各项业务活动对目标的作用

5、考核各项业务活动效益,提出方向性指导

注意:对经营成果的核算是非常复杂和麻烦的。很多经营举措都是跨数周、数月,涉及众多部门和工作。有些基础研发、生产线更新、基建投资更是跨数年。因此经营分析的频率一般不会很高,一般是以月为单位进行。

在经营分析层面做出的决断,往往是方向性的,比如:

1、坚持原定计划还是做调整?

2、销售/运营/产品/营销……谁打主力,谁当辅助?

3、追加投入还是更换方法?

这些决断直接影响到战术级设计。至于具体怎么设计,则要靠战术级的分析来支持。

完整数据分析体系概述

三、服务于战术的数据分析

战术级的分析是具体到每个职能部门的。比如:

销售部门:销售业绩分析、销售渠道、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

这些战术级分析的具体内容,常常五花八门,但是核心思路是一致的:

1、策略制定:从众多的战术中,选择一个可以达成目标的

2、监控进度:监控战术落地进度,发现问题,调整战术设计

3、复盘效果:复盘是否达成目标,积累经验,解决问题

完整数据分析体系概述

具体的细节太多太多,就不一一举例了。有兴趣的同学可以翻看之前分享的运营、产品分析方法。实际上,大部分做数据分析的同学,最常接触的是这一层的分析。最终输出物也是日常监控报表+专题分析报告。

四、服务于战斗的数据分析

严格地来说,战斗级需要的不是数据分析,而是数据。一线工作那么忙,没人有空坐下来细细听报告,能看到数据,就已经足够行动了。比如

一线销售:看到今日业绩目标,今日已完成业绩,待跟进客户名单

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、在途商品数,预计达到商品数,预计出库商品数

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。比如给销售的,不光有个待跟进客户名单,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。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。这些工具要比啰里啰嗦分析报告管用得多(如下图)

完整数据分析体系概述

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。

看到这里,肯定有同学好奇:老师,我的公司规模没那么大,数据也没那么多,怎么能做的体系化一点呢?这里是有方法的。

五、中小企业,怎么从0到1

初创型的企业肯定没精力搞这么大套数据体系。对初创型企业来说,尽快找到能盈利的MVP才是关键,之后不断的扩大投入,增强收入能力。因此对初创型企业而言,一般精力都放在销售数据/推广数据/渠道数据上,把战术级的分析做好。

对于有一定规模的企业,最重要的反而不是搞各种分析报表(一般该有的也都有了)也不是搞复杂的分析报告。而是加强基础建设,补齐初创期突飞猛进,留下的短板。比如:

1、商品编码体系,商品分级分类标签

2、活动编码体系,活动物料编码体系、优惠券体系

3、财务系统与业务系统打通,财务数据与业务数据对应

这些可能不仅仅设计数据库设计,有可能旧的交易系统、物流系统、费控系统都需要升级,业务流程也要规范,因此是个很庞大的工程。但是如果不迈过这一关,还是在旧基础上继续苟且,就会发现,规模越大,内部系统越乱,数据越复杂,新旧数据越对不上,越往后越难。

在2023年,陈老师经历了若干个营业额30-100亿的中等企业数字化建议,无一例外的有基建薄弱+好大喜功的问题。往往是最基础的商品数据、活动数据、渠道数据都没有建设很好,反而急着上CDP,急着在APP/H5搞算法,急着搞全链路埋点。结果自然是:在烂泥地里建摩天大楼……各种纠结蛋疼,不在话下。

六、问题的背后

以上种种问题,但凡置身其中,都会感受明显。然而为啥没人解决呢?

  • 可能是业务部门自大且强势,不想让数据参与,只让供excel表

  • 可能是技术部门老大想升官,做基建不够显眼,必须上新东西

  • 可能是公司老板压根没见识,吃行业红利发财,缺少基础认知

这些都有可能让数据停在原始阶段。然后又寄希望于一个神通广大的数据分析师能搞掂所有问题,他们还会殷切地拉着你的手说:“我们公司的数据很大,都在那呢,就差个高手来分析了……”

所以如果做分析的同学们遭遇:

  • 东干一块,西干一块

  • 只写sql整理excel

  • 被业务嫌弃没深度文章来源地址https://www.toymoban.com/news/detail-428378.html

到了这里,关于完整数据分析体系概述的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数据分析-关于指标和指标体系

         

    2024年02月14日
    浏览(37)
  • 数据分析讲课笔记01:数据分析概述

    理解数据分析背景 :学生将能够阐述大数据时代对数据分析的影响,以及数据分析在商业决策、科研发现、产品优化等方面的重要作用。 掌握数据分析基本概念与分类 :学生应能清晰定义数据分析的概念,并能区分描述性数据分析(用于总结和解释数据集的特征)、探索性

    2024年02月01日
    浏览(53)
  • 超详细的APP数据指标体系分析

    为什么要做APP数据分析 (一)搭建数据运营分析框架 一个APP的构建与运营工作通常由多个角色分工实现,由于大家的工作重点不同,仅关注一个方面的数据就如同管中窥豹,无法全面了解产品运营情况,不能提出行之有效的分析建议。 因此,只有搭建完善的数据运营分析框

    2024年02月12日
    浏览(45)
  • 数据分析概述

    数据 :就是描述事物的符号,是对客观事物的性质、 状态和相互关系等进行记载的物理符号或者是这些物理符号的组合。 在计算机系统中 :各种文字、字母、数字符号的组合,图形、图像、视频、音频等统称为数据,数据经过加工后就成为了信息。 在现实世界中 :天气预

    2024年02月07日
    浏览(31)
  • 分布式数据存储建设方法论——从HDFS架构优化与实践分析

    作者:禅与计算机程序设计艺术 随着互联网、云计算、大数据等新一代信息技术的出现和普及,数据量的激增、数据安全性的需求以及数据的分布式储存需求日益成为各大公司和组织面临的难题。传统的单体架构模式已经无法应付如此复杂的业务场景,因此,分布式数据存储

    2024年02月11日
    浏览(59)
  • 讲课笔记01:数据分析概述

    2023年06月20日
    浏览(45)
  • 大数据---聚类分析概述及聚类评估

    是把数据对象集合按照相似性划分成多个子集的过程。 每个子集是一个簇(cluster),分类的最终效果:使得簇中的对象彼此相似,但与其他簇中的对象相异。 聚类是无监督学习,因为给的数据没有类标号信息。 分类 有监督学习; 通过带标签的样本进行学习,生成分类模型

    2024年02月03日
    浏览(42)
  • python 数据分析可视化实战 超全 附完整代码数据

    代码+数据:https://download.csdn.net/download/qq_38735017/87379914 1.1.1 异常值检测 ①将支付时间转为标准时间的过程中发生错误,经排查错误数据为‘2017/2/29’,后将其修改为‘2017/2/27’。 ②经检测发现部分订单应付金额与实付金额都为0,抹去这部分异常数据。 ③在检测过程中发现部

    2024年02月02日
    浏览(37)
  • Python数据分析与可视化概述(内容全面 附PPT)

    需要PPT请点赞关注收藏后评论区留言私信~~~ 下面先举几个数据可视化的案例       数据:是指对客观事件进行记录并可以鉴别的符号,是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。它是可识别的、抽象的符号 数据是信息的表现形式

    2024年02月04日
    浏览(44)
  • 智能建筑中的大数据分析:概述,应用,安全和隐私问题

    作者:禅与计算机程序设计艺术 近年来,智能建筑、智慧城市等新兴的概念层出不穷,人们对智能建筑、智慧城市追求的是从根本上解决环境问题、提升社会生活品质、实现经济社会效益的目标。智能建筑可谓是国际化进程中最具代表性的新兴产业领域之一。智能建筑即“未

    2024年02月15日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包