編輯導語：如今隨著互聯網不斷發(fā)展，各產品的數據體量都變得很大，數據分析體系就發(fā)揮了巨大的作用；搭建一個完整有效的數據分析體系，可以提高你的工作效率以及準確度；本文作者分享了關于數據分析體系的解釋和搭建方法，我們一起來看一下。

有同學問：經常聽到“搭建運營分析體系、搭建業(yè)績監(jiān)控體系、搭建商品分析體系”等等要求?？傻降讛祿治鲶w系是什么？似乎經?？吹降?，只有AARRR五個字母，又語焉不詳，到底怎樣才算是建了個體系？今天我們系統(tǒng)解答一下。

搭建數據分析體系，是從初級數據分析向高級發(fā)展的必備一環(huán)，留心看哦。

一、搭建數據分析體系的常見錯誤

1. 羅列指標，沒有重點

很多文章一講數據分析體系，就鋪陳了大量指標。先看哪個，后看哪個，根本沒說明；光把幾百個指標理解一遍都要半天，業(yè)務啥也不用干了，每天就在這瞅數好了。

2. 陷入細節(jié)，沒有目標

很多同學習慣性列了指標，就開始按時間、渠道、區(qū)域、用戶等級拆分，拆來拆去，標出一堆漲了跌了，問題是沒個具體標準。

每天糾結：1%的變化到底是不是問題？百分之幾是問題？

3. 不分職責，貪大求全

很多文章一列標題就是《電商指標體系》《運營指標體系》甚至是《互聯網指標體系》，可實際上像BATT，一個公司十幾個BU幾十條業(yè)務線，都看一套指標？單純運營就分：用戶、產品、數據、新媒體、社群、活動、商品、渠道……幾十種運營，也看一套指標？這些大而全的總結，總是看似有理，實際不好用。

最終導致的惡果，就是自嗨型數據報表?？此屏_列幾百指標，拆分數十維度，每天更新累得夯吃夯吃，可一看，報表打開率不到10%。運營、產品、銷售們遇到問題，還是提臨時取數單，每天光跑臨時取數就跑到斷手指……

二、什么是數據分析體系

如字面意思，數據分析體系包含兩點：

• 數據分析：意味著不能光羅列數據，而是要對數據做解讀，解釋數據背后的業(yè)務含義，找到對業(yè)務有用的點。
• 體系：意味著不能毫無邏輯的鋪陳數據，而是有節(jié)奏、有主次、有順序地展現數據；這樣才能更有效率地支持業(yè)務，而不是埋沒在無窮無盡的碼sql里，也能更好地積累分析經驗。

把數據報表、專題報表串起來，有層次地展現，應用到業(yè)務中，才是真數據分析體系。

三、搭建數據分析體系的基本思路

數據分析本質是為業(yè)務服務的，盡可能多地幫助業(yè)務工作，少浪費業(yè)務時間，才是服務宗旨。

所以，在搭建數據分析體系時，要先問自己：

• 我在為誰們服務？
• 他們中每一位，有什么工作職責？
• 提供什么樣數據，能更好幫助他們工作？
• 在什么時間提供幫助，能更少干擾他們？

這就是搭建數據分析體系的基本思路。

1. 第一步：認準服務對象

企業(yè)有部門分工，因此第一步要認準：我在為哪個部門服務，這非常關鍵！因為即使同一個問題，不同部門的關注點會不同——同樣是銷售問題，如果是銷售部看，關注的是每一支銷售隊伍完成率、進度、質量；如果是供應鏈看，那關注的就是總量、各產品數量、需求高峰期；如果是風控看，那關注的就是回款、壞賬、套利。認清部門，有利于了解真正需求點。

其次，部門內有職級高低，要具體區(qū)分：誰需要看報表，他的責任與關注點是什么。同樣是銷售，部門領導關注的是下屬隊伍的排兵布陣，重點在什么區(qū)域，主打什么產品；每一個銷售人員，關注的是要跟進哪個客人、跟進哪一步、見人說什么。一般來說，越是管理層就越關注策略問題，越是基層就越關注執(zhí)行問題。參見【十張圖，數據分析如何賦能銷售】

即使有些看起來一個人也能辦的事，在企業(yè)里也有分工合作；比如公眾號發(fā)文章，似乎一個人就能寫，可在企業(yè)場景里，人家有專業(yè)的名字叫：新媒體運營，也有細致的工作分工。

2. 第二步：明確工作目標

清晰了人以后，要認清每個人的工作目標，量化目標，是數據分析的靈魂；后續(xù)評價工作的好壞，判斷業(yè)務走勢正常還是異常，探索解決問題的辦法，都是從計算目標和現狀的差距開始的；這一點非常非常重要。很多做數據的同學陷入細節(jié)，做的報表看不出所以然，都是因為壓根不知道到底數值是幾才算好導致的。

業(yè)務目標并不都是“1個億小目標”這種簡單粗暴的形式。細分之下，可以有多種類型，比如常見的：

• 按達成時間分：年、季度、月
• 按委任形式分：長期任務/臨時任務
• 按服務對象分：自身/其他部門
• 按服務對象分：領導/組長/員工
• 按流程位置分：結果型目標/過程型目標

繼續(xù)拿新媒體運營舉例，一個小組，可能同時背著多個目標：

注意：不同目標之前有邏輯關系；比如年度的漲粉任務，可能由促銷活動漲粉、裂變漲粉、爆款文案漲粉、自然增長多種形式組成，一個大目標對應多個小目標；把各種目標按大小歸屬、時間順序梳理清楚，就有了分析體系的基礎框架。

后續(xù)，我們可以跟著這個框架來跟蹤目標完成情況，診斷運營效果，這就推進到了下一步。

3. 第三步：跟蹤業(yè)務走勢

有了清晰的責任人、目標，就可以跟蹤業(yè)務走勢。在跟蹤的時候，首先關注的是：目標達成情況；對于目標達成率監(jiān)督，涉及到后續(xù)一系列行動判斷，遇事先判斷輕重緩急，再看細節(jié)（如下圖）。

需要注意：不同等級的人，關注重點不同，還拿新媒體舉例子，具體負責內容的小哥，可能要對每一篇稿子負責；負責投放的小哥，要對每一次投放效果負責；單次執(zhí)行不好，就得進行復盤，總結問題。但作為運營組的組長，可能更關注整體KPI達成情況，一篇文章不行，只要從其他文章能補回來就行。

很多基于傳統(tǒng)企業(yè)場景的數據分析體系，寫到這就結束了。請注意，做到這一步只能算完成了“數據監(jiān)督體系”的建設；因為僅僅看目標數量和完成率，是知其然、不知其所以然的狀態(tài)。我們并不能回答“為什么做得不好？該改善什么？”這種問題；想要回答得更細，就得深入到業(yè)務過程中，了解具體行動。（傳統(tǒng)企業(yè)停在這里，更多是傳統(tǒng)的門店、業(yè)務員銷售模式缺少數據記錄，不代表不想深入做）。

4. 第四步：了解業(yè)務行動

想要改善一個業(yè)務，就必須了解這個業(yè)務，大部分的業(yè)務比我們想象得要復雜；比如新媒體運營，不做的同學可能想當然地認為：不就是寫個文章嗎？我看閱讀數、轉發(fā)數這些數據不就好了……可實際上，細看之下，一篇文章可能有很多業(yè)務細節(jié)（如下圖）：

了解業(yè)務行動，分解業(yè)務細節(jié)，是為了“找到數據可以幫助的點”；數據不是萬能的，比如一個新媒體小哥寫文章，數據不能只告訴他怎么寫。

但是具體到業(yè)務細節(jié)，數據可以提供很多參考，如下圖所示：

這一步，是提升數據分析質量的關鍵。拆解業(yè)務行動，找到數據的幫助點，我們就能在跟蹤進度的時候，進一步分析問題，這就推動到了一下步。

5. 第五步：復盤行動結果

對業(yè)務行動細節(jié)很了解，就能復盤行動結果，總結經驗；數據的優(yōu)勢，不是直接生產出超人的創(chuàng)意，而是事后總結出普遍的經驗；優(yōu)秀的業(yè)務能力永遠是稀缺資源，是不可復制的，但通過數據分析復盤，可以把明顯的作死行為總結出來，避免普通人犯錯。

就像寫文案，指望每個創(chuàng)作者都成為半佛仙人這種圣手是不可能的，但是能總結出：

• 時政類話題熱點轉化率低于情感類50%，不用來做轉化；
• 周四、周六推送閱讀低于其他時間40%，不做推送；
• 鏈接跳轉超過3步，轉化率下降30%，控制篇幅…

有分析結論，就已經能幫助運營規(guī)避大量坑點。即使偶爾采坑失敗，也敗得明白：“沒辦法了，必須這個點發(fā)文，虧一點閱讀就虧一點”。做業(yè)務從來不怕失敗，怕的是敗得不明不白。如果能長期積累，業(yè)務方經驗越來越豐富，遇到問題的思路也越來越清晰了，就真正發(fā)揮了數據的作用。但是，問題不是一成不變的，因此數據分析體系也要不斷迭代升級。

四、數據分析體系迭代升級

牢記這個標準：堅守目標，迭代方法，積累經驗。這是數據分析體系建設的基本方法，底線，也是最高要求。

在這個原則下，數據分析體系迭代升級路線如下圖所示：

• 設定目標后，分月、周、日報表，跟蹤目標完成率。
• 在目標達成出現問題時，先判定輕重緩急，再看細節(jié)。
• 針對重點問題，提供臨時性支持，探索原因，解決問題。
• 根據經驗指導后續(xù)工作，沉淀有效方法，指導以后目標制定

這樣的體系運作，業(yè)務部門也很輕松：平時只要看幾個核心KPI達成率即可，平安無事就不用擔心，趨勢向壞的時候能及時收到預警。

想要思路，也能有足夠素材用，使用體驗非常爽；而數據分析師本身，固定KPI、業(yè)務支持做成數據產品，個案分析做專題。產品和專題做多了，也好體現個人成績；總比無休無止寫sql，寫了也不知道干啥去了強得多。

五、小結

建設數據分析體系，本質是個“從業(yè)務中來，到業(yè)務中去”的事，需要大家多在內部花心思。

然而，很多新手太過糾結理論、方法、模型，忽視、無視、輕視業(yè)務；覺得別人的工作沒技術含量，“不就是發(fā)個文章”“不就是忽悠客戶”，只有自己的算法才是真牛逼無雙。

遇到問題，不會細致地和業(yè)務溝通，只會上各個數據分析微信群問：“有沒有XX指標體系啊，最好是權威、標準、BAT認定版的”；這就南轅北轍了，最后只會換來一句：你這不符合我們公司情況啊。

好的數據分析師，要像眼科醫(yī)生一樣；配眼鏡可能有很多專業(yè)的方法，有很多專業(yè)的工具，可在配的過程中，卻醫(yī)生糾結的不是自己的理論，而是關注用戶看得清不清楚，不斷問用戶“這樣可以嗎？這樣更清楚嗎？再這樣試試呢？”

用專業(yè)的方法服務個性化需求，這才是專業(yè)的人干的事。與大家共勉。

#專欄作家#

接地氣的陳老師，微信公眾號：接地氣學堂，人人都是產品經理專欄作家。資深咨詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業(yè)有豐富數據相關經驗。

本文原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議。