落地思維 | 數據分析師的目標管理

1 評論 3846 瀏覽 18 收藏 13 分鐘

編輯導語:在以終為始的內容中,目標舉足輕重,但是在實踐過程中,或許還會力不從心:目標要怎么定?什么樣的目標才有價值?在大大小小的分析事務中,如何管理眾多的目標?本文將圍繞這些問題,聊聊數據分析師的目標管理該如何做。

通常來說,數據分析項目的起點是業務需求;按以終為始的落地思維,f分析項目過程需要圍繞著業務目標開展,但是業務需求做不做?如果要做的話,需要做到什么程度?需要對其背后的業務價值進行思考。因此,為了討論清楚目標管理,需要探清其上下游:需求管理(what,解決做什么的問題)-目標管理(how,解決怎么做的問題)-價值管理(why,解決做到什么程度的問題)。

一、需求管理

數據分析師會遇到大大小小的許多分析需求,在對它們進行管理之前,需要先知道有哪些需求:

  • 按時效性區分,可以把業務需求劃分為臨時需求(例如取數、統計指標)、專項需求(例如活動效果分析、人群運營策略)、與長期需求(例如指標體系、日常運營監控、甚至是數據產品需求)。
  • 按輸出形態區分,可以把業務需求劃分為PPT報告(例如針對活動的分析報告)、Excel表格數據(例如從數據庫提數、聚合后的報表)、BI報表(例如BI系統中的實時報表)、REST接口(例如模型以接口形式落地,供前端調用)。

做需求管理,最理想的狀態就是在拿到需求后能迅速識別分析項目的風險、影響、難點:

  • 風險,更多指的是無法落地的項目,可能多是出自于領導“偉大的構思”,最終不了了之。
  • 影響,分析結果的影響什么及程度多大?是僅僅給業務瞅一眼,還是會根據分析結論調整產品功能?
  • 難點,對風險低、高影響的分析需求,是否具備可行性?

不論是老鳥還是新手,分析師起碼能對以上三方面有初步的判斷,接下來還需結合優先級思維做決策。

1. 優先級思維

數據分析實踐中,面對業務需求,很少場景能讓分析師決定做不做,因此,面對眾多的需求,更重要的是如何分配優先級,同時,這也是重要的落地思維之一。基于重要緊急模型,可以把需求分為重要緊急、重要不緊急、緊急不重要、不重要不緊急。雖然說需求的判斷力依賴沉淀的經驗,但是可以大體分為以下幾個維度的思考:

  1. 交付日期Deadline 主要是幫助判斷需求的“緊急與否”維度。
  2. 重要性如何判斷需求的重要性?某個事物的重要性在于它對其他事物的影響,也就是要回歸到業務場景來看當前需求在業務流程里的作用。同時,也可以反向思考它的必要性:如果不做這個需求會怎么樣?
  3. 需求方在經營管理中,強調“以客戶為中心”,作為數據分析師,需要思考我們的客戶是誰?部門領導、業務部門、產品經理等。需求方來自哪個客戶,實際上也是對需求重要性的加權:
  • 直接上級:從考核指標來說,這類需求的權重最大
  • 項目相關業務方:除了領導交代的任務外,分析師所在的項目在不同階段都有不同的需求, 因為項目的成敗關系自身的考核,所以這些需求也同樣擁有較高權重
  • 非直屬的業務領導:一些扁平化管理、管理靈活的組織存在跨部門協作,因此會有來自其它部門的領導的需求,雖然它們往往和自身考核關聯不大,但由于存在職位權力,可以賦予一般的權重
  • 無項目相關的業務方:除以上的需求方,其余的業務方的需求,就顯得不那么重要。什么是業務方?我想是那些與自身的考核方向、項目外延相關的。雖然這類需求很多時候與自己無關,但是從維護職場關系的層面來說,可以以“安排排期”的形式來承接
  • 其它職能部門需求(非業務方):剩余的需求方恐怕除了是同事外就沒有什么關系,這類需求往往就是同事個人想請求分析師的協助。建議直接拒絕,省點力氣建設自己。

至此,通過需求管理,我們解決了需求做不做、何時做的問題,接下來需要借助目標管理來指導如何做。

二、目標管理

項目管理,實際上就是在做目標管理:制定項目最終的落地目標,按以終為始的思維倒推到當前節點,把過程拆解成里程碑階段性目標,而甘特圖上每個流程節點都有輸出交付的小目標。

落地思維 | 數據分析師的目標管理

有了目標之后,在開展分析工作的過程中,尤其是在最后給業務建議的環節,都需要評估當前的工作是否在為目標服務。

制定一個落地的目標可以借助SMART工具。

落地思維 | 數據分析師的目標管理

前面在講需求管理時,提到對需求風險的評估,也就是項目能否落地?這一點就可以借助Smart原則來對需求的完整性來做判斷。

假設領導夜間在朋友圈看了一個推文打滿雞血,轉發給你說要做。與領導溝通后,如果需求對應的目標仍是缺少了SMART原則中的其中一項,還能通過調整目標來實現,風險可控;但是一旦缺少了兩項及以上,項目落地風險就劇增,例如缺少了 R 和 A,說明這是一項全新的業務,現有資源無法支持,需要拉長戰線持續投入,此時項目充滿的是未知數,自然就談不上落地;更不用說缺少了SMART原則中三項及以上的要素,一旦遇到則要及時“把夢想扼殺在搖籃里”。

三、價值管理

落地思維有一個重要的內容,就是對“程度”的思考:從輸出形態的角度,對同樣一件事,是給數據結論就可以了,還是說要做成分析報告?是給數據報表就可以了,還是說要做成BI在線報表?做得越深的事情意味著需要付出更多的精力,這同時也需要有更高的價值支撐。

并不是說所有事都值得all in。這里強調的是對需求交付目標的把控需要和價值匹配:

  • 避免用力過度:業務只需要臨時看一眼指標,竟然收到一份完整的分析報告;
  • 避免不及預期:業務期望從分析師結論建議中找到功能迭代的方向,卻只收到一份結果數據的呈現報表。

具體如何做呢?可以從數據分析師自身價值,和分析項目價值兩個方向出發考慮。

1)數據分析師的價值

這件事中數據分析師自身的發展是否有價值?例如分析師剛開始學習SQL,缺少了實際的工作場景,此時產品部門提需求做較為復雜的存銷分析報表,盡管此項工作并非考核內容,但是可以幫助分析師實踐、強化SQL能力,那就值得去做

2)分析項目的價值

目標的設定除了要符合SMART原則外,還要緊貼項目的最終落地價值。

例如電商業務中,探索人貨場打通的策略,老板說這次項目是要擴大目標人群的規模。此時,如果只是圍繞這個目標去擴大人群,最終容易陷入價值困境,因為如果擴大的人群不能帶來轉化就沒有價值。

所以基于老板告知的目標,考慮其最終的價值落地在于人群轉化的產出業績。在實踐中,應該先打造高轉化率的典型場景,再基于此擴大人群,此時,隨著人群的擴大,轉化率會有下降,但是能確保一個基準。反之,如果先擴大人群再考慮轉化率的問題,落地難度很高。

完整的價值管理應該包括:

  1. 價值判斷。思考分析需求背后的業務價值點,以及設定的項目目標、里程碑目標是否緊貼落地價值;
  2. 預期管理。最好能讓團隊成員(或者是需求方、業務方)對需求、甚至是項目的目標及背后的價值達成共識。尤其是對領導給的風險較大的分析項目,及時向上管理對齊預期,減少不必要的效率浪費;
  3. 價值落地。完成項目分析的最后一公里,通過策略建議、BI報表等所見即所得的形式落地;
  4. 價值升級。能落地的價值證明分析師已經滿足了這個層次的要求,接下來可以持續上揚,而這可以借助工具PDCA循環來實現。

PDCA循環是項目質量管理工具,它把項目工作分為Plan(計劃)、Do(執行)、Check(檢查)、Action(處理),簡單來說就是不斷得復盤、調整。在實踐中,PDCA循環的魔力在于每一次項目之間,通過標準化沉淀經驗,持續釋放數據分析價值。

落地思維 | 數據分析師的目標管理

PDCA循環強調的是做價值升級,具體體現在對需求的主動升級上:臨時取數 → 統計指標 → 指標體系 → 專項分析 → 產品落地。

例如臨時取數的需求沒有價值可以言,但是在取數交付時可以與業務溝通是在做什么統計,分析師可以以更專業的視角來幫助統計指標。通過不斷的主動升級,將數據分析價值在業務流程中落地,實現變革提效。

 

本文由 @餅干哥哥 原創發布于人人都是產品經理。未經作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 講得很有道理的樣子

    來自浙江 回復