數據分析師,你是被數據驅動還是被老板驅動?
現在,很多公司都在喊“數據驅動”,但是許多打著“數據驅動”標簽的業務或團隊,其實只是由老板驅動,或者由經驗驅動。那么,數據驅動的真實形態到底是什么樣的?如何判斷一個公司是否是真的數據驅動?一起來看看本文的解讀。
在降本增效的大浪潮下,不管是有沒有數據團隊,幾乎每個公司都在喊數據驅動。
然而數據團隊在工作中大部分仍然處于工具人地位,團隊業績好的時候,業務團隊就說:
- 你的建議沒啥用,我們早就這樣干了!
- 業績做得好都是我們的功勞!
- 你們只需要給我們拉數據就好了!
當團隊業績不達標的時候,業務團隊就說:
- 你算的數據目標/指標根本就不合理!
- 按照你的分析建議做的,為啥業績做不好,都是你的鍋!
- 別人家的阿爾法狗子預測的多準,都是你們不專業!
那么,為啥會出現這種情況嗎?說好的數據驅動呢?!
其實,這些都是常態,因為很多業務只是嘴上喊「數據驅動」,給自己團隊打一個專業的標簽罷了。日常工作中,根本不是數據驅動,甚至都不需要數據驅動。
一、幾種“偽數據驅動”的形態
1. 說是數據驅動,實則老板驅動
這類型的特點是,老板說個數,拍個增長率,然后不停的開會:你們要懂數據驅動??!我們這個月月底要干到1000萬!并且十分喜歡《華爾街之狼》之類的電影,經常搞一些所謂“狼性文化”的團建活動。
其實很多這類的公司,在業務上根本不需要所謂的「數據驅動」。大部分類似的公司都是靠老板個人的渠道資源吃飯的。例如:
某公司做大學生技能培訓班,老板是從一個211大學出來創業的,曾經是大學老師。商業模式是寒暑假利用大學校園的教室資源給在校大學生上課,合作的學校有兩三家。請問,這樣的公司業務增長是否依賴數據驅動?
答案是:
當然不依賴!真正依賴的是老板的個人資源。
老板多去喝幾頓酒,多合作幾家院校,把競爭對手都趕出校園。業務的增長比吭哧吭哧分析一堆塊多了。
公司資源在老板手上,老板當然希望底下的人能把他的資源能賺到的錢盡量都賺到。所以非常有動力用「一個很高的目標數據去驅動員工」,然后對著數據團隊說你們怎么不搞數據驅動,怎么天天在取數?
2. 看似數據驅動,實則經驗驅動
這個類型的業務經常會說的話是:
- 這個方案肯定可行,我可是從業20年的大牛,不比你清楚?再回去分析分析!
- 我在xx大廠里肯定都是這么做的,這樣做肯定行!你說不行一定是數據不準!
- 我以前就這么看數據的,這是行業標準,你這個看板做的啥呀,一點都不用戶友好!
從業多年的老油子們習慣了經驗決策,會帶著觀點看數據或者聽報告。只要是跟以前的經驗有出入的,首先就會挑戰:你這個數據準不準啊,你分析的角度行不行啊。
在這種情況下做分析就十分痛苦了,因為建立不起業務信任,除了分析之外,還需要花大量的精力去解決「這個思路或者這個數據是不是對的問題」。
這樣的公司或者業務,基本上都是歷史上有過一次或者多次的驚艷決策,在內部樹立了權威形象。
當數據符合預期時,就會說:大家要按照數據思維去做事情!
當數據不符合預期時,就會說:大家按照我說的做準沒錯!
3. 表面數據驅動,實則利益驅動
這樣的業務特點就更明顯了,一般的時候業務團隊跟數據團隊的溝通很密切,大家如膠似漆,其樂融融。但是基本上分功勞沒數據團隊,背鍋全是數據團隊的——特別是在業績增長的問題身上。
舉個例子:
一個商品的促銷活動——落地頁是產品做的,品類展示是運營做的,電話是銷售打的,整個業務流程看起來跟數據一毛錢關系都沒有。業績好的表彰的都是這些人。
當業績不好的時候,鍋就來了:
- “我們的用戶畫像一點都不好用,高價值用戶還有很多不買單的”
- “我們的AB測試之前就說過有問題,人群根本都不是完全一樣的!”
- “預測做的根本就不準,害我們沒有接住流量!”
只要懟你的部門多了,不是你的問題,也會變成你的問題。
二、數據驅動的真實形態
數據驅動的兩種形式
目前有效的數據驅動模式大致可以分為兩種,分別是:數據團隊驅動和數據流程驅動。
1)數據團隊驅動
這種模式基本上都是先派出分析師深入到業務部門,做業務部門的舔狗,以降低業務部門「挑戰」數據分析的概率,所以也叫做「數據分析師驅動」。
好處是從而自下而上的逐步標準化流程,建立數據認知。
2)數據流程驅動
這種模式需要很強的權力認定,大老板對數據團隊有很高的授權,并且在組織架構的工作流程頂層設計上,會把「看數據說話」這件事情滲透到每一個工作部門里。
這樣做的基底是:
- 有清晰的流程設計,誰都別想甩鍋;
- 有強大的數據產品能力,可以滿足各個層級的數據需求。
三、打工人如何避坑
其實總結下來,在判斷一個公司是否是真的數據驅動,主要看以下三點:
工作流程:通常來講,數據驅動的公司都比較講流程,講道理。如果在前期溝通發現決策的鏈路相對比較完整,不是誰誰誰都可以直接向老板匯報的話,這樣的公司建立數據驅動的可能性會比較高。
數據建設程度:這個很好理解,也很好了解。只需要看日常工作中,大家的數據是從哪里來,用什么處理。如果一個公司內部沒有數據產品,也沒有計劃向外采購,基本上就很難做好數據驅動了。舉個例子,如果所有的元數據都存在某個系統的數據庫里,平時匯報分析又是用excel,打工人進入這樣的公司很容易陷入到無限制的取數當中,成為表哥表姐。
組織架構:數據部門的組織架構如何,很大程度上代表了老板們認為數據部門在業務中的重要程度。上面說的中臺制和業務BP制其實都是比較合理的一種形態,也代表了一定程度上的重視。但是如果是每個業務線單獨配備一個數據人員,沒有人來統籌,又或者是數據部是一個部門跟其他的業務部門是平行的關系。這樣去推動從經驗決策或者利益決策到數據決策,就會十分困難。
但是話又說回來,并不是每一種業務都需要數據決策的。比如一些強資源型的業務,吃政策飯的,像上文說到的大學生培訓項目,又或者是某個地區帶有醫療資源的的私人醫院。數據部門只需要做好日常的支持就可以了,對業務增長沒有什么特別大的幫助。
但同時這樣的業務,數據的薪水也會開的比較低。
那么,什么業務才需要數據驅動決策呢?是一些市場化高,競爭激烈的業務,比如游戲、電商、內容平臺領域。這些領域的毛利本身不是特別高,就更需要通過數據去復盤和迭代策略,以賺取更大的利潤,獲得公司發展。
這樣的業務,給數據團隊的薪水一般比較高,但同時也比較卷。
所以,對于一些希望做或者正在做數據的人來講,是否「數據驅動」代表了數據人員的地位,而所在的業務形態決定了數據人員的薪水增長。
選擇工作時,對自己合適的,才是最好的。
作者:汪浩,公眾號:只說人話的小汪(ID:transform_wh)
本文由@汪浩 原創發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
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
數據很單純,復雜的是人
確實,政策型的行業根據無法做數據分析?,F在一些B端新能源車企做的數據分析項目,一直都是起不來的
思路是有老板帶頭的,首先光靠解決關系信任就要好多精力,所以數據分析就是扯蛋,沒有好的帶頭人很難
是的,老板帶頭一般都是老板說指哪打哪的
我認為大數據主要是用來驗證趨勢,小數據用來洞察分析。如果數據團隊和老板連大趨勢還要依賴大數據分析,那這個數據分析就是扯淡,一直耗死在大數據分析上出不來的