中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

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。