起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識業務部門又來刁難了，數據分析師怎么辦？
本文將深入探討數據分析師在面對“不帶腦子”的隊友時的應對策略，從找到參照物到識別隱藏的剛性目標，提供了一系列實用的解決方案。這不僅是對數據分析職業的深刻洞察，也是對業務與數據分析融合的有益探索。
做數據的同學，各種盤點、總結、回顧類的報告很多，有一類“不帶腦子”的隊友紛紛上線，搞得做數據分析的同學們非常蛋疼。
具體表現嘛，看下圖：
來，我來把那句沒說出的買馬匹替大家說了：做業務、做業務，連自己要做成啥樣都不知道，還做個毛線?。∧X子都去哪里了！不知道早問啊，現在都搞完了，拉了一褲襠了，擦屁股想到老子了……咋整？我們今天詳細整一整。
01 不帶腦子？不是蠢就是壞
為什么會這樣？其一就是：蠢。
很多人干活就是不帶腦子。
確實有很多公司的運營、策劃、產品經理，干活就找模板，想創意就抄競品，其他啥都不會。
你問他為什么干？
他回答：
- 過去是這么干的，今年也這么干
- 我看人家這么干，我也這么干好了
- 老夫從業十年都是這么干，為啥不繼續干
- 這是老板命令的，我也不知道，我也不敢問
至于這么干行不行、會干成啥樣、干不好了還能咋樣，完全沒思考過。
如果業績風調雨順，就你好我好大家好。如果業績不行，就開始怪大環境，怪對手太兇猛，怪公司沒投入，怪領導瞎指揮。最后一句：“這個得用人工智能大數據分析下”，把燙手山芋丟過來了……
還有一類就是：壞。
自己寫目標怕完成不了，于是故意留白，等著“人工智能大數據分析一下”。
剛好新入職的小伙子信了！還真以為人工智能模型能搞掂，兩者一拍即合。
最后的結果：
- 如果分析出來效果特別好，老板質疑！丫就甩鍋給數據分析師，說：我看不懂呀，都是數據分析搞的。
- 如果分析出來效果不好，丫就站出來說：是不是分析得不夠深入，是不是分析得不夠全面，是不是還少了考慮行業、宏觀、用戶等深層次影響？
- 總之你拿回去改，你沒有分析到位！
總之，這些亂七八糟事是我們不想面對的?？扇绻乱阎链?，隊友真的就沒定目標，并且良心沒有大大滴壞啦，想一起補救，咋辦呢？
02 破局關鍵：找參照物
想事后補救，最關鍵的是：找參照物。
在事后補一個評價標準。這樣做頗有：“先射箭再畫靶子”的味道，是非常不科學的。但是總好過沒有評價標準。因為如果沒有評價標準，單純地計算活動中業績、用戶、銷量等數據，會引發一系列的問題：
你看，完全扯不清楚。
這還是業績類活動。如果是任務類的，比如增加用戶量、清庫存之類，就更扯不清了。到底增加多少用戶才滿意？增長上限是什么？這一炮把錢都花了剩下幾個月咋辦？清庫存反正都要清啊，憑什么說你活動做得好？一件都交代不清楚。
所以切記切記：先找參照物，評定對錯好壞，再分析為什么會好/為什么會壞，有多少改善空間。這樣做最清晰，最有效率，能減少很多毫無意義的扯皮。
03 隱藏的剛性目標
本篇例子是促銷活動，從邏輯上講，促銷活動是一定會拉動銷量的，畢竟是砸了真金白銀的。問題的關鍵是：增加的銷量對不對得起投入的成本。
這也意味著，促銷活動都是隱含了剛性目標的：
- 銷售額比沒促銷漲
- 活動期收入+活動成本，大于活動銷量增長
具體例子看下圖
如果做了活動反而比沒做還差！活動參與的人壓根沒幾個！那做的是個屁呀。多明顯的問題。
BUT，一般這時候，業務部門會跑出來強行洗地：“做了活動更差，是因為不做活動會更更更差”。這種洗地是毫無節操的，典型的做爛了還不認的行為，你咋不說你不做活動地球就爆炸呢。
這時分兩種情況。
如果是上圖1走勢，業績雖然持續下滑，但是跌得輕了，這時候還能洗洗地。
如果是上圖2走勢，正常周期波動，丫做了活動業績反而跌了，那就是活動做爛了，洗都沒得洗。
這時候送給業務方的就八個字：下跪認錯，低頭挨打。
04 其他事后補目標的方法
當然，大部分促銷活動，丟錢下去，還是能見到一點水花的，業績、用戶等等指標還是在漲的。這時候可以用其他方法，事后補個目標。
具體的，要看過往活動的開展情況和活動形式。
情況一：過往沒有活動
常見于首次進行活動，或過去很長一段時間內沒有活動，這時候可以選一個同活動時間一樣長的時間段，做參照物，看看活動整體上拉升多少。再拆開看參與活動的各地區，各用戶群體差異。
這樣做，背后的業務含義是：我們拿整體水平做標桿，看怎么改進做比整體水平低的。
通過這種對比，就能暴露活動內能優化的點。
同時，既然是首次做，就把本次整體水平保留下來，作為以后的標桿，下次就不糾結了。
情況二：過往沒有活動，且周期性波動
在情況一基礎上，如果活動影響的業務，本身有周期性波動（如上圖所示），那活動有可能有水漲船高的效果，這時可以根據上一周期增長量做自然增長，扣除這一部分后再做評價。
情況三：過往有活動，且僅有單一活動
這時候可以拿上次活動作為參照物，先計算活動投入產出比和帶來總效果。結合這兩個指標可以判斷：繼續做活動是虧是賺，活動影響力極限能去到哪里。這樣能對活動做個定性：越做越好/越做越差。有個這個判斷，后續再看具體細節怎么改善，也有了參照物，可以細致分析。
情況四：過往有活動，且多活動疊加
這時候很難算清楚每個活動的貢獻（也正因為此，很多業務方放棄了設目標，可回頭又要單獨評估，糟心），最好的處理方法是：先看整體的投入產出，定個大基調：本期內活動組合效果高/低。有了這個基調，后續就能做結構分析，看看每個小活動單獨影響面，從而判斷對于眾多子活動到底是增還是刪。（如下圖）
05 根本杜絕事后補救的辦法
吐槽歸吐槽，可能有的業務部門真的不會定目標……這時候就得認真教他們。
從本質上看，業績是做出來的，不是算出來。事前定目標只是為了更好激勵自己行動，促成更好效果。真正需要復雜分析的是事后的總結，所以業務部門的完全沒必要在這里背很大心理壓力。
話說回來，真業績做不好，還不是自己挨板子，何苦呢。
06 一個特別提醒的問題
有一類目標要特別小心，叫“滿意度”。
一般像用戶數，付費用戶數，銷售額，銷售收入，這些指標都是系統記錄的，含義很清晰，拿來當目標是完全沒問題的。但是“滿意度”這種無法直接記錄、含義不清晰的玩意，要特別小心。
首先，什么叫滿意度很難扯清楚。
5星好評的算滿意？那我花10元優惠券買來的好評算不算滿意？先給5星又來投訴的算不算滿意？不留言的算不算滿意？
其次，滿意度很難用系統數據量化。沉默大多數問題，導致系統只能記錄到投訴、差評這種極端情況，大部分用戶沒有可靠的系統數據。用抽樣問卷，那數據質量你懂的……
再次，滿意度和銷售收入、用戶量這種終極目標沒啥直接關系。越罵越火這種事在很多行業都司空見慣了。
這種定義不清、數據質量不穩定、容易被操控的指標還有很多，類似：NPS、品牌影響力、品牌美譽度、市場占有率（因為行業數據要第三方提供，第三方你懂的）等，事前不談清楚口徑，事后又是無休無止扯皮的地方。偏偏業務方特別喜歡寫這些話“拉動新用戶注冊，提升品牌影響力”……這就是站著說話不腰疼了。建議有類似需求的，讓他們找管市場調查的同事或者找第三方去搞，我們不蹚這趟渾水。
07 終極解決方案
最終極的辦法，當然是數據分析師參與到策劃過程中去，一開始就給一些專業指導，幫助大家理清思路。并且還能把過去一些失敗項目的數據情況分享出來，提升策劃質量。
如果有機會參會的話，大家可以按以下話術，確認活動信息。
如果業務方說：沒有設參照組，沒有設參照期，該怎么設來問數據分析師，這樣最好不過了！
我們可以結合實際情況提供專業意見，省得麻煩。
本文由人人都是產品經理作者【接地氣的陳老師】，微信公眾號：【接地氣的陳老師】，原創/授權 發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自 Pixabay，基于 CC0 協議。
牛逼啊，為啥這么牛逼
確實誒，滿意度是一個很難說清楚的東西，現在滿意度，或者說五星好評可以通過優惠券或小額返現獲得，所以在我看來滿意度失去了一個參考價值。