什么样的数据分析最有用？

有同学问：老师，我们领导总说，要做有用的数据分析。可我费废了很大力气，做出来的却被嫌弃：“我早知道了”、“没啥用”。到底要怎么才有用呢？

这个问题很常见，我们今天系统解答一下。就拿一个很常见的问题“业绩下滑了，分析下怎么做才能达标？”来举个例子：

  1   

没用的分析有这三个特征

▌ 1、就数论数。最常见的，就是列一条公式：业绩=用户数*转化率*客单价。然后发现，业绩下滑是因为转化率下跌了。于是便在分析报告上写下苍劲有力的几个大字：转率低了，要搞高！……这种分析肯定没啥用啊，一线看到铁定骂人啊。一线的又不是瞎子，转化率低了意味着产品很难卖，是个人都看到了啊，还用分析？

▌ 2、不管数据。最常见的，就是在分析结论里写下：要做促销活动拉动转化率，比如下单满50立减10元。……这种分析业务看了也会骂娘：说的都是废话。为什么是满减不是买赠？满50减10元要补贴多少费用？你算过账吗，就在这瞎议论？

▌ 3、高大上全。在分析报告里写上，我们一要提高品牌，二要提高服务，三要加强产品，四要降低价格，五要提升品质……这种分析，压根没人看。私下里都在嘲笑：他以为他是谁啊，指挥这个指挥那个。

  2   

做有用的分析从摆正定位开始

数据分析和业务，最好的相处就是：高德地图和司机的关系。高德地图不能帮司机捏方向盘，但没有一个司机觉得它没用，导航确实很好使。不干涉业务部门的决策，同时为决策提供丰富的信息支持，这就是最好的状态。

要如何做到？当然还是学高德地图。导航看似简单，可细究起来还是有很多细节的，如下图所示：

业绩下滑了，分析下怎么做才能达标？这个需求看似清晰，实则含糊。既然想让分析有用，那就得备齐基本要素。最最最基础的，是先把话讲完整：

▌ 主语：谁来做？比如业绩问题，既可以让市场部牵头搞促销，也能让销售部加大行动力，也能让会员部门牵头针对大客户精准营销。人不同，方法、思路、数据都不同。

▌ 谓语：用什么方法做？提升业绩的方法多了去了，细节更是不计其数。单单说促销，就有个人/裂变，满减/买赠，礼品/优惠券等等选择。方法本身又受到谁来设计的影响。所以得先了解清楚情况，不然千头万绪，无从做起。

▌ 宾语：做到什么程度？做到多少算OK是个大问题，短期促销能拉动业绩，也会透支顾客的消费。如果目标不清晰、不合理，都会导致决策失误。如果根本没有目标，那行动也会沦陷为“为了做而做”糊涂收场。

当业务部门提出疑问的时候，有可能他们完全没有想法，也有可能他们已经有了明确的计划。一个项目有四个阶段（如下图所示）

想让数据分析变得有用，当然不是做数据分析的替代业务部门把所有活都干了，而是首先清晰目前问题处在哪个阶段。之后根据该阶段的决策需求，提供必要的帮助。

在四个阶段中，前三个阶段，业务部门都有可能疑惑“要怎么搞业绩？”我们一个个看一下。

  3   

策略阶段的有用做法

策略阶段的核心就是做选择，就是解决三大问题：

1、谁来做？

2、用什么方法？

3、做到什么程度？

比如：

● 拉动业绩市场和销售都能干，那到底谁干？

● 市场部上促销有5种方法，到底用哪一种？

● 销售拉动要给多少额外奖金，要不要换话术？

● 业绩到底做到多少满意？为此要付出多少成本？

以上所做的，除了第1、2点外，并没啥高深的分析，更多是用数据说话，把可能的情况列出来。可这样做，能让业务部门决策起来非常轻松。

这就像我们开导航，高德地图不会替我们选择起点终点，但是会很贴心地自动标出目前位置（现在）、保存去过的地点（目标）、选定起点终点后，提示有几条线路（怎么做），连路上堵不堵，预计多久到都有提示（预测目标达成率）。这样作为决策人看到信息非常清晰，自然容易做出策略判断了。

第1、2点有可能会做很深入的分析。特别是面对深层次的复杂问题，未来存在大量不确性。业务部门有可能觉得老办法都没啥用了，会希望有一些深度的研究，精细的测算，或者启发性的思维。

这时候就更需要做数据分析的同学们出力了。一方面把数据做深做透，另一方面在用户洞察、行业案例、一线优秀案例、竞争对手做法上下点功夫。多提供一些数据以外的支持信息，帮业务部门打开思路。

  4   

创意阶段的有用做法

如果已经推进到了创意阶段，那如何拉升业绩，其实业务方已经有了方向。这时候主要拼的是业务能力。比如具体海报怎么画，公众号引流文章怎么写，写了文章几点发，促销礼品怎么选等等。

需要注意的是，伟大的创意从来都是业务做出来的，不是数字算出来的。但往往业务部门会疑虑：这么做到底行不行？还有没有其他创意？我有好几个创意不知道用哪个？

这里有个有意思的地方，就是很多企业的业务很保守，一味地追求数据最美化，懒得动脑子。比如过往红色底海报阅读高，OK，这次也用红色。过往促销送券响应率高，OK，这次也用券。反正什么数据好用什么。多的咱也不用想，咱也懒得想，还美其名曰“延续性”。

过分迷信过往数据和经验，也是大企业病的一种。这种病，让相当多的大企业在新形势下表现得很愚蠢。所谓的大象难掉头，正是如此。

  5   

执行阶段的有用做法

如果已经推进到了执行阶段，那讨论的时间已经过去了。执行阶段核心就是：进度+质量。

这里的目标相关指标是和达成目标有关的动作。比如做促销拉业绩，不能光看业绩达成多少，还得关注商品销售速度，会不会卖得太好导致断货？哪里出得快要及时补。还得关注礼品/礼券兑现率：会不会出现礼品断货？还得关注系统压力，会不会参与人数过多导致宕机，真宕机了怎么及时补救？和流程有关的方方面面都得关注到位，不能倒在成功最后一步。

这时候，分析最重要的是数据指标的完整性，针对活动各方面监控都得到位，并且及时提示问题。这就像开车的时候，导航会时不时提醒：“您已超速”“前方拥堵2公里”一样，实时路况对行车也特别有帮助。

执行问题需要的是一线执行力，远在天边的总部很难直接给建议。因此，最好的办法是借力打力，找出优秀的标杆，直接从一线吸收经验，复制到其他条线更好，也省去了被人嫌弃：“你们坐空调屋的懂个屁”。

  6   

有用是体系化作战的结果

综上，我们看到，“有用”是体系化作战的结果。是数据分析师系统了解企业经营状况，了解业务流程，参与业务决策过程，针对现状具体问题具体分析的综合性成果。所利用的材料绝不仅仅是代码、图标、ppt。更多是：

1、对谁来做有敏感性

2、对过去怎么做有积累

3、对现在想怎么做有了解

一份ppt或一张数据表，是无法满足上述目标的。这也是为啥很多做数据分析的同学苦恼的原因：为啥我的分析就是被嫌弃没用呢？因为你真的只是在就数论数而已，没有真正思考到底要如何解决问题。

不过这也不能全怪做数据分析的同学们。很多企业就没有这种环境。或者把数据当业务用，逼着分析师想一个具体文案、想一个具体的活动规则。如果做数据的把方案都做了，要运营、策划、产品经理干什么。

或者指望分析师像算命大仙一样，什么都不告诉他，键盘一通敲就能哗哗出结论。甚至有意封锁消息，还美其名曰：“考考你懂不懂业务”。

这样人为割裂数据与业务的关系，就好比坐上车，然后对高德地图说：“开到我想去的地方去”“你不是导航吗，我不说，你也要知道我要去哪里，你也得会开车！这样才是有用的导航！”——没人会认为导航有问题，大家只会觉得这不是个好司机。道理就这么简单哈。点亮右下角的“在看”，支持陈老师输出更多原创干货文章噢！

• 8张图，看懂B2B行业的数据分析思路

• 数据分析体系是什么？该怎么搭建？

• 学好数据分析，从掌握KSA模型开始