數據分析師的績效,該如何考核?

私域增長 發佈 2020-06-30T19:46:32+00:00

數據分析師的工作績效到底該怎麼定?每個部門都需要數據,但不是所有部門都需要「數據分析」,甚至壓根是只要數據,分析不分析無所謂。

數據分析師的工作績效到底該怎麼定?這個又是一個很蛋疼的話題,甚至很多從業很久的老鳥都沒想明白,也很容易中坑。

所有部門裡,數據分析的績效可能是最蛋疼的。其他部門的職責和績效都非常清晰。比如傳統企業,很有可能部門架構與職責是這樣的:

  • 銷售→搞錢→業績、毛利、費效比
  • 品牌→造勢→知名度、滿意度、美譽度
  • 促銷→助攻→剔除自然增長後的增量
  • 營運→苦力→工單處理量、及時性、滿意度
  • 研發→創新→新產品數量、銷量
  • 供應→供貨→產量、質量、配送及時性

各個部門之所以清晰,是因為在企業創造效益的鏈條上,大家各司其職:

咦?數據分析在哪裡?是滴,尷尬的地方就在這裡。每個部門都需要數據,但不是所有部門都需要「數據分析」,甚至壓根是只要數據,分析不分析無所謂。比如在B2B類企業,銷售們把客戶真實信息、銷售過程藏的嚴嚴實實,總部經常睜眼瞎,分析個啥。比如在B2C類企業,一線銷售、營運需要的可能一張表搞掂。後台供應、研發可以自己從erp里拿數,為啥需要一個數據分析師坐在這裡專門取數?

所以我們看到傳統企業中,只有在大型的,分公司多的,業務類型複雜的(同時有線上線下,2B2C的),對數據敏感的銀行、航空、三大運營商,才能有個專職的數據部門。可悲的是,在傳統企業里,做數據分析的經常連名份都沒有。連部門名字,都叫什麼業支(業務支持),信息中心,決策支持,監控,調研分析……連完整的「數據分析」四個字都沒有,這混的是個什麼勁。

網際網路企業的環境相對好一些。因為大部分網際網路企業不掙錢,掙錢的網際網路企業也不指望那點毛利過日子,而是做的B2VC的生意。因此傳統企業特別看重的銷售額、毛利、利潤率,在網際網路這裡並不是命根子。於是有了AARRR。除了利潤率,客戶數量、活躍、留存、新客戶數等指標一併被看重。需要數據的地方多了,數據分析部門地位也提高了。也帶起了一波重視數據分析的風氣。

然而,這並不意味著數據分析崗位的地位更舒服。因為和傳統企業一樣,網際網路公司的服務流程中,推廣(拉新)、產品(承接)、運營(維護)各做一塊,形成閉環。

數據分析並不是業務流程中的剛需部門。比之傳統企業,網際網路巨大的數據量與運算速度的要求,養肥的是後台做數倉的數據工程師與架構師們。數據變得更加剛需,分析人人能做的場面卻並沒有改觀。

恰恰相反,傳統企業的業務部門都不咋懂技術,還指望著一個分析師來取數。網際網路公司懂sql的多了去了。經常聽到運營在吼:整個大寬表給我!我自己跑!你們跑數太慢了!……行業寒冬,裁人先裁做分析的,這破事到處都是。

為啥要囉嗦這麼大一堆,講企業的業務流程與數據、數據分析的關係。是因為很多做數據分析的沒想明白的關鍵就在這裡:數據分析的績效難量化,難體現,本質是因為它不是業務流程中的剛性環節,它也不能對業務流程產生直接影響。數據分析作為一個技能非常重要,但作為一個獨立的部門,很容易夾在業務部門間不上不下,難以做人。

所以很多做數據分析的人,甚至是部門領導,會把績效定成:完成報表XX份,處理數據需求XX單,建立模型XX個,這是很不完善的做法。準確來說,這種是數據分析部門內控的績效指標。考核還不會跑數的小弟小妹們,可以這麼幹,大家多跑快跑,快快成長。

可對稍微有點資歷的分析師來說,這些都不是該耗精力的地方(雖然可能是最耗體力的地方,哈哈)想給自己創造真正的績效,就得想辦法參與到業務流程中,為自己爭取到一席之地。

於是,有些做數據分析的又鑽進了第二個大坑:我要做業務!我要為企業增收!我要為企業減支!聽起來似乎很合理,因為我們經常做效益分析,經常做投入產出比分析,看起來和增收減支只差一步之遙嗎。

大錯特錯

這是個非常基本的問題:企業的錢是從顧客那裡掙來的,不是從代碼里運行出來的。要從顧客那裡掙錢,需要的是產品、是銷售、是門店、是物流、是促銷禮品。這些東西數據分析部門統統沒有,數據分析部門有的,就是電腦、代碼、ppt而已。從代碼、ppt到業績產出,中間隔著整個業務部門。

如果直接把績效評定為增加收入,你很難拆分出:眼前銷售賣出貨這500元錢,到底有幾塊是報告的這幾個字掙來的。減支也是同理,財務為什麼可以幫企業減支,因為錢在他們那裡,他們選擇不給錢,就自然減少支出了。數據分析師一無權,二無錢,拿什麼直接促成效果。當然,有沒有人既能調動業務,又能指揮財務呢?當然有,老闆本人。

接近權力,不代表擁有權力;給老闆寫ppt,不代表自己是老闆;推動業務和替代業務是兩碼事。想不清這一點,把績效目標激進的定成「增收減支」,就會搶了業務部門的飯碗。既不能兌現自己的承諾,又會讓業務部門心懷忌憚。數據分析本質就是個打輔助的部門,打輔助的不好好加BUFF,跑來打DPS,會被人噴死的。也會因此失去業務部門的信任。

設想下我們打遊戲喜歡什麼樣BUFF。當然是特效強化比平均加成的好、常駐比臨時好、對攻擊加成越高越好。所以這就出了數據分析打造產品的三大基本原則:

1、針對具體的業務問題與業務場景(特效)

2、提供產品而非單純的意見或數字(常駐)

3、結論能顯著提高業務動作效率(加成高)

SO,數據分析真正的績效,就是打造好的助力業務的產品,幫助業務提升效益,贏得業務(特別是老闆)的信任。在這個角度來看:

  • 出報表比零散性跑數好
  • 帶指示值報表比純數據表好
  • 與CRM/移動助手打通的報表比孤立的報表好
  • 優化業務執行的算法模型比分析報告、建議好
  • 對業務執行優化程度越高的模型越好
  • 老闆對我們越信任,就越好!!!

數據分析最好的狀態,就類似汽車上的儀錶盤。雖然數據很簡單,但含義很清晰,作用很重要;即使再牛逼的車也得有這玩意,也不敢把他丟掉;即使再牛逼的司機,開車也得看這玩意不然就會翻車。所以你看,做數據分析的都喜歡把報表整成儀錶盤,還有美其名曰:「高管駕駛艙」的,說明大家在內心裡,是知道這樣做的意義重大。

然而,我們要捫心自問的是:

  • 我們的儀錶盤真的有汽車儀錶盤管用嗎?
  • 我們選擇的指標,真的是業務部門最關注的嗎?
  • 遇到不同的場景,能在指標里找到對應的參照值嗎?
  • 看到參照值以後,業務部門採取的動作指向很明確嗎?
  • 按數據指示,做出的效果真的就比隨機/按習慣做好嗎?
  • 我怎麼才能讓這些習慣了醉駕超速的人,來看儀錶盤開車呢?

以上,想達成目的,不單單靠我們的專業知識,更得靠我們的工作能力與分析思維。

關鍵字: