作者：接地氣的陳老師

--------------------------------------------------------------------------------------------------------

這是陳老師《如何找到自己的第一個資料分析專案》

系列連載第三篇。

第一篇，戳{轉行的同學如何獲取經驗}

第二篇，戳{基層的同學如何獲取經驗}

 

今天我們來討論一個，價值月薪30K且可以讓人按時下班的美好事情：如何做成一個真正的資料分析專案。為什麼做專案有這麼美好的前景？因為手上拿一堆專案成果，是成為資料分析部門領導的必備條件。因為有獨立專案經驗，是在面試的時候脫穎而出重要保證。

 

 

 

   有專案與無專案的巨大差別

 

 

在面試或者內部晉升考核的時候，一個同學A說： “這個XX資料產品就是我做的”“我幫助營銷部節省成本6500萬”“我建立個XX公司資料監控體系”“我XX行業的營銷分析有5種展開方法” 老闆就會直接和A聊，這一塊具體怎麼做的，需要什麼資源，做出什麼效果，如何看待我們公司業務與你上家公司業務的區別。聊到這份上，面試就基本上成了。

 

另一個B同學說：“額，我跑數，一天2000行SQL，一個月150張需求單呢”老闆會說什麼？八成一句：“所以你分析了什麼？結論是什麼？”大部分B同學都會心裡一慫：“是啊，我分析了啥啊？”小部分還想掙扎一下，倔強的說道：“比如RFM！我計算了RFM呢”然後這最後的倔強，最終會被這句話懟死：“所以，你們業務部門之前就不知道大客戶是消費多少錢嗎？所以你算了M以後大客戶又做了什麼事呢？你算和不算業務部門行為有什麼區別？最後又有什麼用？”

 

做專案是資料分析師證明自己價值，邁向高階的必備條件。我們認真討論一下：如何從日常取數中培育出一個專案。如何把一張張取數單，變成一個數據產品。如何讓業務部門認可：“資料分析真有用！”所有同學都得重視這一點，這個能力是必不可少缺的，越早培養越好。

 

 

第一步

找到合作伙伴

 

找那個重視資料，尊重分析，願聽意見的部門合作。一般而言，業務部門對資料的態度有四種。第一種：屁都不懂，完全沒資料概念。這種顯然沒有合作空間。第二種：只知道數，不看分析。他們會看數字，但是對分析沒概念，就知道悶著頭做做做。這種業務部門一般幹活無腦，或者唯經驗論，覺得幹活無非三句話，分析個啥。這種部門合作空間也小，但是有。第三種：重視資料，自己分析。有些業務部門就是很強勢，覺得資料分析師就是跑數的，不懂一線。這種部門合作空間也小。在他們面前提意見，還有可能被他們噴。第四種：重視資料、願聽分析。是滴，這些部門才是合作的好夥伴。

 

在傳統企業裡，往往第一種和第三種人比較多；在網際網路公司，往往第二種和第四種比較多。好在這幾年大資料、人工智慧等概念熱炒，使得第四種人開始增加。至少在老闆們腦中，開始有了資料化管理的概念，使得我們有了空間可以發揮。如果眼前沒有專案做，很有可能是大家沒有刻意選擇好合作的部門，才導致辛辛苦苦做的報告石沉大海。

 

合作部門的態度也是慢慢轉變的。有些部門可能有具體的業務困擾點，但想不到這個困擾用資料可以怎麼分析。這時就需要做積極溝通，經常和各個部門的人聊天。那些有意向合作的人會積極吐苦水，這時就可以思考：我們能幫他們幹什麼，我們可以怎麼量化分析這個問題。撮合一個專案就從這裡開始。

 

第二步

確認合作目標

 

 

效果不直接才是資料分析專案的硬傷。單純資料分析專案難以直接作用於業務，必須通過銷售、運營、市場、活動才能展示成效。這也是為什麼大家天天都在做取數，卻從不感覺自己在做專案：因為成功是什麼不知道咋衡量！所以在專案開始前，明確成果非常重要。

 

資料分析，在成果上，體現為以下方面：

 

新增一套資料：常見於分析產品。比如為支援新部門成立，新增一套報表工具。為支援XXX專案開展，新增一個為期90天的監控報表。為支援公司建設，新增一套BI系統。考核指標：新上線的報表、工具、系統數量。是否按時上線。從0到1，是最能體現價值的地方。

 

輸出分析結論：常見於專題類分析。比如分析銷售渠道業績變化、分析推廣質量、分析營銷活動效益、分析運營質量、分析使用者行為等等。考核指標：分析問題是否被解決。採納了建議以後，業務部門做了XX工作，KPI指標從A%提升到B%。這裡特別要強調：“利用後的效果”這五個字。相當多的同學寫了分析報告，但是到底業務部門承認不承認分析的結果，會不會按分析建議做，做了以後提升多少，都沒有追蹤！導致辛辛苦苦幹了活不被認可。也不敢拍胸脯說：這是我分析的成績。

 

優化展示方式：常見於監控類分析。一般監控類都是日常在做的，做個圖表優化、指標優化是很常見的。讓報表更好看，更符合業務部門需求。考核指標：業務部門報表開啟率與滿意度問卷。這裡特別強調：“滿意度問卷”因為很多同學做了報表優化，可優化結果怎麼考核呢？沒有一紙證據，所謂的優化就變成了空談。天天喊著資料驅動的資料分析部門，反而變成了最沒有資料驅動的。所以一定要量化自己的工作，給自己一個證據：我做的確確實實好！報表閱讀率從A%提升到B%，使用者滿意度從80分提升到90分。

 

構建一個模型：常見於建模類分析。大家要注意，模型是分邏輯模型、查詢模型、演算法模型三種的（具體區別後續再單獨講）。只要是把資料有邏輯的組合起來，解決一個具體問題的都叫模型。考核指標：模型上線後對業務KPI指標的提升效果。這裡特別強調：效果。因為企業不是學校，不是為了搞模型而搞。如果做的東西不見效，銷售成功率不提升，使用者轉化率沒增長，要模型有屁用。效果才是檢驗分析質量的唯一標準。

 

為了讓這個專案見效，且讓大家把這個效果歸因於我們。就必須在一開始談清楚：到底我們輸出的是什麼。現狀，問題點，期望值都要列清楚，並且白紙黑字遞交老闆。讓老闆知道我們在為這個目標努力。立好了flag，後續成功才有保證。不然，你永遠是被人家催著要數，給數給的還經常不準，專案成功沒你份的那個。

 

第三步

分工開展工作

 

一個專案執行要有分工，有明確的開始和結束時間。這些要規定清楚，之後就是大家各幹各的活。一般資料分析專案分為需求確認、資料開發、結果驗收、投產觀察四個階段。第一、第三階段是業務部門說話，資料分析部門聆聽。第二階段是資料分析部門獨立工作。第四階段是資料分許部門觀測效果。其實，大部分專案難在立項。只要成功立好flag，後續按部就班的幹活就好了。

 

第四步

驗收工作成果

 

最後，也是最重要，真的最重要、最重要*2、最重要*3、最重要*4、重要暴擊combo！的一步。驗收結果要照單收貨。比如之前立了flag年底上線報表，上線了沒有。之前立了flag優化後滿意度上升，滿意度提升沒有。立了flag發現問題，找到了幾個，其中改的了幾個。很有可能最後沒有期望的效果大。沒關係，效果小，也好過沒有效果。效果小，也好過自己默默提數，除了被人抱怨提數慢外一點成功沒有。慢慢經驗多了，就會發現什麼專案好做，什麼專案難出彩。陳老師稍後有專題分享。

 

 

 

   不做專案？瓶頸早早到來！

 

有些同學會說：這太辛苦了，又要談判，又要預計工期，又要合作，還要舔著臉向老闆彙報邀功。不是說好了，只要默默的敲鍵盤，敲1年漲一次薪水嗎？額，工作頭兩年確實是這樣，因為工資低啊。企業都想要熟手，熟一點的自然拿的多一點。然而技術更新速度如此之快，如果不在職業上升期建立一些經驗成果的優勢，單純拼體力。遲早被剛畢業的小朋友取代。反正都是跑數的，人家剛畢業，能加班，工資還低，為什麼不招一個更便宜的呢？所謂35歲程式設計師危機，大多從此而來

 

然而，有些同學說：“陳老師，說好的學生”不要急，下一篇，我們來解決學生如何獲得第一份經驗的問題。敬請期待。