出彩！數據分析的年度工作計劃，就這樣定
又是一年年底，企業(yè)都在制定2022年工作計劃。一提數據分析的工作計劃，很多同學糾結的直撓頭。到底數據分析工作計劃該咋寫？今天我們系統(tǒng)講解一下。
如果讓其他部門寫工作計劃，大概率是以下畫風：
銷售：全年為公司創(chuàng)造20億收入，計劃每月目標為XXX
運營：全年組織10次活動，雙十一銷售額沖擊5個億！
供應：保障20億收入的貨源供應，損耗率降低到
開發(fā)：保障10個活動上線，系統(tǒng)穩(wěn)定運行超過300天
那么數據分析該咋寫呢？
寫法1：每天寫sql 2000行全年250個工作日完成50萬行
寫法2：建立20個預測模型，實現(xiàn)預測精度99.99999%
寫法3：建立10個數據系統(tǒng)，推動公司數字化轉型走向深入
寫法4：提供10個活動報表，提供數據準確度100%
?
問：上邊四個寫法，哪一個是OK的？
?
事關2022年績效，請讀者們務必停留，思考一分鐘
?
思
考
一
分
鐘
?
答：
銷售、運營寫的，和公司的效益、融資進度想關，直接關系大家的錢包！
供應、開發(fā)雖然不直接掙錢，但沒有他們一分錢都掙不到，屬于剛性支持。
唯獨數據分析干的事，既不剛性，也不掙錢，可有可無。
?
以上四個寫法里，1、2、3是嚴重不及格的。因為1、2、3都是數據分析自己的事，即跟業(yè)績、收入沒有關系，雖然嘴上喊：數據驅動，數字化轉型。可到底驅動了誰，驅動了多少，有驅沒驅怎么衡量，一句都沒講清楚，業(yè)務部門認不認賬也不知道，就是空談。
?
只有寫法4是勉強過關的。
1、至少把自己擺在支撐部門的位置上，清晰定位。
2、至少把自己的工作捆綁到公司重大項目上，不是可有可無。
3、至少工作的結果是可量化的（輸出10次），并且重大項目上線，還非看數據不可。
這樣雖然還是很難衡量業(yè)績，但起碼把自己和開發(fā)拉到一個檔次上了。
?
這個是數據分析工作計劃的破局起點。
數據分析工作計劃三大鐵律
l 捆綁公司其他部門工作。
l 輸出內容，新建》優(yōu)化》保障。
l 以其他部門可感受的方式進行量化。
舉例：
? ? ? ? ? ? ? ? ? ? ? ? ? ?
經過這樣的優(yōu)化，能很大程度上體現(xiàn)數據的價值，比悶著頭自己寫：我干了XXX要好用。要知道：大部分其他部門的人（包括大部分部門的老板）都不咋懂數據原理，有數/沒數，幫你賺錢/省成本，穩(wěn)定不出錯，才是大部分人更好理解的工作成果。
?
在做計劃的時候，就鎖定了任務目標，后續(xù)做績效考評就輕松了。從而從根本上，避免：“你做的這個有啥用?。?！”的質疑。
?
當然，這只是基礎寫法，深入考察數據分析的本質，還有更好的做法。
從本質上看，一個數據從產生到使用有四步。
這四步，對應著數據分析的三項重要工作（如下圖）。
以下部分是重點：
?
基礎建設，是無論如何都不會體現(xiàn)為功勞的。
干得好是你該干的，干不好你滾蛋。這才是基礎建設的真實地位。所以，如果接了基礎建設的活，比如要做埋點、要設計/維護業(yè)務部門用的大寬表，要建指標、核對口徑這些。請務必和公司的關鍵項目，重大政策，多部門聯(lián)動等等大事捆綁在一起！這樣執(zhí)行的時候阻力小，論功的時候才容易算賬。
比如：加強埋點質量，要寫成：
l?公司2022年重點增長項目子項目
l?填補原微信裂變渠道數據不足的空白
l?總監(jiān)控渠道從15個增加到20個
l?總用戶標簽從100個增加到120個
這樣才好量化，才好讓大家感受到工作量，考評的時候才好說事。
?
如果不熟悉這種寫法，就看幾天新聞聯(lián)播里是怎么播鐵路通車的：
l?國家十三五重點項目……
l?總通車里程達1500公里
l?原5小時行車時間縮短到2小時
l?填補了從XX地區(qū)到XX地區(qū)無高鐵的空白
就是這個味！
?
數據生產，核心是工具化三個字。
不做工具化，到底人家看了沒看，看了多少，都不知道，根本無法量化產出。而在所有的工具化里，新建永遠比優(yōu)化更容易體現(xiàn)功績，所以要先列新建的目標。
工作輸出物，越顯眼越好：
l?數據大屏比數據看板顯眼
l?數據看板比數據報表顯眼
l?數據報表比Excel報表顯眼
l?Excel比郵件發(fā)幾個數顯眼
?
所以在做工作計劃的時候，多跟業(yè)務部門溝通，今年有啥重大活動，有啥重大項目，先收集清楚。然后盡量推顯眼的數據產品出去，其他龐雜的需求該推就推，該招人填坑就招人填。這樣才更容易體現(xiàn)成績。
?
數據使用，核心是場景。
越具體的場景，才越有可能用。給銷售開個報表，估計看的人 1%都不到，直接在企業(yè)微信下發(fā)任務提醒，不點擊的也得點，閱讀率就直線上去了，想考核效果也好考；
給供應鏈做預測模型，如果非得預測100%準，神仙都搞不掂。如果場景具體到：減少錯誤選款的代價，估計有機會把明顯撲街的選款挑出來；
給運營做用戶畫像，如果非得窮盡用戶特征，估計干到死也沒啥用。但是如果具體到篩選高潛力用戶，剔除羊毛黨，可能幾個特征就搞掂；
?
所以想讓數據有用，場景得談得非常細才行。越細的場景越好。最好是一套數據四五個應用場景，這樣才能實現(xiàn)效益最大化。計劃做得細，評績效的時候才有一堆東西可以寫。
數據分析計劃難，考核難的核心在哪里？
?
所有人，都是口頭上說：
l?數字化轉型真重要
l?數據分析好有用
l?要數據驅動業(yè)務
?
可真到評定績效的時候，就會問：
l?公司雙十一5個億，有幾塊錢是你這么模型做出來的，幾塊是其他人做出來的？
l?你寫sql，開發(fā)小哥也能寫啊，運營也能寫啊，你有啥特殊貢獻？
l?銷售看你這個報表和不看你這個報表，能多掙多少錢？
l?數字化的事多了去了，你出個數就數字化了？
?
這才是數據分析所有難點的根源！所以在做計劃的時候，就得認真梳理場景，選好方向，才能在考評的時候一帆風順，不然方向都選出了，計劃定成流水賬。自然沒有好結果。
估計同學們看完，會覺得難點還是在數據使用上，到底咋樣鎖定場景，才能真正讓業(yè)務部門用起來，并且承認這是數據分析的功勞。感興趣的話，本篇集齊60在看，我們下一篇分享哦。敬請期待。
了解陳老師的視頻課程
