数据分析,如何赋能业务?

新年了,很多同学在做工作规划,有很多公司都提出要求,要数据分析赋能业务/赋能销售/赋能运营”……到底啥玩意是赋能,咋个赋能法???往往领导又丢回一句你要多想想啊”——让人着实无奈。今天我们系统解答一下。
前方剧透警报:因为大量用了电视剧《亮剑》的梗,所以忘记的同学们可以去复习下(特别是打平安县城那段,第14集),反正也快放假了,全当消遣。
数据分析,如何赋能业务?
赋能的直观含义
二营长,你他娘的意大利炮呢!”——这就是最直观的赋能。没有意大利炮能不能打县城?能,当然能,李团长手下上万人马呢。可没有意大利炮,打城门口很累,要死很多人。战士们扛着梯子冲了那么多次都冲不下来。有了意大利炮,咣!一下就搞掂了,就损失一个老婆,这个投入产出比显著提升。
赋能的直观含义,就是增强业务能力,提高业务效率。注意:赋能是用更高级的手段解决战斗,不是替代,更不是“你行你上啊”。如果李团长喊的是二营长,你他娘的带人给我冲!这就不是赋能,而是找人替代自己的工作了。
数据分析,如何赋能业务?
赋能的常见类型
最直观的做法我们看到了,给二营长一门意大利炮。这叫工具式赋能,通过提供高效率的工具,增强队伍战斗力。可实际上,能赋能的地方非常多,比如:
  1. 炮弹。二营长只有17发炮弹,估计打完县城炮就用光了。我们可以提供更多炮弹,资源式赋能
  2. 洋码子。意大利炮上全是洋码子,二营长看不懂,打炮只会贴着脸直射。我们可以提供操作手册,最好有个教官亲自教一下,知识式赋能
  3. 炮车。二营长连辆吉普车都没有,炮全靠人来拉。我们可以提供一辆吉普车,帮他把炮拉上战场,服务式赋能
你会发现,只要我们没有替二营长扛着梯子,喊着:冲啊,杀啊往门楼上冲(这是替代)。其他干的所有工作,工具、服务、知识、资源,都是在赋能。所以赋能范围是很广泛的。
赋能的首要问题
有的同学就会问了:既然赋能范围这么广,为啥我想不到?因为你既不是李团长,也不是二营长,也不是山本大佐。你的位置和电视剧里的总指挥一样:前线都打成一锅粥了,你还不知道发生了什么。哪里在打,谁在打,打啥,打的咋样了,完全不知道。当然没法赋能啊。
数据分析,如何赋能业务?
想赋能业务,就得理解业务。赋能关键不是闭门造车,而是要深入一线,理解你的赋能对象。具体来说,包括理解:
  1. 对象:谁是我的赋能对象
  2. 流程:他在做什么?分为几步做?得什么结果?
  3. 现状:做了多少? 达到结果没有?卡在哪一步?
  4. 痛点:哪些地方是不满意的
  5. 需求:想改善哪些问题
赋能的操作流程
第一步当然是理解业务
套在电视剧里,如果你是总指挥,看到如下电报:
  1. 对象:李云龙这个混小子
  2. 流程:优势兵力,四面包围,打县城!
  3. 现状:三个方向已得手,唯一卡在城楼,攻不进去
  4. 痛点:城楼太高,敌人火力太猛,步兵冲不上去
  5. 需求:需要重火力摧毁敌方防御
是不是你也知道该怎么赋能了。你会马上查,最近的炮兵在什么位置,马上安排调火力支援。只要知道清晰的信息,那人人都是用兵如神。数据分析在赋能中的作用,首先体现在:用指标体系清晰量化情况,基于数据诊断问题
这里要特别强调对象的问题。不同人需要的赋能手段是不一样的,越是上层的领导,越需要总览全局的工具,才能看清形式,灵活调配资源。越是基层执行,越需要简单、直接、可复制的武器,直接套用在流程中。所以即使是同一个数据分析的结果,给上层和基层看,展现效果可能完全不同。
数据分析,如何赋能业务?
第二步明确赋能问题
然而,怕就怕“清晰”俩字。实际上,业务能清晰讲明问题的少之又少。更多时候,前方的人只会喊:难做啊难做,帮忙啊帮忙,具体敌我啥情况,鬼讲的清楚。
数据分析,如何赋能业务?
即使讲的清楚,也要特别小心业务方直接提出来的需求,很有可能是个伪需求,或者很低效率的需求。毕竟大部分业务一遇到问题,最直接想到的就是找公司要资源,特别是打折!
数据分析,如何赋能业务?
这种真假难辨、稀里糊涂的场面,又是数据分析大放光彩的时候。所以在讨论具体咋赋能之前,我们得先讨论清楚:到底赋能要解决什么问题。我们可以用两个方式转化问题:第一,从需求出发,推导可行解决范围,落实到一个具体问题上。第二,从痛点出发,先找到需求背后的真实痛点,再找解决痛点的方案。
数据分析,如何赋能业务?
第三步是筛选方法
面对一个问题,往往有好多赋能方法可以用。
  1. 工具:上意大利炮
  2. 知识:挖地道挖过去
  3. 资源:多调兵支援
  4. 服务:帮助运兵
数据分析又能发挥大作用了:利用数据筛选方法,选择更有效的方法。这里有三种做法:
数据分析,如何赋能业务?
需要注意的是,现实中并不是每个人都是总指挥,受岗位、部门、等级的限制,人们不能无限制的调动资源,因此可用的手段往往是有限的。不过这对于数据分析师来说,反而是个利好:我们筛选方法的范围不是无限广,而是在有限的选项内做选择。
第四步是落地方法
落地方法这一步,得看具体的方法是什么,再具体执行,比如:
  1. 工具:上意大利炮(从哪里,用什么型号炮,调动多少,调到哪里)
  2. 知识:挖地道挖过去(具体如何挖,挖成什么样,操作手册、教官有没有到位)
  3. 资源:多调兵支援(从哪里掉,调谁,调多少,调取哪里)
  4. 服务:帮助运兵(从哪里运,用多少车,配多少粮)
这里大部分是具体的业务操作,和数据关系不大。作为数据分析,能做的是:监控进度,保障按计划执行,在执行掉链子的时候提示问题
第五步是复盘经验。
赋能、赋能,说的好听,最后赋成了没有,赋成啥样,要拿数据说话做检验。不用说,这又是数据分析老本行工作。

小结下:所谓数据分析赋能业务,可以做的是

  • 一量化现状,为赋能打下基础

  • 二梳理问题,为赋能方向指路

  • 三筛选方法,为赋能优化效率

  • 四监控进度,为赋能保驾护航

  • 五总结经验,为赋能积累成果

很多同学看了会大呼:陈老师,你说的我都懂呀。不就是事先搭数据报表,事中做监控,事后做专题分析吗?我明明都有做呀!为啥没人感觉被我赋能了?
数据赋能的特殊问题
问的好,这个问题,请允许我引用李团长的名言来回答
学习?学习个屁!
业务方肯好好看数据的都是稀有动物!
15年前我们说数据赋能业务,大部分谈的是如何给领导做仪表盘,给业务员做跟进工具,做推荐算法、做响应算法提高外呼成功率,因为那个时代企业数据建设普遍落后。真的是没数据可用,所以需要做大量基础建设。
现在说数据赋能,大部分谈的是如何让业务方重视、尊重、科学利用数据。我们看到的企业实际情况,是骄兵悍将不屑于看数据,虾兵蟹将学也学不会。最后数据报表不是没人看,就是沦为“证明老子很牛逼”的工具。完全没有派上应有的用处。
这种场景咋办?当然是得想办法积极投身到和业务的沟通中去。平时多做科普(比如多多转发陈老师文章)让大家知道数据到底是干啥的,有啥用,能咋样用。在遇到项目的时候争取参与机会,从基础做起,不断提高业务方使用率,不断积累在业务上助力经验。
想做好数据赋能,只会跑报表是不够的,我们需要综合能力,能梳理清楚问题,能说服业务方理解、使用数据工具。这里又有大量的技巧。大家有兴趣,本篇凑够60在看,我们从:如何写出业务方愿意看、抢着看、越看越想看的报告说起

原文始发于微信公众号(接地气学堂)

去年今日运营文章

  1. 2020:  流量简史(0)
  2. 2020:  互联网大厂年前裁员风暴来袭(0)
  3. 2020:  To B风口,如何用内容获客?(0)
  4. 2020:  为什么产品好却卖不好?可能是你忽略了这个问题(0)
  5. 2019:  怎么做一个增长设计师:了解产品的增长策略(0)

本文转载于微信公众号(接地气学堂),本文观点不代表爱运营立场,转载请联系原出处。如内容、图片有任何版权问题,请联系爱运营处理。

(1)
打赏 微信扫一扫 微信扫一扫
上一篇 2022年1月4日 上午10:04
下一篇 2022年1月4日 上午11:34

推荐资讯

发表评论

登录后才能评论