在公司裡,資料分析師是如何幫助公司創收的?

文章來源:知乎
接地氣的陳老師

作為一個從業9年的老兵,冒著被噴死的風險揭祕資料分析行業的真相。這兩年資料分析、資料探勘概念很流行,各路教育機構,開課的老師喜歡拿美國XX信用卡公司或者啤酒與尿布這種陳年老梗來論證資料分析有啥價值。可真正在圈子裡幹久了就知道,資料分析能幫助公司直接創收的途徑只有一種:

幫乙方公司創收!

因為只有乙方公司才會把資料分析、資料探勘、資料產品、資料諮詢當作商品來賣。這樣,做資料分析的就有三種方式可以幫公司創收:

  1. 做產品。比如BI公司、大數據公司、輿情公司、徵信公司,他們賣的是一整套資料產品。資料分析師在這些公司實際上扮演者產品生產者的角色,因此直接幫公司創收
  2. 做服務。比如一些諮詢公司、新媒體公司、大數據提供資料探勘服務、提供資料採集、報告撰寫服務。這些服務是針對甲方品牌、推廣、行銷等某個部門的需求,因此可以賣錢。在這裡資料分析師實際上還是產品生產者,只是輸出的不是一個具體的產品,而是由報告、excel、ppt、程式碼、會議等等組成的服務。
  3. 做售前。相當多軟體公司、諮詢公司會拉一個數據分析師當售前,因為忽悠客戶的時候,光空口白話說我這個方案怎麼怎麼好是沒有競爭力的。需要一個懂資料會分析問題的人來做一個可量化的方案,讓客戶心服口服。在這裡資料分析師實際上扮演的是銷售的角色,只是這個銷售賣的是知識,打動客戶靠的是專業性不是送回扣。

所以你會發現,招資料分析高薪的基本都是乙方,或者甲方企業中的乙方部門(比如阿里資料銀行、智慧客服,雖然是阿里的項目但是還是作為乙方提供服務給其他公司的)因為在這裡資料分析才是直接生產力。

在甲方?在創收問題上,資料分析從來都是排在隊尾。

比如甲方爸爸要出一個新產品增加收入,那麼他需要做什麼呢?

  1. 設計產品
  2. 生產產品
  3. 銷售渠道
  4. 品牌推廣
  5. 產品促銷
  6. 物流跟進
  7. 資料分析看看效果怎樣……

是滴,大家會發現沒有資料分析,其他六步照樣可以做;只有資料分析沒有前六步,資料分析就是一張廢紙,這就是資料分析在甲方的尷尬之處。有些同學會說:那資料分析可以幫企業設計正確的產品哇!但實際上產品設計師不看資料照樣可以設計產品,他們已經這樣做了100多年了,也因此誕生了喬老爺那句經典的:我從來不看任何市場調查!

這個尷尬之處是資料分析的工作方式本身固有的侷限。資料分析需要有資料才能分析,這是一種相對後置的過程。而類似產品設計,核心是創意;產品銷售,核心是業務隊伍的能動力。這些人的能動性是前置的動作。企業的業績是做出來的,不是算出來的,所以在創收上資料分析其實是很無力的。

Image for post
Image for post

只有一種場景資料分析可能對收入有用,就是:某個業務部門實在做得太差,搞不掂了。這時候如果通過分析能提升一些效益,那他們簡直happy的不能行。這也是為什麼很多成熟的資料探勘項目都是做給客服外呼、簡訊傳送、EDM的。因為在這些地方自然轉化率低的令人髮指,而業務部門的文案、產品、廣告又起不了太大作用。同時這些渠道又都是點對點推送的方式,資料積累和建模環境相對封閉。資料模型能把自然轉化率從1%提升到2%,業務部門就已經謝天謝地了。

實際上,資料分析對企業有幫助,更多體現在後置性的,比如績效評估,結果考核,成果優化上。有意思的是,很多從業者自己都沒有想明白這一點,比如這個問題,帆軟也有個答案,大家可以看看,裡邊舉的例子全部是如何砍成本,而不是加收入。

Image for post
Image for post

然而,帆軟的回答本身是很專業的。因為砍成本比增加收入,更容易體現資料分析的功勞。大家回顧上邊新產品增加收入的過程,如果資料分析說這個業績是我做出來的,至少有6個部門會和你搶功勞。但如果資料分析說這裡有一個產品很垃圾可以砍掉,那麼最多得罪一個部門(設計這個產品的部門)剩下5個部門還是支援你的(因為他們不需要浪費時間了)所以,聰明的資料分析總是從內控的角度入手證明價值,而不是從外部增收的角度入手。

然鵝,這樣又出了第二個尷尬的地方,就是為毛線我要上個數據產品做這個呢?甚至為毛線我要僱個數據分析師做這個呢?因為進銷存的資料ERP裡也有,理論上我想知道哪個產品效益不好只要有一個會SQL的程式設計師從ERP裡跑個數就行了啊!所以如果只把資料分析的價值掛在內控上,那麼資料分析的重要性和專業性就非常低了。各部門老闆自己也會分析啊,你們跑sql的懂業務嗎?不懂業務你內控個什麼呢?

這時候就需要進一步的包裝以體現資料分析的價值。最核心的就是上個產品!就像後宮嬪妃,年輕貌美的時候都會討皇上一時歡心,但長久來看還是得生個孩子的。有個孩子自己的地位就穩固了。比如銷售,完全可以用紙質賬單,為什麼要用pos系統?就是當pos系統上線,業務流跑起來以後,就沒理由再讓他停掉,孩子已經生出來了,就得養著。

資料分析的孩子常見的有這麼幾種:

  1. 面向管理層的儀表盤,適用於信科學化管理這一套理論的老闆
  2. 面向業務部門的資料產品。可能是一個推薦系統,精準行銷模型,也可以是一個業務助手,資料集市,總之是業務部門日常工作中必須用到的某個環節,把它打包,用資料包裝起來,封裝成一個產品
  3. 面向一線的行銷提醒工具,營運資料指南。讓銷售們每天都得看一眼,不看就不舒服。讓營運們寫文案前都得看看熱度排行,不看心裡沒底。

具體的就不展開了,如何引起老闆關注,如何拉攏業務部門,如何讓一線使用,寫本書都夠了。這麼多年作諮詢,見過大量甲乙方,凡是聰明的資料人,最終不約而同走了做內控→引起管理層重視→上產品→與業務部門合作→擴組織架構這一條路。而那些號稱上個大數據系統能盈利XXX的,基本上都死無葬身之地。

Image for post
Image for post

這兩年大數據、人工智慧概念大火,資料分析崗位又像年輕貌美的嬪妃一樣被各大企業老闆們寵信,也有無數同學新湧進這個領域。所以特別誠懇的提醒大家:我們自己可以有很多方法、很多複雜的概念,然而最終企業是不是靠我們這個掙錢,才是我們長久安身立命的本錢。如果我們只是打輔助的,就儘早圍繞一個具體業務場景,輸出一個產品,和業務緊密結合起來,這樣我們自己的地位才穩固。

最後插一句,比如演算法類崗位,大家要注意區分,因為演算法即可以應用在生產系統(比如影相識別,物資調配,路線規劃,過程控制),也可以應用在分析系統(比如推薦、預測、BI)如果是應用在生產系統,那地位相對穩固很多,因為生產線是不會徹底更替的,只會不斷優化。但如果是應用在分析系統,那水分就大了去了,大家要認真看到底這個演算法是幹什麼再做決斷。早在2013年《大數據時代》流行的時候,就興起了一波“大數據分析”的熱潮。結果當時腦子一熱向老闆喊了:“我們可以利用大數據XXXX分析提升業績的”現在估計墳頭草都有我娃個子高了……

作為一個前輩,有義務告訴大家這個行業的真相,資料的價值可以有很多種,不一定是直接增加收入。資料確實很有用,然而不代表老闆們認可這個用處,不代表我們能從這裡升官加薪。技術以外,如何創造價值,有可能需要程式碼和演算法以外的其他東西輔助。與大家共勉。

關注數據君的臉書:

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。按贊我的臉書,會有豐富資料包贈送唷!

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store