如何知道销售说了什么。针对问题一，话术本身如何打标签，如何分类。可以做以下动作：1、产品介绍的版本2、客户问题点：功能、价格、体验、案例、系统接口3、促单的话术分类：按项目进度、按优惠、按资源控制

微信平台更改了推送规则，点击上面蓝字关注并“星标”陈老师，才能收到我的原创干货推送哦

微信平台更改了推送规则，点击上面蓝字关注并“星标”陈老师，才能收到我的原创干货推送哦

微信平台更改了推送规则，点击上面蓝字关注并“星标”陈老师，才能收到我的原创干货推送哦

技术型数据分析师，哪个更有前途？数据分析的项目、专题、常规报表，有什么区别？点击“阅读原文”可了解更多

微信平台更改了推送规则，点击上面蓝字关注并“星标”陈老师，才能收到我的原创干货推送哦

微信平台更改了推送规则，点击上面蓝字关注并“星标”陈老师，才能收到我的原创干货推送哦

经常有同学问：“能否系统分享下，数据分析有哪些模型？特别是那种业务常用的”。实际上，业务常用的有8种模型。网上经常有些零零碎碎的分享，今天陈老师就从最常见的漏斗模型讲起，系统分享下它的原理、操作技巧与用途。大家坐好扶稳，马上发车。什么是漏斗模型漏斗模型，其实应该叫做“流程式业务分析模型”。它是基于业务流程数据，对业务进行分析诊断的工具。因为销售端的业务，常常会出现“流程越长，用户流失越多的情况”。比如网上购物，看到一个喜欢的商品，点来点去还没看到下单页面，用户就会流失。因此，随着步骤的增加，每一步都有用户流失，数据形同“漏斗”。因此有了漏斗模型的名字（如下图）。

要说数据分析里，什么方法最常用？当然是趋势分析法。只要和数据有关，几乎每个人，时时刻刻都在用。很多同学一听：“啥？还有这方法啊？我咋没感觉到呢！”今天我们系统讲解一下。请听题下图是本月1到8号的销售业绩走势，看图回答：

你会用数据下判断吗？你怎么确定你的判断是准确的？现在业务说你判断错了，你怎么应对？用数据下判断，是看似简单，实则极大影响数据分析结果的一个问题。同样是本月销售业绩1000万，如果判断是：业绩很好。那么下一步的分析就是总结成功经验。如果判断是：业绩很差。那么下一步的分析就是发现问题，寻找方案。

“如果让你来评估这次活动，你会怎么分析”无论是面试还是工作，做数据分写的同学都经常遇到这个问题。今天我们系统讲解一下。场景还原：某音乐类APP，对新用户进行一个新注册即送7天会员权益的活动，用户注册后，自主决定是否点击领取，为期1个月，问：如何评价该活动。

“推动业务”是数据人最怕的词了。妈耶，还推动业务呢，我自己不被业务部门天天追着屁股要数就不错了，咋个推动法。可领导们最喜欢提这种要求。今天我们就来详细聊聊。首先要分清的是，提这个问题的人是谁，很重要。问：以下两种情况有什么区别？A、业务部门领导问：数据分析，如何推动业务发展？B、数据部门领导问：数据分析，如何推动业务发展？答：主导权不一样。业务部门问了建议，可以直接去落地。数据部门只是个辅助，说的话如果不对业务胃口，就永远悬在天上。就像开车，抓方向盘的人听了建议能换路线，坐副驾驶的哔哔太多，很容易遭嫌弃。所以提问人不同，应对思路是不一样的。今天我们先讲业务来提问。01推动业务的错误做法很多同学一听“数据推动业务”，直观的想法就是：●

很多做经营分析的同学，总觉得自己就是个无脑的“同比、环比、目标达成比”机器，除了列KPI数据加一堆同比环比，就不知道咋下结论了。今天系统分享下，经营分析如何落地见效。数据到落地，需要几步首先要清晰一点：经营分析是面向管理层报告的，推动基层落地的工具。因此经营分析本身并不直接输出一个操作级方案“诸如坐飞机空投命令：你要把机枪往前再挪100米”之类。既然是管理层看得报告，就得解决管理上的疑惑：用哪些策略来实现目标？需要调配多少资源？执行是否到位？执行结果是否满意?相应的，输出的建议，也是管理级的：是否需要调整策略？是否需要增加/调配资源？是否需要督促执行？这样才能起到支持管理层决策，推动目标实现的目的。而很多经营分报告，从第一步就出了问题：没有量化反馈经营策略，只是单纯罗列了KPI指标的同比、环比、目标达成率。然后就开始：A产品销售差3%达标，建议搞高……这种东西当然没法落地，也没法推动业务。量化策略，是深入分析，推动落地见效的第一步。从量化策略开始所谓策略，就是业务开展的前后顺序，轻重缓急。比如上文提到的“A产品销售差3%”达标。如果站在产品策略的角度，就不是这么头疼医头，脚疼医脚地把每一个产品的涨跌列出来。而是先问：这一堆产品里，哪个系列是主力，哪个是搭配？主力产品里，哪个负责引流，哪个负责利润？搭配产品，要和主力有多大比例交叉购买？新产品是主要发力点，还是旧品的补充？这些加在一起，才是“产品策略”。而衡量策略效果，自然也不是一款款列高了低了，而是看这些组合型判断，是否策略奏效：按当前组合下，是否业绩/利润能达标当前组合下，每个产品是否发挥了应有作用部分产品的波动，是否影响到了整体结构如下图所示，有可能定了策略是：新品引导，爆款突破。结果发现新品没有达成预期效果，这就是整体策略失效，这个时候纠结其他商品涨跌是次要的，核心问题是怎么赶紧把新品扶起来，或者再换个新品扛线。如果不解决策略失效问题，反而分散力量去纠结每一个子产品，那最后经营效果一定不会好。台柱子都塌了，修补瓦片有啥用。分析策略落地注意，策略不是孤立存在的，需要有配套行动计划和资源支持。比如主策略是：“推出3款新品作为爆款产品，支持业绩增长”。那么相应的配套工作有以下这些：宣传工作：新品上市宣传计划促销工作：新品上市推广活动产品研发：新品功能有竞争力产品研发：新品毛利空间足够销售工作：新品铺货、话术培训管理工作：目标分解、进度监督每一项工作都要人员、资金支持。因此相应的费用必须留足，整体的营销、推广费用占比要达到一定比例（可参考历史上爆款投入水平）。这样才是一个完整策略。这些配套工作和资源支持，是经营分析监控策略落地情况，解读策略问题的重要抓手。当分析策略落地情况的时候，要一条条看：资源预留是否充足工作计划是否按时完成关键资源投入项（比如促销、铺货、销售奖金）是否到位资源使用进度

很多同学喜欢问：有没有数据分析报告模板可以抄。其实如果掌握了写报告的方法，根本不需要模板抄。而所谓的模板，为了图高大全，往往章节很多很多很多。真实工作中真这么汇报估计既把自己累死，又把听报告的急死。今天我们就还原到工作场景中，看看数据分析报告该怎么写。数据分析报告有两种基本模式：1、你问我答：有明确的问题要解答2、我说你听：无明确问题，需要从常规数据中解读今天先讲：你问我答。因为有明确问题，所以回答起来更聚焦，容易讲解。01初级报告请大家看上图，然后自己先作答：1、昨天的销售业绩是多少2、明天的销售业绩是多少3、今天的销售业绩是多思考1分钟

很多同学都抱怨：用户留存、用户活跃、用户流失三大问题很难搞。一来，这三个问题看似相同，可又不全一样，不太清楚到底是啥。二来，这三个问题常常相互牵扯，相互影响，讲着讲着就晕了。三来，这三个问题都很难给分析建议，往往把数值算出来，就不知道说啥了。每次做分析，不是只能说：“要搞高！要搞低！”，就是战战兢兢地写上：具体情况得同业务沟通/得去问用户，给不出啥建设性意见。今天我们先正本清源，搞清楚这仨是啥。一、三个各自是啥意思用户留存，用户活跃，用户流失，三者其实是用户活跃行为的三种不同统计方式。用户活跃：首先给出“活跃”行为定义，如登录一次、访问时长超过10分钟、消费1次等等，之后用户每次做出活跃行为，即记录为：活跃一次（如下图）。

上一篇B2B行业基本分析思路【B2B行业数据分析，这是最完整的思路】写完后，很多同学都在催更。在大家的热情呼唤下，召唤出本篇。很多同学在抱怨，说自己公司根本没有数据，该怎么分析呢？这个时候一定要牢记这八字字真言：所以，做B2B分析，第一步就是：停止抱怨，认真梳理我们有什么数据。哪怕家底再烂，也得从这里干起。要记住，至少有三样数据你是有的：合同+业务员的工资单+业务员的简历。这三样东西已经能透漏很多信息了。●

今天继续分享如何写数据分析报告。很多同学问：“静态数据的报告该咋写”。尤其以用户画像报告为甚。很多时候业务提了需求：看看我们的用户画像。结果写出来报告被批：我都知道了，你写这有啥意义。到底咋弄？今天系统分享一下。

今年的大环境大家都看在眼里了，各种怪相也层出不穷：有的公司一边裁员一边招人，结果新招进来的人力成本反而更高了。有的公司觉得大环境不好，员工应该更拼命保住饭碗，结果人反而跑得更厉害了……人力资源问题能不能用数据分析？当然可以，而且比主观判断来得更准确。今天就先聊聊：员工离职问题。

做数据分析的同学，很多都听过：人、货、场的分析模型。然而，这东西又是个只闻其名，不见真身的东西。到底该怎么结合实际分析？今天我们系统讲解下。问题场景：某生鲜电商，用户复购率较低，60%的用户在30天内无二次购买行为，运营领导非常着急，要求通过数据分析提升复购率，请问你作为数据分析师该怎么做？A、建立人工智能精准推荐算法（40%概率用协同过滤，60%用关联分析）B、把过往6个月月初复购率做成折线图，然后写下苍劲有力的三个大字：“要搞高！”C、分析个啥，做电商不就是派券吗！所有无复购用户派券，干就完了奥力给！

很多同学都听说过，数据分析有技术型/业务型的区别。到底这俩有啥差异？哪个更适合自己？今天详细讲解一下。业务

有同学问：“如何基于数据分析提出运营建议”，今天我们拿个简单的题目来举例。这个题目陈老师之前讲过，有印象的同学应该还记得。再举一次，是因为经常有人把它搬出来，而且有关它的大部分讲解，都是错的。已知，下图是某个电商一周销售金额走势（具体数据都差不多，总之曲线长这样），问：数据反映什么问题，怎么提运营建议。

“要深度分析问题原因，不能只统计数字，流于表面！”每次写原因分析类报告，都有领导这么咆哮道。而听到这个要求，很多新手同学又是眉头一皱眼睛一闭：妈耶，咋整啊。今天我们系统讲解下。问题场景：某硬件+服务的大企业，正在推微信服务小程序，目标是降低人工客服工作量。可全力推进一段时间后，人工客服未见减少。客户服务中心（一级部门，很有权势）领导大为不满，要求做数据分析，为啥推广小程序没有减少人工客服量。一、核心难点归因问题首先难在：领导期望太细、太具体，而数据分析给不到。

我们说过，用户分层是一种特殊的用户细分形式：按价值高低细分。那普遍的用户细分该怎么做呢？为什么很多同学做完了细分，却被批判为：“没啥用处”呢？今天系统解答一下。

“报告很长，内容很散”是很多经营分析的问题。因为相当多的经营分析报告，其实就是把财务报表的利润、收入、成本、费用流水账似的罗列一遍，然后简单写一句：“收入低了，要搞高”、“成本高了，要搞低”。这种报告会让人很茫然，因为实际业务开展的时候，投入与产出是有关系的。很有可能为了满足大客户的需求，必须追加原料投入；缺少推广费用支持，就是很难获取足够的客户。不梳理清楚成本费用与产出的关系，只看一个总数，就没法了解具体的经营情况，更谈不上指导业务开展了。因此需要搭建一套分析模型，把成本/费用和收入的关系梳理清楚，这样才能客观评估：到底怎么做才能获得投入产出最大化。站在业务角度，最重要的三个议题就是：1、怎样低成本获取客户2、提供什么样商品/服务3、以什么价格促成交易因此构建经营分析模型，也从这三个角度入手。

报告被嫌弃没深度，简直就是“五雷轰顶”。最典型的，比如这位星友，简直是各种困难都集齐了：因为问题太过典型，所以今天专门分享一下破局思路，有相似难题的同学做参考哦。

经常有新手同学问：数据分析到底是怎么驱动决策的？今天用一个通俗的例子，让大家看清楚数据驱动决策全流程。通过对比，你能发现：为啥你做不出驱动决策的分析结果。某天，我饿了想吃饭。如果这一天毫无波澜，我会下班径直回家煮一锅面吃，我不需要任何人给我意见。但是某天，我来广州出差了。我不熟悉这个城市，我又很想尝试点新东西，这就有了获得意见的需要。这就是数据驱动的第一定律：熟练、简单、毫无意外的业务，很少需要数据分析的支持；有挑战的、有变化的、全新的业务，更需要数据支持。于是我问本地的朋友“我想吃饭，有啥好吃的呀？”朋友反问“你想吃啥？”这是数据驱动的第一步：提出决策目标。如果我说“随便~~~”我的朋友会劈头盖脸“丢雷啊！随便乜随便！这是因为没有目标的情况下，是根本没法提建议的，决策目标是第一重要的。可是我真的不熟悉本地，于是我问：“有什么特色介绍呢？”朋友问了几个问题，从大到小帮我圈定了范围（如下图）这是第二步：清晰决策目标。注意！清晰决策目标是数据分析的重大作用，很多时候，最初的业务目标可能是很模糊的，比如“有特色”。只有梳理清楚，落实到一个具体指标/标签上，才好执行。第三步：提出约束条件。要吃饭，就得考虑下述因素：1、几个人吃2、人均多少钱3、有多长时间吃4、环境要高大上还是接地气这些会影响到目标的达成和方案的选择，必须要提前说清楚。限制条件一般都是和资源投入、完成时间、技术能力等等有关的变量。第四步：罗列潜在方案。现实世界中，潜在方案都是有限的。并且提约束条件的时候，“且”字越多，潜在方案越少。我想要一个超级美味且环境优雅且收费低廉且服务良好且就开在楼下的饭店，估计只有梦里有。因此做决策前，得先了解有哪些潜在方案。常见的有2种：1、历史经验：“上次去过一家A饭店，很好吃”2、市面了解：“看看大众点评，发现还有BCD”这一步非常重要！很多数据分析师不知道咋提决策建议，其实是因为他压根就不知道业务是咋做的，也不知道有多少种做法。光看这结果数据，说：“收入低了，建议搞高”，肯定不是啥好建议。第五步：选择优化方案。根据备选项的不同，筛选方案的方式有不同。1、如果仅是ABCD四个饭店四选一，那么这是典型的综合评估问题。需要列评估指标，赋权重，收集评分，求解综合得分。2、如果是ABCD四条生产线，需要看怎么分配资源产出最大，这是典型的优化求解问题，可以用线性规划方法。3、如果是ABCD四个营销方案，以前都没干过，不确定哪个好，那么得做测试。通过试点测试收集数据，这是一个测试问题。三种思路对比如下图：这一步是极其需要数据辅助的，通过精细的计算，挑选一个最优方案再开始。第六步：设定后备方案。我们马上要出门，发现天阴得厉害。这是考虑：1、如果出门时不下雨，继续去A饭店2、如果出门时下雨，改去B饭店3、如果出门走到一半下雨，改去C饭店这样设定好后边方案，能更好应对变化。如果历史数据积累多的话，还可以提前预判概率，选择更好的方案（比如我朋友说“冇事嘅，呢滴天气无雨落嘅”）这一步不是必须的，只有很谨慎的，需应对较大不确定性的，长周期执行的项目（比如新车、新药研发），才会有这么详细的准备。这么干也非常烧钱，需要积累很多历史数据，也需要不断动态收集数据，判断走势。这样完成1到6步，就完成了决策制定的过程，后边就是第七步：过程监控第八步：异常识别第九步：问题分析第十步：优化建议整个数据驱动决策过程如下图所示：那么，为什么很多同学觉得自己没做过呢？一方面，可能是公司不行：领导喜欢拍脑袋，不懂科学方法，缺少数据积累，没有测试意识，平时不让数据参与，遇到麻烦才指望一个神奇模型一模把问题都解决了。另一方面，可能是数据分析水平不行，不懂业务，不会沟通，不知道区分目标/限制条件/潜在方案，不会选择合适的分析方法。总之，两头有一头出问题，都会导致数据驱动做不下去。可是，不管工作还是面试，领导们都很希望数据能起到驱动决策，推动业务的作用，要咋破局呢？我把我收集到的案例与工作心得，总结进了《数据分析思路》专栏，加入我的知识星球以后就可以学习。超丰富的八大权益，无二次消费扫码即可已有2800+小伙伴抢先加入除此以外，加入知识星球，还有14门视频专栏，既包括《数据指标体系》《数据报表设计》这种基础能力的课程，还有《经营分析》《用户分析》《商品分析》这种系列课程。视频课程目录，星友全部免费听左右滑动查看更多，点击查看大图如果有具体问题，可以在加入星球后和我具体讨论，还可以向2800+星友请教，了解各行业数据岗位工作特点，解决日常工作中小问题。加入星球后，还可以参加训练营，通过做作业+观摩其他同学+我的讲解，在练习中提升分析能力。猜你喜欢我手把手修改了一份【有前瞻性】的数据分析报告做有价值的经营分析，而不是记流水账这才是真正的用户分层，你那只是看平均数点击“阅读原文”可了解更多

你有没有试过，很用心做了一份分析报告，自己来回看了三五遍，觉得挺满意的，各个维度分析齐全，数据展示完整。屁颠屁颠交给领导之后，本以为还能得到一句认可，结果领导说：“这个分析不够有前瞻性啊，不要说那些大家都知道的事”。可到底什么是前瞻性？明明有对未来情况进行预测，可还是被批判为：没啥前瞻性。真不知道咋办了。——今天系统解答一下。问题场景先看看一个简单的例子如下，看图回答问题：6月GMV是多少？？？

在知识星球1000多个问题中，B2B类分析该怎么做，是问得比较多，比较有共性的。网上到处都是零售电商的例子，可这都是B2C类业务啊。当然还有一些同学连B2B和B2C都分不清楚，只是感觉到：我这个数据很奇怪，该怎么分析？今天系统解答一下。01B2B和B2C的直观区别一个典型的B2C场景：小明想喝奶茶，走到一家奶茶店小明：奶茶多少钱一杯？店员：15元小明：好，买一杯。小明扫码付款小明：真好喝！我再买一杯

很多同学在分析问题的时候都有困惑：怎么做才算有深度的挖掘？到底要挖到什么程度为止？一堆指标有高有低要怎么看？今天系统的跟大家分享下，如何深入挖掘问题。0级深度最简单的原因分析，就是单维度做个细分对比。比如分析为啥业绩没达标，细分一看，发现5个分公司，有2家没达标。那么分析结论就是：“因为2个分公司没达标，所以业绩没达标”搞掂！当然，这时候可以再多做一步：量化每个没达标的分公司的影响。比如看看谁是达标率很低的，谁是拖累大盘的。做到这一步，单维度的细分对比就做到头了。1级深度既然单维度细分可以做，那多维度也能做。常见的，就是拉交叉表。比如业绩为啥没达标？把产品、用户、分公司等维度，都拉出来和业绩目标做个交叉，然后把每个维度有哪些差异一一列出来。很多同学做问题原因分析，其实都在干这个事……注意，这里可以多做一步，就是发现几个维度之间的联系。因为很有可能，A、C、E三个分公司卖不好，背后有同样原因：他们都是甲产品的主要销售地，而甲产品做烂了……这种联系，可以通过两个维度交叉对比发现。2级深度然而事还没完，我们依然会追问：为啥甲产品会做烂？是这个产品先天性质量不过关，还是后期运营没有做到位？注意！到这一步，问题发生变化。不管是“先天质量不过关”还是“后期运营不到位”，都没法直接拿一个指标来衡量。此时，我们需要做转化，把语文描述的假设原因，转化成可量化，可验证的指标。比如“先天质量不行”，这里有两个点：1、什么叫质量2、怎么算不行衡量质量，可以从产品性能、配置等硬件角度（需要二手资料收集），也可以从用户体验、口碑等角度（需要调研/舆情数据采集），先把指标定下来。衡量“不行”则得找到参照物，可以参照自己的上一代产品，或竞争对手同期产品进行对比（如下图）“后期运营不到位”，也是同理，可以进一步拆分。而且因为运营涉及了推广、促销、商品周转等好几个方面，所以得每个方面单独看数据：1、推广质量如何（各推广渠道转化漏斗）？2、促销力度如何（优惠力度/整体资源投入）？3、商品周转如何（是否有渠道缺货/积压）？注意！当出现好几个方面的时候，有可能有第1级深度时候的问题：几个方面相互影响。此时由于假设不能用一个分类维度简单替代，所以检查相互影响的难度较大。一般来说，为了分析清楚，需要从业务逻辑角度，找“离用户近的，上游的”原因。比如推广、促销、商品周转三者相比，推广更上游，推广不行，人不够，啥都不行。所以可以先从推广上排查。3级深度我们在2级深度，确认了：1、产品的包装不是很受消费者欢迎（前期调研没做好）2、产品的价格偏贵，对手有更便宜的货3、推广效果不理想，推广转化率未达预期所以呢？分析结束了吗……不一定，因为一个健壮的问题原因，得是：有这个原因的时候，问题存在没有这个原因的时候，问题消失两边都成立，才能称之为“健壮”，因此如果只做到2级深度，领导经常会反问：“那是不是我换个包装/降个价/换个文案，它业绩就能好啊”说这话的同时，语气中好充满了不信任。此时终结问题的最好办法，就是：真的安排一次测试。哪怕是先小范围的测试，确认能解决问题也行，后续推大规模测试。注意，三个问题里，包装问题相对难改，价格和推广是很容易改的，做测试的时候，一般会选择容易改的下手，尽快获得反馈。比如价格问题，可以就近找个节日，安排一次节日促销，动一下价格看看效果。这里有两个点要注意：1、测试得可控，不能不留后手。比如调价，万一全面降价，商品销量还是没起色，咋办！不留后手，只会逼死自己。2、测试要注意控制其他变量。比如测价格，肯定会通过渠道投广告，那渠道运营就不能太烂，至少拿一些之前表现相对好的渠道来做。不然又扯不清，到底渠道和价格各自影响多少。这是企业里做测试，与实验室做测试的最大区别。实验室是封闭环境，可以耐心地做各种精细分组，一个个控制变量做对比。但企业环境下，很多问题前后有牵扯，内外有影响，要往着“出业绩”的方向努力。结果好，一切都好。不然磨磨唧唧试了几次都没提振业绩，估计自己都得滚蛋了。4级深度做到3级深度，很多同学会觉得：这下终于无死角了吧。其实还是有个潜在的问题，就是：短期和长期的矛盾。短期内的重点问题，不代表长期内也是重点问题。比如短期内促销一下就能拉起销量。可长期来看，上的促销越来越多，产品力越来越弱。最后经费烧尽，企业就完蛋了……因此，短期测试/验证的结果，需要长期累计的数据做支持，以评估长期效应。这样做数据逇时候，就不能“头疼医头，脚疼医脚”而是得做长期观测。把每一次遇到问题的假设列清单，记录下来，然后观察长期内：1、是不是某些问题反复出现2、是不是有些问题持续很长3、是不是解决问题手段趋于单一4、是不是解决问题成本越来越高如果是，那就说明存在长期问题。此时，那些反复出现、长时间持续的问题，就可以成为突破口。虽然短期内它们不是重点，会被促销等掩盖，但长期存在本身就是问题，就得推动业务去解决它。小结很多同学做不深入，是因为从2级深度开始，就不能只指望几个指标/维度交叉一下，直接拉出结论来，就得结合业务场景，转化业务假设，然后搜集证据。这要求掌握业务场景、指标、逻辑能力。这些能力需要积累和锻炼才能提升。而第3、4级深度，又依赖于业务配合。我们经常见到，有些公司的业务遇到问题，不是甩锅，就是粉饰太平，要么就是不分三七二十一搞打折促销，导致很多假设无法被验证，分析经验也无法积累。这时候，就要求做数据的同学，自己有总结问题的能力，归纳业务到底干了啥。如果我们发现业务只会“三板斧”，发现一些持续性问题始终没人管，其实我们的洞察能力已经上了一个台阶。如果我们能再设计实验，验证假设。即使没有真的投产，也是宝贵的分析经验积累。这些经验能让我们在其他更规范的企业，发挥价值。你也觉得自己的分析不够深入？找不到突破的办法？为了解决这个问题，我专门在知识星球录制了视频课程《数据分析思维》+《高质量数据报告》，让大家可以完整地从方法到实践，做深入的数据分析。还有少量优惠，马上扫码充钻加入！已有2700+小伙伴抢先加入加入星球后，还可以参加训练营，通过做作业+观摩其他同学+我的讲解，在练习中提升分析能力。总结一下，加入我的知识星球，可以享受八大权益，无二次消费。猜你喜欢卷死他们，数据分析师的述职报告（套路+模板）十年数据分析师总结的30个大坑，大家小心想做好用户画像？先学会这个基础操作点击“阅读原文”可了解更多

有同学问：该怎么述职比较好？原本，数据分析师想体现工作成绩就比较难。今年大环境不好，大家的危机感都很强，因此问题一出，激起很多同学同感。根据工作内容不同，述职重点有差异，但有些基本原则可以先介绍给大家。放平心态：平凡中找机会首先要强调一点：并非只有做项目才能体现数据价值，也不是所有的输出都得别人听你的，才显得你厉害。特别是服务老板的工作，老板嘛，总是喜欢显得自己高瞻远瞩的，所以能做好老板的支持工作就已经是大功一件了。反而是，刚进公司就想独立负责复杂项目，很有可能踩坑。因为数据字典整齐，业务需求明确，业务态度和善的公司比大熊猫还稀少。你刚进门，没有清晰的工作交接，数据字典？不存在的，连理解表结构都费劲。业务懒得搭理你，还时不时嫌弃你不熟练。这时候真接个“建立完善的用户画像”“实现精准预测”一类项目，很有可能把自己做死。所以先放平心态，

做数据分析会迷茫吗？实际上，经常会。因为数据分析本身就是一个处于十字路口的工作，学习的时候《统计学》《机器学习》知识一堆，可实际工作又经常陷入无穷无尽的取数当中，相当依赖对业务的理解和经验。这种反差最容易让人迷茫。星友提问甚至有些同学进了大厂也照样迷茫，本质上，数据分析工作要适用各种业务场景的要求，无法一套学术理论包打天下，所以总觉得自己啥都懂一点，似乎又啥都不精。星友提问我建了一个数据人的专属社群，让大家可以抱团取暖，也可以多了解各行业数据人状况，清楚更多工作的内幕，找到自己的方向。当然，有些问题是共性的，可以集中解决。我每个月都会把同学们经常提及的问题梳理出来，针对性地提供了14门视频课程，也放在知识星球中，从理论知识、分析方法、工作技能到求职都有覆盖，能全面提升大家的能力。同时，还每个月举行训练营。在训练营中，带着大家做题目，提升动手能力。同时给同学们一个扩展见识的机会。在训练营中，可以看到不同行业数据分析师的工作心得与困惑，了解常见的数据分析项目做法，从而一步步告别迷茫，增强自己的信心。还有少量优惠，马上扫码充钻加入！已有2700+小伙伴抢先加入通过学习和训练，有些同学能理清工作中复杂的问题，找到思路：有些同学则能看清自己面试中短板：还有一些同学实现了从0到1的小跨越：当然，能成功的同学，个人努力始终是第一位的，我只是起了辅助作用。就像每月召开训练营，虽然追着屁股喊，可是也只有60%的同学能坚持完成作业一样。可不管怎样，我们都是一个很友善的社区，有一群数据人相互帮助，共同进步。欢迎有需求的同学加入星球，本月还有少量优惠券。想查看详细课程目录的同学，可参看下方课程清单。还有少量优惠，马上扫码充钻加入！已有2700+小伙伴抢先加入总结一下，加入我的知识星球后，可以畅享八大权益，无二次消费。视频课程目录，星友全部免费听左右滑动查看更多，点击查看大图点击“阅读原文”可了解更多

很多同学做经营分析，就跟记流水账一样，每个月把收入、成本指标拉出来同比环比一通，ppt长达几十页，却被评为：“没啥用！”“不要光说数字，要有数字后的洞察……”那到底有用的经营分析怎么做？一起来看一下。常见问题前边吐槽的现象，被称为“四比”和“四分”。这是很多公司经营分析报告的主要内容！所谓四比，就是：同比、环比、KPI比、时间进度比，四个对比。比如分析销售情况，常规的经营分析，使用指标一般以下几个：所谓四分，就是：按客户、按地区、按机构、按产品，四个分类维度，比如分析销售情况，常规的经营分析，一般这么设分类维度（如下图所示）：不止收入，成本也能这么搞。而且成本比收入还多一个分类：成本科目。这样分出来的报表更复杂了，比如统计销售部门的费用使用，可能如下表：可正是这种看似复杂的报表，却经常被人诟病。因为这里数据虽然很多，但几乎都是：呈现结果，缺少分析与诊断。即使没有这种报告，业务部门自己也会关注自己的KPI完成情况。业务部门经常在一线和客户打交道，哪个地区、哪个商品、哪个客户不好做，他们比远在万里之外的分析人员更有直观感受。因此，展示这些结果数据是必要的，但不能停留在此，更不能沉迷其中。如果仅仅是翻来覆去地讲：这个XX指标做得不好，业务当然会不满。这种报告上了经营分析会，经常被业务花式吐槽，“没有用”“我早知道了”“你说的都是废话”是常见的三件套。那么，该怎么做改进呢？就拿上边看似简单的销售分析，举个小例子。改进点之一：增加过程指标报表复杂和报表能讲出问题是两码事。看回上边的例子，如果解析销售情况，光看收入结果，肯定无法了解问题是怎么来的，得深入到过程才行。并且，新客户/老客户，大客户/中小散客，可能有不同的销售方式，要看的数据也不同。如果是新客户，可能要关注的是获客效率。此时要看：从哪里获取客户线索，有多少客户线索，转化效果如何，卡在哪些环节。如果是老客户，则要关注客户复购。客户是否活跃（和我司保持联系），是否到了复购节点，是否有新需求发出来，我司应标情况如何。增加了这些过程指标，能更好地解读：为啥收入没有做出来。在这一堆过程指标里，有些是纯靠堆体力/砸投入能完成的，比如新客户线索数，老客户活跃数。如果这些指标下降，就是执行端出了问题，可以直接说：“要做多”。而有些指标则需要综合型解读，比如转化率，需要从产品、价格、客户需求等几个方面解读，看到底是产品不匹配，还是成本控不住，还是能满足客户需求，但我们不想做。改进点之二：打通收入成本把收入与成本割裂来考核，很容易搞出乱子。这世上没有：又让马儿跑，又让马儿不吃草的美事。特别是和新客户获取、新产品上市等有关的推广、营销成本，市场可不会惯着你，不肯投钱就是没效果。因此，要在成本和收入间建立联系，具体看每一种成本是怎么促进收入的。由于成本核算需要时间，因此不可能在每次分析的时候，都事无巨细地列上所有成本项。因此需要区分短期、长期输出结果。在短期内（周/月），抓投入大的、容易观察的、对收入影响大的关键成本。比如推广费用、营销费用。如果发现推广效果在下降，需要立即提示风险，控制成本的不必要损耗。而在长期内（月/季度），则要进行成本全面复盘。如果是toB类的行业，大客户很重要，需要围绕客户，对所有相关成本进行核算，把控投入力度。如果是互联网行业，则往往以产品为中心，核算推广-运营-研发成本。如果是零售行业，则以渠道为主，核算每个渠道经营成本。总之，从业务视角出发（而不是从成本科目出发），围绕“是否对收入有帮助”组织成本数据，才能更好说明问题。改进点之三：区分业务重点每个公司都有自己的重点业务，很少有所有业务齐头并进的情况。比如都是扩展市场，可能是以新产品为主线进行的，可能是以新渠道为主线进行的，也可能是以老客户维护为主线进行。在这个时候，就不应该在呈现结果数据的时候乱拉交叉表。事无巨细地把每个分公司、每个产品、每个渠道的收支细节，KPI差异都列出来，这样反而会干扰判断。了解业务策略，突出重点，把当前最重要的部分（新产品/新渠道/客户群体）突出出来，才能让看报告的人一眼看到当前的问题。如果真的发现，目前的主策略有问题，那就是大麻烦，不管其他细节执行的好不好，都得做深入探讨。改进点之四：关注持续变化事无巨细地把所有指标都列同比、环比，也是一种干扰。新老业务线的关注重点不同，应当提示大家关注真正该看的问题。比如新开发的渠道，是否能持续带来流量；新获取的客户，后续X个月的留存/转化情况；新上线产品，是否发展趋势良好。这些数据看同比会更有意义，而且要把连续n个月数据绘制成趋势图，用于判断，不是简单摆个同比就交差的。而老业务，比如经营很多年的产品、门店、客户群体，则更得关注：“是否今年走势和去年一致”。因为已经经营了很久，有历史数据，并且随着环境变化，可能老客群在流失，老产品在逐步被淘汰。此时才是关注环比。并且要配合宏观环境分析，来解读年度走势差异。小结总结以上四点可以看出：盲目堆砌同比、环比数据，没有逻辑的列一堆交叉分类维度，缺少过程指标，是导致经营分析报告臃肿且无用的根本原因。理清业务逻辑，突出业务重点，把握关键指标走势，才是提升有用性的关键。并不排除，有些领导特别喜欢看四比、四分型报告，也不排除有些领导特别喜欢看费用明细。看到ppt页数特别多，指标拆解特别琐碎，丫心里就爽了，觉得有掌控感！只不过，财务有个部门叫成本会计，他们可以出示各种成本报销底单与统计表，这些细节控，完全可以在他们那看到爽为止。但凡做的经营分析报告，想深入分析问题，都得分重点，抓关键、看过程。只不过，有些经营问题会很复杂，特别是涉及：多个产品线是否相互抢流量，叠加在正常销售之上的营销是否起作用，品牌、产品研发等长期项目到底怎么考量效益等复杂问题。这些问题，不是简单的1+1=2，不是线性的收入=a*投入+固定需求。不但考验数据分析能力，更考验决策者的素质，稍后我们再做专题性分享。当然，在具体的工作中，还会遇到文章没提到的具体问题，邀请你加入知识星球，我们可以在星友微信群中讨论，也可以添加我本人的微信，和我一对一探讨。最后，欢迎大家加入我本人的知识星球。作为全网可能唯一的数据分析星球，已有近3000星友加入，很多星友成功跳槽、加薪、晋级。加入后，即可享受8大服务，无二次消费。以下是星球的内容介绍：还有少量优惠，马上扫码充钻加入！已有2700+小伙伴抢先加入视频课程目录，星友全部免费听左右滑动查看更多，点击查看大图猜你喜欢业务分析模型，我整理了四个好用的模板用户流失分析，这是我见过最好的模板天天在写同环比，深入的数据分析到底怎么做？？点击“阅读原文”可了解更多

很多同学搞不清楚数据运营和数据分析啥区别。一提起要“搭建数据运营体系”或者“建立数据运营机制”就懵圈：1、这跟我做一套数据指标有什么区别？2、为啥我做了数据指标，可运营部门根本不理我？3、好像每一种运营都有自己的指标体系了，还咋个数据运营法？今天我们系统解答一下。先问一个最关键问题：数据运营，重点在数据上，还是运营上？数据运营

经常有新手同学问：数据分析完整流程是什么样的？今天用一个通俗的例子，让大家看清楚数据分析全流程。通过对比，你也能发现：为啥你觉得自己没有做过完整的数据分析。某天，你的朋友老王对你说：“还上啥班呀，你看你上班一个月才1万块，还不如像我一样卖手抓饼呢，比你上班挣得多多了！”你又吃惊，又好奇。卖手抓饼真的比上班挣得多多了？为了解答这个问题，你得做个分析。前边老王对你说的话，用专业话说叫：了解分析背景。那么，怎么确认卖手抓饼和上班哪个挣得多呢？你可能直观地想到：打工一个月多少钱是清楚的，卖手抓饼一个月赚多少钱不清楚。于是，你写下了如下图对比表，然后开始收集数据。这个动作，用专业话说叫：确定分析目标。手抓饼摊子虽小，杂七杂八的东西却挺多。收入：卖饼子、火腿肠、鸡柳、饮料……成本：小推车、炉子、燃气罐、酱汁、葱花……一个个数太过费事且很难数清楚。因此，你决定化繁为简，抓最主要的成本和收入。你去老王的摊子上，了解到以下关键信息：1、最基本的原味手抓饼：1个饼+1个蛋，卖5元2、酱汁、葱花都是小钱，主要成本是饼子、鸡蛋、天然气3、火腿肠进价2毛卖2元，鸡柳进价3毛卖3元，能贡献大量利润4、其他的零零碎碎都是边角料，聊胜于无于是，你整理出下边的逻辑图与数据表，这一步，用专业话说：建立分析模型。做这步，可以开始收集数据了1、收款用的是微信、支付宝，因此可以直接看当天入账2、消耗的饼、蛋、火腿肠、鸡柳可以每日早晚盘点一次3、消耗的煤气没法每日计算量，只能看两次更换用了多少天，分摊进去这个过程，用专业话说：数据采集。采集过程中，要注意剔除一些问题，比如晚上打麻将输了1000元，这跟小摊没关系，因从微信收支里剔出去，这叫：数据清洗。采集到细节数据后，可以计算每日的收支情况，如下表所示。这个过程叫：数据计算（俗称：取数）。取数的复杂程度，和数据计算的复杂度有直接关系，如果数据都像上边这么简单，工作肯定轻松很多。有诗云：“一杯茶、一支烟、一段SQL写一天”，就是在吐槽，数据计算太过复杂，导致得写几百行SQL才能拿出来。看到数据后，你会好奇：为啥老王收入这么不稳定？一天高一天低。具体了解每天以后，你发现：1、下雨的日子，街上人少，收入下降（外部因素）2、今天起晚了，没抢到好位置，收入下降（内部因素）3、今天发烧，不舒服，只干到夜里9点，早早收摊，收入下降（内部因素）看起来，如果不记录这些原因，是没法深入分析的。于是你如下图所示，对每一天老王的内部因素和外部因素做了记录。这个动作叫：增加分析维度（俗称：打标签）。有了分析维度，就能解释为啥老王收入不稳定了，并且有了一定预测能力。比如你看到天气预报，本月预计持续降雨2周，那老王的收入肯定保不住了。综合以上所有信息，经过1个月以后，你终于完成了开头列出的分析目标，如下图所示。整体看起来，老王确实在数据统计月份，比你的打工工资高。但是经过细致的分析，你了解了老王收入波动的影响因素，可能会增加新的判断维度。比如：1、我能不能坚持一个月出摊28天2、我能不能早上6点起来抢好位置3、我能不能发烧也坚持到夜里9点才扯这个过程，用专业的话说，叫：增加评估标准。最后，你得出结论：虽然摆摊收入是高，但太耗体力，且稳定性差，所以拒绝接受摆摊的建议。这叫：得出分析结论。以上就是数据分析全过程：1、了解分析背景2、明确分析目标3、建立分析模型4、数据采集、清洗、计算5、增加分析维度与评估标准6、得出分析结论与建议之所以很多同学觉得：自己没做过完整的分析，常见的原因是：作为基层员工，只干第4步，不知道为啥取数，不知道数有啥用没有清晰的目标（第2步），取完数下不了结论，也没有效建议对业务不了解，不知道模型是啥（第3步）也不知哪些维度有用（第5步）公司数据建设太差，缺少数据，数据质量差，消耗大量精力（第4步）业务部门不配合，自己领导懒得教，光让“自己多想想”……以上种种，都会限制个人发展，工作中觉得很无聊，面试的时候也讲不出一二三。为了帮大家解决这些问题，我整理了《经营分析》系列课程，详细介绍了企业内各类业务常用哪些数据做分析。并且整理了《数据分析思路》系列课程，详细介绍如何完整分析问题。这些课程都在我的知识星球内提供（如下图）。除此以外，每个月我会针对知识星球内星友，召开训练营，带大家动手练习，提升分析能力。有兴趣的同学可以扫码加入我的知识星球。还有少量优惠，马上扫码充钻加入！已有2700+小伙伴抢先加入视频课程目录，星友全部免费听左右滑动查看更多，点击查看大图猜你喜欢业务分析模型，我整理了四个好用的模板想做好用户画像？先学会这个基础操作这是我见过最【高级】的数据分析点击“阅读原文”可了解更多

经常有同学问：“有没有业务分析模型，能直接代入数据，输出结论”。不同企业里，业务形态千奇八怪，肯定没法用一条公式满足所有需求。但是，有一套方法很好用，可以帮助大家快速梳理清楚业务逻辑，构建分析思路。今天分享给大家，看完以后记得在右下角点个赞哦。第一类：总分式模型总分式结构一般用于单一关键指标的分析。比如我们要分析一个企业的收入情况，可能该企业有线上、线下，多个销售渠道，有多个类型产品在销售，此时需要把整体收入根据渠道、商品情况拆开（如下图），从而看清楚：1、哪些是占收入大头2、哪些是新增长点3、哪些地方有问题成本分析也能用类似方式，比如分析一个商品的生产成本，需要拆解：1、该商品需要哪些原材料2、该商品有多少步工序3、每一步需要多少人工，投入多少原料总分式模型应用非常广泛，因为大部分业务部门就只背一个关键KPI指标，因此直接拆KPI指标，就能得到该部门的分析模型。如果遇到一个部门同时有好几个任务，那么拆解会非常复杂，比如一个公司的客户服务部门，即得接客服电话，又得跟进售后服务，还得借售后机会推销新品，那它的业务就混合了好多种模式，需要一一梳理（如下图）。第二类：矩阵式模型矩阵式结构一般用于两个关键指标的分析，比如把收入成本摆在一起，对某个业务的投入产出情况进行分析，评价业务表现，发现问题点。当然，实操的时候，收入、成本的形态会很复杂：收入端：不同商品、不同客户、不同渠道、有没有促销叠加成本端：变动成本、固定成本、前期投入的沉没成本矩阵式模型的关键，在于：根据业务特点+业务目标，合理地划分收入/成本。比如开店，如果仅评估当月经营情况，是不需要考虑沉没成本的。但考虑新开店计划，就必须考虑沉没成本的回收速度。比如促销活动评估，到底怎么核算收益，怎么估算自然增长率，哪些成本该算到活动里，需要结合活动形式具体考虑，很难用一套标准去硬套。好消息是：很多公司的业务部门，只要埋头做自己的KPI就行，不需要考虑这些复杂问题。坏消息是：很多公司会直接把收入成本的评估丢给财务，而财务的同学不咋懂业务。于是分析做得很辛苦，做出来以后又会引发业务和财务的PK，总之没那么轻松交差。第三类：循环式模型比如商品的进销存管理，就是一个典型的循环式模型，只要商品没下架，就要持续进货→销售→盘点库存→再进货。类似的，比如用户运营，也是循环式结构，持续拉新→促活→转化→唤醒，保持用户群体的活力（如下图）。在循环式结构中，数据指标相互影响，因此一般会选一个起点开始分析。比如商品进销存管理，可以：1、先盘点库存2、参考过去销量，预估未来销量3、进行缺货情况判断4、做出下架/补货决定整个分析如下图方式展开。在这个过程中，对未来的预测是最重要的，也是最复杂的。因为大部分商品销量不是一条直线，受到自然周期，生命周期，营销动作，产品竞争力，目标市场偏好等综合影响。这里有可能衍生出很复杂的分析。第四类：逻辑树模型逻辑树模型一般用来诊断问题。之所以叫“树”，是因为在诊断问题的时候，经常需要做“是XX原因，不是XX原因”的判断，这些判断逻辑写出来形同树枝。比如要分析：为什么A店铺销量不达标。有一位同学提出：是因为A店的位置不好。那么他提出这个假设的时候，就默认了：不是因为A店的店长不行。此时写出来分析逻辑如下图所示（如下图）：如果想进一步验证判断，就需要大量列举数据，支持结论。随着例子的增多，逻辑树也会越来越大（如下图）：逻辑树模型有两个难点，第一个是：提出合理的假设。比如一提到收入下降，很多人会习惯性地扯“大环境不好”；提到成本升高，很多人习惯性扯“通货膨胀”。这些看似有理但过于宏大的假设，会误导分析方向，掩盖真实问题。第二个难点，在于：找到足够多的证据。很多时候，单靠历史数据不能直接推导出结论，需要结合测试进行验证。比如上文提到的“店长能力不佳”，严格的做法，需要找同类门店，调换店长做测试。现实中，很多业务部门不愿意做额外测试，总是死守一种老方法。这样会错失找到问题关键的机会。综上：想要做出好的业务分析，梳理清楚业务逻辑，清晰分析目标，提出合理的假设是必不可少的环节。光对着数据库里的表冥思苦想，可能到头来还是发懵。我把更详细的知识点，总结成三门课程《数据指标体系梳理》、《数据报表设计》、《数据分析思路》，放在了我的知识星球里，想系统学习的同学，加入星球后可以学习。加入星球后，还可以参加训练营，通过做作业+观摩其他同学+我的讲解，在练习中提升分析能力。加入我的知识星球，还有14门视频课程可以学习，特别推荐《数据指标体系》《数据分析思路》《数据报表设计》《高质量数据报告》四部曲，可以从梳理指标→构建思路→设计报表→完成报告，系统提升分析能力。视频课程目录，星友全部免费听左右滑动查看更多，点击查看大图还有少量优惠，马上扫码充钻加入！已有2700+小伙伴抢先加入猜你喜欢十年数据分析师总结的30个大坑，大家小心野生数据分析师脱困指南数据分析师，如何给自己找活干点击“阅读原文”可了解更多

做数据分析难在哪里？可能刚入行那一刻，会觉得做充满图表的仪表盘，或者python里跑个模型就很难了，但真正工作开始后，才发现难点远远不止于此。去面试，发现缺少复杂问题处理经验：真面对复杂的问题，又有点心虚：面试管理岗位，发现缺少相关经验：以上种种，都是大家在从1到10，从初级向高级进阶的时候常遇到的问题。如果克服不了，就很难做出成绩，拿到满意的offer。同学们提出的问题，我都一一做了详细的解答，并且整理了最常见，最容易踩坑的30个典型问题，将其解决思路整理成《数据人工作难题大合集》专栏，加入我的知识星球以后，就可以看了，并且该专栏还在不断扩充ing同时，为了夯实大家的基础知识，我还分六大类型，准备了14门视频课程，从基础知识、分析方法、工作技能到求职，可以覆盖大部分同学的需求。除了课程以外，每个月还有训练营，既锻炼同学们做分析项目的能力，也锻炼同学们讲述自己项目经验的能力，动手和动口同步加强。以上，有需求的同学可以加入星球，本月还有少量优惠券今天带来限时优惠，马上扫码充钻加入！已有3000+小伙伴抢先加入当然，有可能有些同学有相对私密的问题，比如简历不方便公开，比如想吐槽公司or领导，这些私密问题，加入星球后直接来找我聊吧。想查看详细课程目录的，可参看下方：视频课程目录，星友全部免费听左右滑动查看更多，点击查看大图猜你喜欢初级、中级、高级的数据分析师有什么区别？野生数据分析师脱困指南今年这环境，如何提升数据分析的价值？点击“阅读原文”可了解更多

没人带、没人教、没团队，你占了几条？如果三条占两条，就是所谓的“野生”数据分析师了。如果再加上：1、公司数据基础建设一塌糊涂2、其他人都催着你赶紧给数据3、领导总嫌弃你分析不够深入那就是传说中荒野之神——野中野的数据分析师。没几个人喜欢这种状态。没人带会让人迷茫，没人教上手很慢，没团队则在干活的时候经常被欺负。如果再加上被人嫌弃，那简直不用干了。隔三差五，就有同学来抱怨。该怎么破局呢？大家知道，陈老师一向不喜欢灌鸡汤，今天我们就脚踏实地来研究下，该怎么脱困。一、从识别生存环境开始注意！对数据分析师来说，真正最难的是没数据。如果连基础数据建设都没有，每天拿着各种来源的数据东拼西凑，自己搭草台数据库，那就真的没啥搞头了。相比之下，分析要求多，流程乱，都是疥癣之疾。因此在识别生存环境时，首先看的是公司的数据基建情况。虽然都有可能出现“没人带”的情况，但是具体到数据基建上，可能有五种状态：状态1：公司刚起步，啥都没有，依赖阿里、亚马逊等平台提供简单、基础数据。状态2：公司有一定规模，有业务系统（比如进销存，ERP）但数仓没搞起来，也没有数据团队。状态3：公司有一定规模，数仓有人管，但是没有专门的数据分析师，现在刚开始招人起步。状态4：公司有数据部门，但是自己被散养在外边了，比如丢在运营、产品、用户增长团队。状态5：公司有数据部门，自己也在数据部门，但是领导不愿意教，也不带！总让我自己多想想……这里，状态1、状态2是没数据的状况。这种时候相当麻烦，一来，这时候连基础数据都没有，大量的工作要处理基础数据；二来，因为团队缺失，没有人能凭一己之力把所有开发做完，肯定会有很多野路子搞法，会有很多东拼西凑的东西；三来，小公司的业务很多依赖平台，基于平台数据，能挖掘到的东西也有限，运营经验比分析能力要有用的多。更不要提，小公司流程不规范，同事之间摩擦是很有可能的。划木筏的经验，不见得对造航母有用。所真在这种团队，先问自己一句：“我喜欢这个团队吗？”如果喜欢，那么尽可能满足团队需求，野路子/正路子无所谓，先把团队所需要的做好，等团队规模做大，能招人了，再逐步补齐能力短板。如果不喜欢，就润吧。注意！想润其他公司，有一技之长即可，不见得要满足所有需求。特别是很多从业3年内的同学，有取数能力，了解常规业务指标，熟悉数据看板、报表做法，润走是问题不大的。状态3、4、5，实际上是有数据的，更大的困难是没人教，没人带，用不好。和没数据相比，起码有工作的基础。更多要看怎么应对工作挑战。二、区分面对的挑战在有数据的情况下，如果缺少团队和指导，很有可能面临的压力，都是业务给的：1、业务为什么拿数据，不跟你说2、业务拿到数据以后干了啥，也不跟你说3、你提的意见，业务不是不理，就是“早知道了”4、业务主动问你的问题，都是算命，比如“准确预测下销量”5、业务直接把他们问题甩到你面前“你说我该怎么做活动……”随便碰上一个就能把人气半死，碰到3个以上，就会让人有离职的念头，甚至自我怀疑：“到底这个数据分析该咋干？？？”这里的核心问题，是需求分类的问题。【以下部分是重点】数据分析支持业务，是分步骤，分层级的：第一步：梳理业务流程，建立指标体系第二步：提供基础数据，满足基础需求第三步：建立判断标准，增加监控/警报第四步：分析问题原因，积累分析经验第五步：建立业务标签，提升测试能力第六步：总结业务规律，提升预测能力第七步：建立业务标签，分析复杂问题这一步是一步步来的，特别是前三步，着急不了。如果数据采集不完善，基础数据不全面，今天看到10%下跌觉得很正常，明天就为1%下跌急得抓耳挠腮，那还做啥深入分析。但是业务部门并不理解这些。很多人都认为：“不就是一个数字吗，为啥要这么麻烦”还有些人认为“你看数学/统计学/机器学习的公式那么复杂，丫一定有魔法，我输入一个12345，丫就能算出惊天秘密”。因此业务部门总是嫌弃基础工作浪费时间，总是想一步迈进魔法时代。这时候，数据分析团队的领导就非常重要。如果是有团队，而非野生状态。团队领导就会帮助业务梳理需求，把需求分层，基础类的数据采集、指标体系、数据监控，以固定报表/看板的形式满足。满足个性化需求时，优先满足老板们的需求。一个独立的部门经理/高级经理/总监的身份是很必要的，可以利用职场规则，挡掉很多不靠谱的事。但是，没团队的野生哥们就惨了。特别是那种人就在运营、用户增长、产品、销售部、市场部，却挂了个“数据运营”“数据专员”“数据支持”的哥们。本来就是业务部门的人，又吃业务的饭，业务会理所当然认为你能搞掂这些。所以被虐得最惨的就是这些哥们。这些哥们连讲理都没地方讲理——上司就是业务的头，丫不听呀。这个时候，问问自己“我喜欢这个团队吗”如果喜欢，就坚持住，尝试按照正常的流程，先解决基础问题，再输出复杂分析结论。如果不喜欢，直接润是没啥问题的。三、提升自身的能力还有一种情况，就是虽然有数据团队，但是上头的领导不！管！事！没啥工作指导，也不会出头和业务沟通，说不定还转过身PUA下属：“你看，你的独立工作能力还不行呀！”搞得很多同学心生疑虑：“这人是咋混上来的……”以及“我要怎么扛过去……”注意！一个人能当上领导有很多原因：1、大厂镀金出来的2、熬资历熬上来的3、伺候老板很舒服4、丫就是靠卖下属上台的特别是第四种，有很多数据团队的领导，如果发现项目成果很好，就自己去汇报。如果对分析报告/预测模型没信心，就让下属去汇报，让下属顶第一波雷再说……所以，如果真遇到上司不顶事。仔细看看他自己交付给老板/其他团队的成果质量如何。如果他自己都不着四六，老板也不满意，那就说明丫是个水货。如果他自己交的质量不错，但是不怎么给你意见还PUA，那就是在卖队友。此时怎么办呢？注意！数据分析，是少数不需要领导审批也能工作的岗位。因此即使独立面对业务，也不用着急，一步步去做。1、把不属于数据分析的，比如“我该怎么办”摘出来2、属于数据分析的，按照前文所属流程，一步步做3、碰到诸如“建模/预测”一类复杂问题，先把需求搞清楚4、在数据允许的范围内，提供输出，数据都没有的，直接放弃这样可能会得罪一些人，遭一些差评。但说实在的，在你的领导散养你那一刻，遭差评、得罪人就是命中注定的。所以不用纠结这些。等自己技术经验/业务知识积累够了，就再问自己一句：“我喜欢这个公司吗”如果不喜欢，我们润的本钱也攒够了。四、小结从本质上看，数据分析是个技术工种，不像运营/产品，非常依赖成功案例。作为数据分析师，有能力提取/加工数据，了解常见的业务场景，能梳理清晰需求，能搭建看板/模型，能做好测试，就足够我们安身立命了。自己的硬本事是关键。以上详细的场景拆分，总结成一句话，就是：“不要因为公司基础不好/业务态度冷淡/领导的PUA，而把我们宝贵的精力浪费在积累核心能力以外的事情上”，努力提升能力，更好的公司的是！与大家共勉。当然，如果你觉得在数据之路上太孤单，想直接和陈老师聊聊，或者与更多小伙伴一起成长的话，欢迎加入我的知识星球。加入我的星球后，可免费享有八大权益今天带来限时优惠，马上扫码充钻加入！已有3000+小伙伴抢先加入猜你喜欢今年这环境，如何提升数据分析的价值？数据分析师，如何给自己找活干初级、中级、高级的数据分析师有什么区别？点击“阅读原文”可了解更多

扫码本周，我被问得最多的问题是：“今年环境不好，数据分析项目该咋做？怎么样才能体现价值？”有些同学是因为项目任务太多，不知如何展开而苦恼；有些同学是因为业务要求太虚，感觉前方有坑而疑惑。这些问题我都一一作了详细解答。不过在众多问题里，这一个我觉得最典型，有必要单独拎出来分享：来自知识星球里星友的提问领导不懂技术，对BI缺乏理解。项目的基础工作很多，领导却催着“赶紧出成果”，觉得没有实质产出。这些问题，可以说在很多数据看板类项目里都存在，是个普遍问题，值得每个同学警惕。首要难点大部分领导在看到数据以后，会觉得：“这就是描述性统计，好像也不复杂呀”。可你真把数据停了，他们立马感觉到空虚、焦虑、失去对业务的把控感，催着你赶紧供数。这就是数据体现价值的核心难点：当你失去数据的时候，你才能意识有数据的重要性。可为了保障企业平稳运行，我们又不会真的把数据停掉。因此，在BI项目开始的那一刻，就得列清楚目标。不要简单写一句：“打通内部数据，提供详细完整的报表”，而是详细量化工作量，用数据展示价值。破局思路建议使用以下模板，做详细的项目目标设计：1、本次将原有XX张报表合并输出，节省操作时间X%2、本次将新增XX个指标，XX个维度，增加X%的可用数据3、本次将提升X个指标的准确性，减少XX个错误/有歧义指标4、本次将提升数据更新速度，较之前提前X分钟提供数据尤其，当大领导说到：“你看这两张报表，财务数据和业务数据总对不上啊”“你看，这一个指标居然五个口径，好头大”“你看，这几张excel我翻来翻去真不方便”记得，不要在系统截图，最好直接拍照领导的PC或者手机。这样项目总结的时候，把照片翻出来，忆苦思甜，勾起大家对痛苦过往的回忆。这样能有效减少“当初求数像条狗，看到数据嫌人丑”的问题，亲测好用。过程把控实际开工以后，BI项目有强烈的冰山效应：人们看到的少，实际要施工的东西多。最后给老板汇报的是一个看板，可实际会牵扯到多个系统数据打通，数据清晰，数据口径统一等脏活累活。这些工作对项目成功至关重要，可领导们却不理解。甚至，很多领导会觉得数据“不就是excel搞搞吗”，不断质疑项目进度。此时，有个方法可以缓解领导们的进度焦虑，就是不用数据的名词，而是站在组织架构的角度，来汇报进度：本次需要和XX个系统（比如新上线的APP）打通数据本次需要和XX个业务部门（比如运营、商品）确认口径其中，XX部门已完成确认，XX部门还没跟上下一步，将和XX小组协调，完成XX部分工作，继续推进项目虽然领导们不懂技术，但是领导懂组织架构呀。按岗追责，体现我们该干事正在推进，需要配合的有人在跟。如果真的卡在某个环节配合不到位，告状的时候也是条理清晰，对事不对人。小步快跑即使做了以上动作，也很有可能面临领导：“你咋还没弄点产出”的质疑。很多同学喜欢憋到全部工作做完那一刻才去汇报，结果憋得太久。等得越久，期望值越高，期望值越高，失望越大，这是普遍问题。因此，时不时得提交点东西上去，别让领导干等。这时一定要拿出项目开头定下的目标，比如：需要开发看板，可以先虚拟数据，做好界面，直接丢给领导过目需要统一口径，那拉上各个部门开完会，形成既要就能报进度了需要新增XX个指标，那么只要数据接进来，就先报：完成30%/60%这样总是让领导看到成果，就能减缓焦虑。当然，想根治焦虑还得尽快做完才行。当然，这只是基础思路，每个公司的风格、具体项目要求不一样，操作上会有细节差异。如果你有类似问题，就直接来问我吧。加入星球，和其他同学一样具体问题具体讨论，这样进步更快。其他情况数据项目大致有四种，每一种挑战都不一样：BI项目：领导价值感低，基础工作量大，项目进度容易拖，领导会着急建模项目：业务目标不清晰，期望值太高，数据质量差，模型不达预期问题诊断：缺少详细数据，无法深入分析，业务受利益驱使，不承认结果业务建议：不知道怎么从数据推导业务结论，提出的建议很难被采纳这些问题，每一个都会成为工作中绊脚石，难题，甚至会打击到信心。也经常有同学在星球提出类似问题。我都一一做了回答，想看细节，就来星球吧，已经收集了800+真实问题。以后我会整理一些有共性的，发到公众号。感兴趣的同学，本篇记得点个赞哦，集齐60个赞，我们下一篇继续分享。除了问题问答外，加入我的知识星球，还有14门视频课程可以学习，特别推荐《数据指标体系》《数据分析思路》《数据报表设计》《高质量数据报告》四部曲，可以从梳理指标→构建思路→设计报表→完成报告，系统提升分析能力。视频课程目录，星友全部免费听左右滑动查看更多，点击查看大图今天带来少量优惠，马上扫码充钻加入！已有2700+小伙伴抢先加入猜你喜欢数据分析师，如何给自己找活干经营分析是什么？为什么大厂这么重视它初级、中级、高级的数据分析师有什么区别？点击“阅读原文”可了解更多

两极分化，是数据分析工作的常态。在一些同学每天忙着搓SQL搓不完的时候，另一些同学却深深陷入“我到底要干点啥？”的迷茫中。这些同学经常是刚入职一家企业，或者新成立的数据部门。他们的直属领导忙得脚打屁股，一周都见不到一次面，见面只会说：“你要发挥主动性”“你跟业务多聊聊”“你自己多想想能做啥？”就没了，没了，没了……

本篇要分享的，是一个非常基础的，估计人人都听过的，却经常弄混淆的概念：用户标签。虽然名字简单，但它确是用户画像、精准营销、个性推荐、智能投放等等各种系统的砖石。今天系统分享一下。

公众号又调整了推送规则，在推荐算法下，原创知识博主不易，想持续看干货原创，请将我的公众号设为“星标”哦，不然就看不到啦~有同学疑惑：领导让做用户分层，可不管怎么分，似乎都觉得没有啥科学道理，也经常被嫌弃：“你这分层分得有啥意思”。到底有没有标准的分层规范？在讨论这个问题之前，大家先看一个简单的问题，假设一个业务收入情况如下，你会怎么解读数据？（总收入=付费用户数*付费用户人均付费）一、用户分层的一般作用本质上看，用户分层是一种特殊形态的用户细分：按用户价值高低进行细分。处于上层的，是高价值用户，处于下层的是低价值用户。用户分层最大用处，是：去平均化。比如上边的题目，大部分同学会脱口而出：总收入在下降人均付费减少了17%，用户增长了20%所以要把人均付费搞高，再搞多25

上一篇我们分享过：写报告是一回事，讲报告又是另一回事。很多新人抱怨，每天只有日报、周报、月报的常规报表，压根没有做真正分析的机会。可往往给了机会，让他做一个报告给大家听，开讲5分钟台下听众就纷纷掏出手机，愉悦地搓了起来——怎么破！今天我们就举个简单的例子看看。假设一个公司有5个业务线，业绩如下图，受大环境影响，2、3月份业绩很惨淡，为提升业绩，市场部在4月开展活动，全场8折，不设门槛，全员参加！活动开展到15号，已产生的业绩数据如下图（业绩在全月均匀产生，不存在月底冲量）：

我的知识星球【接地气的陈老师】，是我今年花费最多精力搭建的数据分析学习平台，基本上，我每天晚上都会上线回答问题，每个月都会上线新的学习专栏，包括视频课程和系列文章等。6月份，我在知识星球上线了《数据报表与看板设计》、《高质量报告写作指南》、《数据人怎么混职场》等系三个专栏，其中前两个是系统化的视频课程，后一个是总结的系列文章和星友们的精华问答。《数据报表与看板设计》：很多同学觉得做常规报告、日常取数太简单枯燥了，缺少亮点。而我这里有一份现成的材料，是针对业务部门（运营、产品、销售、商品……）教他们该怎么看数据，怎么用数据的。《高质量报告写作指南》：不仅仅是做数据分析的小伙伴，任何岗位，都有需要写报告的时候，一份报告的框架怎么搭？内容怎么写？如何用数据说话？这里都有答案。《数据人怎么混职场》：这里专门为数据人总结了在职场中提升领导满意度，获得晋升的途径和方法，你只需要比别人优秀一点点，就有晋升机会，就能跳槽涨薪。以上为6月星球上新的内容，三年来，除了上述新专栏，我的知识星球，已经积累了接近3000个内容，我将其总结为七大服务，内容涵盖九门视频课程、每月一期的数分训练营、一对一的问题咨询、一对一的简历修改、求职面试指导服务等，来看看其他内容吧。价值3000元的七大服务，扫码即可无二次消费已有2600+小伙伴抢先加入一、九门数据分析视频课程目前共有9门视频课程。其中有3个课程讲解通用的方法与思路，分别是：《数据指标体系梳理》共24小节；《数据分析九大方法》共16小节；《数据分析思路》共43小节。通过学习，可以系统了解数据分析的底层逻辑。另有3个视频课程，专门讲解数据分析在各行业领域的应用，分别是：《经营分析-入门篇》共15小节；《经营分析-进阶篇》共25小节；《经营分析-高阶篇》共34小节；《用户分析详解》共31小节。且该部分会每月持续更新，《销售分析详解》《商品分析详解》等会在后续月份陆续上线。还有技术类课程，是《2小时速通统计学》和《数据看板与报表设计》，统计学的内容非常多，我精心总结了做数据分析会用到的基础知识，共计26小节，包括统计学的应用、统计推断、统计模型、统计实验等几个方面。九门视频课程目录左右滑动查看更多，点击查看大图左右滑动查看更多二、每月一期数据分析训练营光看不练，看起来像是学会了，真正工作的时候，还是毫无头绪。为了提升动手能力，贴近企业需求，我准备每月开展一期数据分析训练营，提供数据集，每个数据集对应工作/面试中常见的2~3个知识点，包括销售、运营用户等多个专题。星友可以免费报名参加训练营，按要求完成作业，每月集中时间进行点评指导。每个月我会从所有作业中，选取优秀样本&典型问题，在月底第四周找时间分享跟大家，提升所有同学见识。通过学习-作业-点评的过程，能帮助你看到能力长短，扩展见识同时提升分析能力，更好地面对工作和面试。同时，我会在训练后，给出如何利用所学知识，重新认识自己工作内容，挖掘工作中亮点的方法，带同学们全面提升能力。价值3000元的七大服务，扫码即可无二次消费已有2600+小伙伴抢先加入三、一对一求职面试指导对于想跳槽/转行的同学，可以先看《求职宝典》《业务面试指南》《技术面试指南》视频课程的讲解，了解制作简历、自我介绍、岗位选择等基础知识。1、《求职宝典》视频课程。共25节，对如何包装简历，如何准备面试，有详细介绍。2、《业务面试指南》。共8节，对如何识别岗位是偏技术还是业务，业务上要准备哪些重点内容，有详细介绍3、《技术面试指南》。共8节，对于技术面试准备方法，准备知识点有详细介绍（注意，这里并没有excel，sql，python等工具的基础操作教学，仅是面试方法指南）。看完课程后，可以根据指引，列出自己的综合情况，找我本人微信、语音、电话一对一进行剖析，我会给出详细的简历修改建议、投简历建议及岗位需要匹配方向等，我们基于个人基础条件+求职目标具体讨论。四、一本《数据分析必知必会》手册我们整理了三年来的热门话题及文章，撰写了包含14章，共计800页的原创《数据分析必知必会》手册，内容涵盖了数据分析的方方面面，包括数据赋能、数据指标、用户运营、数据运营、算法模型、分析方法、分析思路、数据思维等等，星友们可以免费获取！真的是太全太用心啦。《数据分析必知必会》目录，上下滑动查看价值3000元的七大服务，扫码即可无二次消费已有2600+小伙伴抢先加入五、1000+问题解答课程是系统学习，而对工作中的具体分析问题，可以在星球里、微信里具体和陈老师本人讨论，陈老师会非常详细解答，并跟进后续结果。已有1000+问答，星友可提问、围观他人提问及回答。六、800+资料解读与分享我会经常搜集各类数据分析相关资料、行业报告、学习文件等资料包，圈出重点，和大家一起解读学习。目前已累积有800+资料。七、2600+小伙伴交流除了在知识星球APP上交流，星友还可以添加我的个人微信，进入星友群，与活跃的小伙伴们沟通交流。工作中很多琐碎的小问题也能得到实时的讨论，还能额外了解很多行业信息。八、星球后续规划后续将按照《数据分析能力专栏》和《业务分析专栏》的规划，录制17个视频课程（具体课程可能会根据学员需求进行调整），加入知识星球后，均可免费观看。1、数据分析能力专栏目前规划了7个主题，将持续进行更新。（1）数据分析方法——已完更（2）数据分析思路——已完更（3）指标体系梳理——已完更（4）《2小时速通统计学》——已完更（5）《数据看板与报表设计》——已完更（6）业务分析思路（7）利用运筹学方法做决策优化（8）利用机器学习方法做分类/预测模型2、业务分析专栏目前规划了8个主题，接下来继续更新下面主题，将业务分析场景，一块块完善。（1）《经营分析-入门篇》——已完更（2）《经营分析-进阶篇》——已完更（3）《经营分析-高级篇》——已完更（4）《用户分析详解》——已完更（5）《销售分析》（6）《商品分析》——更新中（7）《推广分析》（8）《运营分析》（9）《产品分析》以上就是陈老师的知识星球介绍，有需要的同学欢迎加入！价值3000元的七大服务，扫码即可无二次消费已有2600+小伙伴抢先加入如有疑问，可扫码咨询小助理点击“阅读原文”可了解更多

公众号又调整了推送规则，在推荐算法下，原创知识博主不易，想持续看到陈老师的干货原创，请将我的公众号设为“星标”哦，不然就看不到我啦~“你有没有做过高级的数据分析？”这个问题一出，又问劈了很多同学。妈耶，平时都在跑取数单，啥是高级的数据分析见都没见过，咋整？今天系统分享一下。一、通俗解释，什么算高级问一个简单的问题：汽车上如果没导航，能不能开车？答：绝对可以。实际上导航普及也没几年时间。但没有导航，开车会异常麻烦：找不到路；错过路口兜一大圈；傻乎乎堵在路上不会绕……总之开车效率低了很多。这时候，只有各种路况牢记于心的老司机才能又快又准的抵达终点——这是人们通常心目中的“高级司机”。如果你去采访他，他一定有很多“高级开车方法”可以分享。但是有了导航以后，开车学习成本极大降低，以前菜鸟连路都找不到，现在按着导航走，也能大差不差地到达终点。虽然高级的司机肯定还是会略快一点，但是高级程度已经大大下降了——因为结果上的差距拉近了很多。虽然老司机们口头上还是会有很多复杂的，难以学习的技巧，但是结果的差距相近，让人们不再那么迷信他们。反而开始吐槽他们的各种恶习：加塞、压实线、变道不打灯……所以我们看到，所谓的高级有两种理解：1、业务上的高级：被少数高人掌握，结果上又快又准，口头炫酷复杂。2、技术上的高级：能帮助大量菜鸟，结果上提升效率，操作简单轻松。

公众号又调整了推送规则，在推荐算法下，原创知识博主不易，想持续看到陈老师的干货原创，请将我的公众号设为“星标”哦，不然就看不到我啦~很多同学很郁闷：说的是做经营分析，感觉就是把收入成本报表搬来搬去，再写个“要搞高”而已。到底高级的经营分析长啥样？今天系统地跟大家解答一下。负分级经营分析经营分析的基本任务是：呈现经营结果，监督经营过程。因此最初级的经营分析，还真就是把收入和成本报表搬出来，通常包含三部分：1、经营业绩：收入、成本、利润数值2、经营目标：年度目标完成进度，差距3、经营风险：应收款、库存、现金流情况这些数据大部分都能从财务报表里摘抄出来，因此给人有搬来搬去的感觉。同时，这些数据看似复杂，却非常无力。因为它们统统是结果指标，无法解释问题来源。比如库存多了，应收款多了，所以现金少了……这都只是表象。进一步解释，需要考虑：为啥库存会多？是生产计划定得不合理，还是销售遭遇问题?销售遭遇问题，是价格、质量、客户需求、销售……的问题？问题是暂时的吗，还是长期的？是否需要调整短期/长期计划？这些统统无法在初级分析中解答。因此只靠结果数据，就只能回答：“收入要搞高”“成本要搞低”这也是经营分析遭人吐槽的头号原因。有些财务部门做的经营分析就是这个效果，归根到底，是因为不了解业务过程，只能看到数字。初级经营分析想分析得更深入，首先需要更多的数据。而想要解释：收入是怎么来的，成本是怎么来的。需要对收入来源、成本构成做解剖。分解收入来源，需要把握：产生收入的商业逻辑。这里通常用人货场模型进行描述，每个商业模式，有一个主要的收入逻辑。比如：零售的收入依赖卖场。收入=

公众号又调整了推送规则，在推荐算法下，原创知识博主不易，想持续看到陈老师的干货原创，请将我的公众号设为“星标”哦，不然就看不到我啦~一提起指标体系，很多同学像说相声一样，脱口而出“AARRR”“OSM”“UJM”……讲得好开心，可面试官多反驳一句：“我这是销售运营的指标体系！”“说清楚到底O是什么O，U是怎么U的！”就会让很多同学没了办法。今天系统讲解下，该如何处理此类问题。和很多数据分析问题一样，OSM等理论本身没有问题。问题是不能把理论当教条，不深入业务流程之中，不考了具体场景，是没法搭建出好用的指标体系的。第一步：清晰业务场景所谓的业务场景，即：数据指标要反映的业务是啥。它包含了四个方面：1、业务方目标是什么？2、业务的流程是什么？3、业务方做哪些动作影响结果？4、业务流程/业务流程，有啥数据记录？很多同学面对具体业务，不知道该怎么梳理指标，本质上是对业务不熟悉。即使不问“销售运营指标体系”，而是问：“销售卖的是啥呀？”“销售目标客户是谁呀？”“销售人员咋卖的呀？”“销售运营又运营啥呀？”一个都答不上来，那还咋梳理指标。懂业务是第一位要求，了解业务场景后，可以一步步开始梳理。第二步：清晰业务目标业务目标是业务最关心的东西，也决定了指标体系的主指标是啥。数据采集，得优先保证主指标有采集；指标体系的展开，也优先展示主指标的产生过程。在业务方的心中，业务目标是很清晰的。因此可以直接沟通。比如销售运营工作，常见的主指标有：1、销售目标达成→指标：销售收入（金额）2、销售业绩增量→指标：销售收入增长率3、销售队伍稳定性→指标：整体离职率/A级离职率4、特定客户开发数量→指标：整体离职率/A级离职率……梳理清楚这些，定下主指标，就能结合具体业务流程，看主指标是怎么实现的。第三步：梳理业务流程业务流程是主要数据来源，指标体系首要任务是反馈业务流程情况。有了主指标以后，要结合业务流程，梳理出过程指标。有了过程指标，才能解释主指标为什么低，为什么高。还拿销售运营举例。销售运营的工作，是叠加在销售正常的工作之上的，因此有两个业务流程要梳理：1、销售的操作流程2、销售运营做了哪些优化不同销售流程的操作不一样，想让指标体系具体、能落地，就得深入业务细节之中，看具体是怎么操作的。有的流程可能很简单，比如销售自带客户资源，那就自己联系客户→签约，结束。但有的流程可能很长，比如卖软件的，从接收客户线索到成交，有N多步骤，这里是不能偷懒的，要一步步认真梳理，最好画出流程图。（如下图）销售运营的动作，大体上可以分成三部分：1、培训：培训销售们产品知识、话术、技巧2、激励：物质激励、精神激励3、组织：SOP制定、流程管理这里也不能偷懒，需要了解到细节。比如培训，什么时间、什么话题、多少人参与，要了解到位。比如激励措施，物质奖励的奖励规则，要了解到细节（如下图）这些细节才是直接驱动销售干事情的动力。这里有个常见的误区，就是很多同学在梳理指标体系的时候，只关注用户行为，不关注业务动作。比如梳理销售指标，就简单地：销售额=业务员人数*有成交比例*人均成交金额，就拉倒完事。至于有啥奖惩措施，有啥规范制度，一概不知。这样会导致指标体系只能展示结果，不能解释原因，也没法对比分析。最后对着人数、比例、人均金额三个指标狂抓脑袋：为啥它就涨了呢？为啥它就跌了呢？（如下图）第四步：确认数据采集数据记录是保障。业务流程数字化程度不高，没有数据记录，一切免谈。比如销售运营指标体系；如果想解读销售业绩，就得掌握销售过程，得先知道销售干了啥，没干啥；如果想诊断销售能力，就得掌握销售个人画像，得先知道销售有啥经验、啥背景；如果想分析运营动作有效性，就得记录每个动作上线时间，作用在哪些人身上。如果以上统统没有，只有一张成交订单和订单上的销售个人编号。那就真的没啥好分析的了。最后的数据就只有：销售额=业务员人数*有成交比例*人均成交金额。基于这么点可怜的数据，可以做一些简单的、粗线条的分析，比如：1、对业绩排名，分析业务员业绩稳定性、找出标干2、对团队排名，分析团队管理水平高低3、对比活动/政策上线前后差异，粗略观察效果当然，因为缺少细节，所以这些分析很容易被人质疑。没有数据，分析个屁！这一点一定要牢牢记在心里。在各种场合，努力推动数字化进程，努力提高业务部门对采集数据的重视（而不是提高业务部门对数据分析成果的期望），才是数据分析师们自救法宝。至于那种大吹特吹：“我有神威无敌大将军算法，代码一跑上知天下知地中间知空气”的主，你就跟他划清界限，让他独自面对销售的质疑，死几次他就知道改了。更多的场景不止销售运营，但凡数据想落地到具体业务中，都得经历这个过程。比如商品管理场景，得先知道：1、是啥类型商品、保质期、储藏要求、物流要求如何2、商品选品、定价、入仓、出货、上架流程是啥3、商品管理部门改价格、做促销、做陈列的方案是哈比如内容运营场景，得先知道：1、是啥类型内容、视频、文字、海报？2、内容创作从目标、选题、素材、发布流程是啥3、内容运营团队对不同内容主题的运作计划是啥了解业务才能做出切合实际的指标体系。如果想看更多业务场景的话，欢迎加入我的知识星球，我们一起通过视频课程、训练营、问答等方式系统化进行学习。加入后，不但有9门高质量的视频课程，每月有训练营，我本人还给大家提供一对一的不限次数的业务问题讨论、简历修改和面试辅导等服务。加入我们的星球后，可免费享有七大服务点击查看大图价值3000元的七大服务，现仅需299元无二次消费，扫码即可已有2600+小伙伴抢先加入多达九门课程，星友全部免费听左右滑动查看更多，点击查看大图猜你喜欢八张图，看懂数据分析如何驱动决策这才是真正的数据分析【建议】，而不是“要搞高！”详解麦肯锡方法：结构化分析问题的技术点击“阅读原文”可了解更多

公众号又调整了推送规则，在推荐算法下，原创知识博主不易，想持续看到陈老师的干货原创，请将我的公众号设为“星标”哦，不然就看不到我啦~数据驱动决策，是大家天天挂在嘴边的时髦词汇。可到底数据是如何驱动的？很少有同学真正看到过全流程。更有同学总疑惑：“自己被人追着屁股要数，感觉自己才是被驱着动的“。今天系统讲解一下，拒绝跟风。

公众号又调整了推送规则，在推荐算法下，原创知识博主不易，想持续看到陈老师的干货原创，请将我的公众号设为“星标”哦，不然就看不到我啦~经常有同学抱怨：每天忙于取数，不知道有啥数据分析项目可以做。今天系统性介绍一下六大类数据分析项目。它们都是可以单独立项并且做出成绩的，一起来看一下。第一类：监控类监控类的需求很多，但做成项目就有一定难度了，因为很多时候业务方就是丢一纸临时取数需求，甚至一个电话过来口述一个朦胧的需求。这时候一定要做数据的同学自己打起12分精神了解需求背景。如果是：1、新上线的业务2、没有固定报表老业务3、多次开展的测试/活动都要和业务方坐下来详细聊聊，把业务流程，监控指标，关键KPI指标，定下来。至于输出形式可以看BI工具的完善程度和开发复杂度。能用看板的用看板，不能用看板的做自动化报表，总之把临时取数尽量干掉。这样不但能形成良好的项目机制，也能避免业务方思考不全，隔三岔五地改取数形式，增加额外工作量。还能在有余力的时候关注下指标变化情况，为拓展其他项目铺路。监控类的项目想出彩，就一定得整！花！活！比如老板号召今年要“数字化转型”，那先开发一个数字大屏摆在集团会议室里，把常规报表做个可视化看板。领导们一看：“嗯，不错，很数字化！”

公众号又调整了推送规则，想持续看到陈老师的干货原创，请将我的公众号设为“星标”哦，不然就看不到我啦~用户流失该怎么分析？用户流失率的数据可以算，可算出来以后呢？只看数据似乎完全看不出什么流失原因，只知道用户已经X个月没有来了，也不知道看到这个能干啥。今天系统讨论一下。

公众号又调整了推送规则，想持续看到陈老师的干货原创，请将我的公众号设为“星标”哦，不然就看不到我啦~“用数据分析，提升业务表现”，是很多企业希望数据分析师能做到的。可实操的时候，同学们经常没思路，或者做出来很难被业务认可。刚好结合一个同学的提问，分享一下如何操作。话不多说，直接上干货！问题场景该同学业务是自营电商APP，也会做站外广告投放。现在有一个秋季应季商品系列A上架，但上架4周以来销量并不令人满意，领导要求该同学分析下，如何提升A系列的销量。该同学很认真地做了分析思维导图，出了报告，结果被领导批了“思路不清晰，没啥用……”那么问题出在哪里呢？V1.0版优化首先要注意的是：“用数据分析，提升业务表现”这个需求中，“提升”二字是关键。既然要讲提升，就涉及到这些基本问题：1、谁来做2、做什么3、怎么做4、做多少5、做了管多少用因此最后的报告基本格式，应该至少分这三部分：Part1：问题描述：当前状况