您现在的位置是: 首页 > 互联网

在公司里,数据分析师是如何帮助公司创收的?

时间:2018-03-10 15:27:17 来源:

作为一个从业9年的老兵,冒着被喷死的风险揭秘数据分析行业的真相。这两年数据分析、数据挖掘概念很流行,各路教育机构,开课的老师喜欢拿美国XX信用卡公司或者啤酒与尿布这种陈年老梗来论证数据分析有啥价值。可真正在圈子里干久了就知道,数据分析师能帮助公司直接创收的途径只有一种:

帮乙方公司创收!

因为只有乙方公司才会把数据分析、数据挖掘、数据产品、数据咨询当作商品来卖。这样,做数据分析的就有三种方式可以帮公司创收:

  1. 做产品。比如BI公司、大数据公司、舆情公司、征信公司,他们卖的是一整套数据产品。数据分析师在这些公司实际上扮演者产品生产者的角色,因此直接帮公司创收
  2. 做服务。比如一些咨询公司、新媒体公司、大数据提供数据挖掘服务、提供数据采集、报告撰写服务。这些服务是针对甲方品牌、推广、营销等某个部门的需求,因此可以卖钱。在这里数据分析师实际上还是产品生产者,只是输出的不是一个具体的产品,而是由报告、excel、ppt、代码、会议等等组成的服务。
  3. 做售前。相当多软件公司、咨询公司会拉一个数据分析师当售前,因为忽悠客户的时候,光空口白话说我这个方案怎么怎么好是没有竞争力的。需要一个懂数据会分析问题的人来做一个可量化的方案,让客户心服口服。在这里数据分析师实际上扮演的是销售的角色,只是这个销售卖的是知识,打动客户靠的是专业性不是送回扣。

所以你会发现,招数据分析高薪的基本都是乙方,或者甲方企业中的乙方部门(比如阿里数据银行、智能客服,虽然是阿里的项目但是还是作为乙方提供服务给其他公司的)因为在这里数据分析才是直接生产力。

在甲方?在创收问题上,数据分析从来都是排在队尾。

比如甲方爸爸要出一个新产品增加收入,那么他需要做什么呢?

  1. 设计产品
  2. 生产产品
  3. 销售渠道
  4. 品牌推广
  5. 产品促销
  6. 物流跟进
  7. 数据分析看看效果怎样……

是滴,大家会发现没有数据分析,其他六步照样可以做;只有数据分析没有前六步,数据分析就是一张废纸,这就是数据分析在甲方的尴尬之处。有些同学会说:那数据分析可以帮企业设计正确的产品哇!但实际上产品设计师不看数据照样可以设计产品,他们已经这样做了100多年了,也因此诞生了乔老爷那句经典的:我从来不看任何市场调查!

这个尴尬之处是数据分析的工作方式本身固有的局限。数据分析需要有数据才能分析,这是一种相对后置的过程。而类似产品设计,核心是创意;产品销售,核心是业务队伍的能动力。这些人的能动性是前置的动作。企业的业绩是做出来的,不是算出来的,所以在创收上数据分析其实是很无力的。

在做业绩上,营销的嘴,销售的腿,运营的活动都比分析有用的多,碾压级的有用

只有一种场景数据分析可能对收入有用,就是:某个业务部门实在做得太差,搞不掂了。这时候如果通过分析能提升一些效益,那他们简直happy的不能行。这也是为什么很多成熟的数据挖掘项目都是做给客服外呼、短信发送、EDM的。因为在这些地方自然转化率低的令人发指,而业务部门的文案、产品、广告又起不了太大作用。同时这些渠道又都是点对点推送的方式,数据积累和建模环境相对封闭。数据模型能把自然转化率从1%提升到2%,业务部门就已经谢天谢地了。

 

实际上,数据分析对企业有帮助,更多体现在后置性的,比如绩效评估,结果考核,成果优化上。有意思的是,很多从业者自己都没有想明白这一点,比如这个问题,帆软也有个答案,大家可以看看,里边举的例子全部是如何成本,而不是加收入。

企业里的数据分析
看起来分析名目繁多,其实大部分是事后数据总结,而且监控类的,提供个数就够了,其实没什么“分析”

然而,帆软的回答本身是很专业的。因为砍成本比增加收入,更容易体现数据分析的功劳。大家回顾上边新产品增加收入的过程,如果数据分析说这个业绩是我做出来的,至少有6个部门会和你抢功劳。但如果数据分析说这里有一个产品很垃圾可以砍掉,那么最多得罪一个部门(设计这个产品的部门)剩下5个部门还是支持你的(因为他们不需要浪费时间了)所以,聪明的数据分析总是从内控的角度入手证明价值,而不是从外部增收的角度入手。

然鹅,这样又出了第二个尴尬的地方,就是为毛线我要上个数据产品做这个呢?甚至为毛线我要雇个数据分析师做这个呢?因为进销存的数据ERP里也有,理论上我想知道哪个产品效益不好只要有一个会SQL的程序员从ERP里跑个数就行了啊!所以如果只把数据分析的价值挂在内控上,那么数据分析的重要性和专业性就非常低了。各部门老板自己也会分析啊,你们跑sql的懂业务吗?不懂业务你内控个什么呢?

这时候就需要进一步的包装以体现数据分析的价值。最核心的就是上个产品!就像后宫嫔妃,年轻貌美的时候都会讨皇上一时欢心,但长久来看还是得生个孩子的。有个孩子自己的地位就稳固了。比如销售,完全可以用纸质账单,为什么要用pos系统?就是当pos系统上线,业务流跑起来以后,就没理由再让他停掉,孩子已经生出来了,就得养着。

数据分析的孩子常见的有这么几种:

  1. 面向管理层的仪表盘,适用于信科学化管理这一套理论的老板
  2. 面向业务部门的数据产品。可能是一个推荐系统,精准营销模型,也可以是一个业务助手,数据集市,总之是业务部门日常工作中必须用到的某个环节,把它打包,用数据包装起来,封装成一个产品
  3. 面向一线的营销提醒工具,运营数据指南。让销售们每天都得看一眼,不看就不舒服。让运营们写文案前都得看看热度排行,不看心里没底。

具体的就不展开了,如何引起老板关注,如何拉拢业务部门,如何让一线使用,写本书都够了。这么多年作咨询,见过大量甲乙方,凡是聪明的数据人,最终不约而同走了做内控→引起管理层重视→上产品→与业务部门合作→扩组织架构这一条路。而那些号称上个大数据系统能盈利XXX的,基本上都死无葬身之地。

有产品才能有组织,有组织才能保障地位,这样说很官僚,然鹅有用!

这两年大数据、人工智能概念大火,数据分析岗位又像年轻貌美的嫔妃一样被各大企业老板们宠信,也有无数同学新涌进这个领域。所以特别诚恳的提醒大家:我们自己可以有很多方法、很多复杂的概念,然而最终企业是不是靠我们这个挣钱,才是我们长久安身立命的本钱。如果我们只是打辅助的,就尽早围绕一个具体业务场景,输出一个产品,和业务紧密结合起来,这样我们自己的地位才稳固。

最后插一句,比如算法类岗位,大家要注意区分,因为算法即可以应用在生产系统(比如影相识别,物资调配,路线规划,过程控制),也可以应用在分析系统(比如推荐、预测、BI)如果是应用在生产系统,那地位相对稳固很多,因为生产线是不会彻底更替的,只会不断优化。但如果是应用在分析系统,那水分就大了去了,大家要认真看到底这个算法是干什么再做决断。早在2013年《大数据时代》流行的时候,就兴起了一波“大数据分析”的热潮。结果当时脑子一热向老板喊了:“我们可以利用大数据XXXX分析提升业绩的”现在估计坟头草都有我娃个子高了……

作为一个前辈,有义务告诉大家这个行业的真相,数据的价值可以有很多种,不一定是直接增加收入。数据确实很有用,然而不代表老板们认可这个用处,不代表我们能从这里升官加薪。技术以外,如何创造价值,有可能需要代码和算法以外的其他东西辅助。与大家共勉。

关于我们| 联系我们| 投稿合作| 法律声明| 返回顶部

版权所有 ©2015-2017 我在网 京ICP备14056282号-1

(function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https') { bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else { bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); })();