数据分析的年度工作计划如何制定?

2 评论 14741 浏览 37 收藏 11 分钟

编辑导读:回顾完一年的工作任务,写完过去一年的总结,就要制定好来年的工作计划。作为一个数据分析师,年度工作计划应该怎么写呢?本文作者从四个维度进行了分析,希望对你有帮助。

又是一年年底,企业都在制定2021年工作计划。一提数据分析的工作计划,很多同学纠结的直挠头。到底数据分析工作计划该咋写?今天我们系统讲解一下。

一、工作计划常见坑点

如果让其他部门写工作计划,大概率是以下画风:

  • 销售:全年为公司创造20亿收入,计划每月目标为XXX
  • 运营:全年组织10次活动,双十一销售额冲击5个亿!
  • 供应:保障20亿收入的货源供应,损耗率降低到……
  • 开发:保障10个活动上线,系统稳定运行超过300天

那么数据分析该咋写呢?

  • 写法1:每天写sql 2000行全年250个工作日完成50万行
  • 写法2:建立20个预测模型,实现预测精度99.99999%
  • 写法3:建立10个数据系统,推动公司数字化转型走向深入
  • 写法4:提供10个活动报表,提供数据准确度100%

问:上边四个写法,哪一个是OK的?

事关2021年绩效,请读者们务必停留,思考一分钟。

答:

  • 销售、运营写的,和公司的效益、融资进度想关,直接关系大家的钱包!
  • 供应、开发虽然不直接挣钱,但没有他们一分钱都挣不到,属于刚性支持。
  • 唯独数据分析干的事,既不刚性,也不挣钱,可有可无。

以上四个写法里,1、2、3是严重不及格的。因为1、2、3都是数据分析自己的事,即跟业绩、收入没有关系,虽然嘴上喊:数据驱动,数字化转型。可到底驱动了谁,驱动了多少,有驱没驱怎么衡量,一句都没讲清楚,业务部门认不认账也不知道,就是空谈。

只有写法4是勉强过关的。

  • 至少把自己摆在支撑部门的位置上,清晰定位。
  • 至少把自己的工作捆绑到公司重大项目上,不是可有可无。
  • 至少工作的结果是可量化的(输出10次),并且重大项目上线,还非看数据不可。

这样虽然还是很难衡量业绩,但起码把自己和开发拉到一个档次上了。

这个是数据分析工作计划的破局起点。

二、工作计划的基本写法

数据分析工作计划三大铁律:

  1. 捆绑公司其他部门工作
  2. 输出内容,新建》优化》保障
  3. 以其他部门可感受的方式进行量化

举例:

经过这样的优化,能很大程度上体现数据的价值,比闷着头自己写:我干了XXX要好用。要知道:大部分其他部门的人(包括大部分部门的老板)都不咋懂数据原理,有数/没数,帮你赚钱/省成本,稳定不出错,才是大部分人更好理解的工作成果。

在做计划的时候,就锁定了任务目标,后续做绩效考评就轻松了。从而从根本上,避免:“你做的这个有啥用!!!”的质疑。

当然,这只是基础写法,深入考察数据分析的本质,还有更好的做法。

三、工作计划的进阶做法

从本质上看,一个数据从产生到使用有四步。

这四步,对应着数据分析的三项重要工作(如小图):

以下部分是重点:基础建设,是无论如何都不会体现为功劳的。

干的好是你该干的,干不好你滚。这才是基础建设的真实地位。所以,如果接了基础建设的活,比如要做埋点、要设计/维护业务部门用的大宽表,要建指标、核对口径这些。请务必和公司的关键项目,重大政策,多部门联动等等大事捆绑在一起!这样执行的时候阻力小,论功的时候才容易算账。

比如:加强埋点质量,要写成:

  • 公司2021年重点增长项目子项目
  • 填补原微信裂变渠道数据不足的空白
  • 总监控渠道从15个增加到20个
  • 总用户标签从100个增加到120个

这样才好量化,才好让大家感受到工作量,考评的时候才好说事。

如果不熟悉这种写法,就看几天新闻联播里是怎么播铁路通车的:

  • 国家十三五重点项目……
  • 总通车里程达1500公里
  • 原5小时行车时间缩短到2小时
  • 填补了从XX地区到XX地区无高铁的空白

就是这个味!

数据生产,核心是工具化三个字。

不做工具化,到底人家看了没看,看了多少,都不知道,根本无法量化产出。而在所有的工具化里,新建永远比优化更容易体现功绩,所以要先列新建的目标。

工作输出物,越显眼越好:

  • 数据大屏比数据看板显眼
  • 数据看板比数据报表显眼
  • 数据报表比Excel报表显眼
  • Excel比邮件发几个数显眼

所以在做工作计划的时候,多跟业务部门沟通,今年有啥重大活动,有啥重大项目,先收集清楚。然后尽量推显眼的数据产品出去,其他庞杂的需求该推就推,该招人填坑就招人填。这样才更容易体现成绩。

数据使用,核心是场景。

越具体的场景,才越有可能用。给销售开个报表,估计看的 1%都不到,直接在企业微信下发任务提醒,不点击的也得点,阅读率就直线上去了,想考核效果也好考;

给供应链做预测模型,如果非得预测100%准,神仙都搞不掂。如果场景具体到:减少错误选款的代价,估计有机会把明显扑街的选款挑出来;

给运营做用户画像,如果非得穷尽用户特征,估计干到死也没啥用。但是如果具体到筛选高潜力用户,剔除羊毛党,可能几个特征就搞掂;

所以想让数据有用,场景得谈的非常细才行。越细的场景越好。最好是一套数据四五个应用场景,这样才能实现效益最大化。计划做的细,评绩效的时候才有一堆东西可以写。

四、数据分析做计划的核心难点

数据分析计划难,考核难的核心在哪里?

所有人,都是口头上说:

  • 数字化转型真重要
  • 数据分析好有用
  • 要数据驱动业务

可真到评定绩效的时候,就会问:

  • 公司双十一5个亿,有几块钱是你这么模型做出来的,几块是其他人做出来的?
  • 你写sql,开发小哥也能写啊,运营也能写啊,你有啥特殊贡献?
  • 销售看你这个报表和不看你这个报表,能多挣多少钱?
  • 数字化的事多了去了,你出个数就数字化了?

这才是数据分析所有难点的根源!所以在做计划的时候,就得认真梳理场景,选好方向,才能在考评的时候一帆风顺,不然方向都选出了,计划定成流水账,自然没有好结果。

估计同学们看完,会觉得难点还是在:数据使用上,到底咋样锁定场景,才能真正让业务部门用起来,并且承认这是数据分析的功劳。

感兴趣的话,关注接地气的陈老师,我们下一篇分享哦。敬请期待。

#专栏作家#

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议。

专栏作家

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Pexels,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 不错

    来自北京 回复
  2. 学习了

    回复