落地思维 | 数据分析师的目标管理

通常来说,数据分析项目的起点是业务需求;按以终为始的落地思维,f分析项目过程需要围绕着业务目标开展,但是业务需求做不做?如果要做的话,需要做到什么程度?需要对其背后的业务价值进行思考。因此,为了讨论清楚目标管理,需要探清其上下游:需求管理(what,解决做什么的问题)-目标管理(how,解决怎么做的问题)-价值管理(why,解决做到什么程度的问题)。

一、需求管理

数据分析师会遇到大大小小的许多分析需求,在对它们进行管理之前,需要先知道有哪些需求:

  • 按时效性区分,可以把业务需求划分为临时需求(例如取数、统计指标)、专项需求(例如活动效果分析、人群运营策略)、与长期需求(例如指标体系、日常运营监控、甚至是数据产品需求)。
  • 按输出形态区分,可以把业务需求划分为PPT报告(例如针对活动的分析报告)、Excel表格数据(例如从数据库提数、聚合后的报表)、BI报表(例如BI系统中的实时报表)、REST接口(例如模型以接口形式落地,供前端调用)。

做需求管理,最理想的状态就是在拿到需求后能迅速识别分析项目的风险、影响、难点:

  • 风险,更多指的是无法落地的项目,可能多是出自于领导“伟大的构思”,最终不了了之。
  • 影响,分析结果的影响什么及程度多大?是仅仅给业务瞅一眼,还是会根据分析结论调整产品功能?
  • 难点,对风险低、高影响的分析需求,是否具备可行性?

不论是老鸟还是新手,分析师起码能对以上三方面有初步的判断,接下来还需结合优先级思维做决策。

1. 优先级思维

数据分析实践中,面对业务需求,很少场景能让分析师决定做不做,因此,面对众多的需求,更重要的是如何分配优先级,同时,这也是重要的落地思维之一。基于重要紧急模型,可以把需求分为重要紧急、重要不紧急、紧急不重要、不重要不紧急。虽然说需求的判断力依赖沉淀的经验,但是可以大体分为以下几个维度的思考:

  1. 交付日期Deadline 主要是帮助判断需求的“紧急与否”维度。
  2. 重要性如何判断需求的重要性?某个事物的重要性在于它对其他事物的影响,也就是要回归到业务场景来看当前需求在业务流程里的作用。同时,也可以反向思考它的必要性:如果不做这个需求会怎么样?
  3. 需求方在经营管理中,强调“以客户为中心”,作为数据分析师,需要思考我们的客户是谁?部门领导、业务部门、产品经理等。需求方来自哪个客户,实际上也是对需求重要性的加权:
  • 直接上级:从考核指标来说,这类需求的权重最大
  • 项目相关业务方:除了领导交代的任务外,分析师所在的项目在不同阶段都有不同的需求, 因为项目的成败关系自身的考核,所以这些需求也同样拥有较高权重
  • 非直属的业务领导:一些扁平化管理、管理灵活的组织存在跨部门协作,因此会有来自其它部门的领导的需求,虽然它们往往和自身考核关联不大,但由于存在职位权力,可以赋予一般的权重
  • 无项目相关的业务方:除以上的需求方,其余的业务方的需求,就显得不那么重要。什么是业务方?我想是那些与自身的考核方向、项目外延相关的。虽然这类需求很多时候与自己无关,但是从维护职场关系的层面来说,可以以“安排排期”的形式来承接
  • 其它职能部门需求(非业务方):剩余的需求方恐怕除了是同事外就没有什么关系,这类需求往往就是同事个人想请求分析师的协助。建议直接拒绝,省点力气建设自己。

至此,通过需求管理,我们解决了需求做不做、何时做的问题,接下来需要借助目标管理来指导如何做。

二、目标管理

项目管理,实际上就是在做目标管理:制定项目最终的落地目标,按以终为始的思维倒推到当前节点,把过程拆解成里程碑阶段性目标,而甘特图上每个流程节点都有输出交付的小目标。

落地思维 | 数据分析师的目标管理

有了目标之后,在开展分析工作的过程中,尤其是在最后给业务建议的环节,都需要评估当前的工作是否在为目标服务。

制定一个落地的目标可以借助SMART工具。

落地思维 | 数据分析师的目标管理

前面在讲需求管理时,提到对需求风险的评估,也就是项目能否落地?这一点就可以借助Smart原则来对需求的完整性来做判断。

假设领导夜间在朋友圈看了一个推文打满鸡血,转发给你说要做。与领导沟通后,如果需求对应的目标仍是缺少了SMART原则中的其中一项,还能通过调整目标来实现,风险可控;但是一旦缺少了两项及以上,项目落地风险就剧增,例如缺少了 R 和 A,说明这是一项全新的业务,现有资源无法支持,需要拉长战线持续投入,此时项目充满的是未知数,自然就谈不上落地;更不用说缺少了SMART原则中三项及以上的要素,一旦遇到则要及时“把梦想扼杀在摇篮里”。

三、价值管理

落地思维有一个重要的内容,就是对“程度”的思考:从输出形态的角度,对同样一件事,是给数据结论就可以了,还是说要做成分析报告?是给数据报表就可以了,还是说要做成BI在线报表?做得越深的事情意味着需要付出更多的精力,这同时也需要有更高的价值支撑。

并不是说所有事都值得all in。这里强调的是对需求交付目标的把控需要和价值匹配:

  • 避免用力过度:业务只需要临时看一眼指标,竟然收到一份完整的分析报告;
  • 避免不及预期:业务期望从分析师结论建议中找到功能迭代的方向,却只收到一份结果数据的呈现报表。

具体如何做呢?可以从数据分析师自身价值,和分析项目价值两个方向出发考虑。

1)数据分析师的价值

这件事中数据分析师自身的发展是否有价值?例如分析师刚开始学习SQL,缺少了实际的工作场景,此时产品部门提需求做较为复杂的存销分析报表,尽管此项工作并非考核内容,但是可以帮助分析师实践、强化SQL能力,那就值得去做

2)分析项目的价值

目标的设定除了要符合SMART原则外,还要紧贴项目的最终落地价值

例如电商业务中,探索人货场打通的策略,老板说这次项目是要扩大目标人群的规模。此时,如果只是围绕这个目标去扩大人群,最终容易陷入价值困境,因为如果扩大的人群不能带来转化就没有价值。

所以基于老板告知的目标,考虑其最终的价值落地在于人群转化的产出业绩。在实践中,应该先打造高转化率的典型场景,再基于此扩大人群,此时,随着人群的扩大,转化率会有下降,但是能确保一个基准。反之,如果先扩大人群再考虑转化率的问题,落地难度很高。

完整的价值管理应该包括:

  1. 价值判断。思考分析需求背后的业务价值点,以及设定的项目目标、里程碑目标是否紧贴落地价值;
  2. 预期管理。最好能让团队成员(或者是需求方、业务方)对需求、甚至是项目的目标及背后的价值达成共识。尤其是对领导给的风险较大的分析项目,及时向上管理对齐预期,减少不必要的效率浪费;
  3. 价值落地。完成项目分析的最后一公里,通过策略建议、BI报表等所见即所得的形式落地;
  4. 价值升级。能落地的价值证明分析师已经满足了这个层次的要求,接下来可以持续上扬,而这可以借助工具PDCA循环来实现。

PDCA循环是项目质量管理工具,它把项目工作分为Plan(计划)、Do(执行)、Check(检查)、Action(处理),简单来说就是不断得复盘、调整。在实践中,PDCA循环的魔力在于每一次项目之间,通过标准化沉淀经验,持续释放数据分析价值。

落地思维 | 数据分析师的目标管理

PDCA循环强调的是做价值升级,具体体现在对需求的主动升级上:临时取数 → 统计指标 → 指标体系 → 专项分析 → 产品落地

例如临时取数的需求没有价值可以言,但是在取数交付时可以与业务沟通是在做什么统计,分析师可以以更专业的视角来帮助统计指标。通过不断的主动升级,将数据分析价值在业务流程中落地,实现变革提效。

 

本文作者 @饼干哥哥 。

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部