数据分析师,你是被数据驱动还是被老板驱动?

在降本增效的大浪潮下,不管是有没有数据团队,几乎每个公司都在喊数据驱动。

然而数据团队在工作中大部分仍然处于工具人地位,团队业绩好的时候,业务团队就说:

  • 你的建议没啥用,我们早就这样干了!
  • 业绩做得好都是我们的功劳!
  • 你们只需要给我们拉数据就好了!

当团队业绩不达标的时候,业务团队就说:

  • 你算的数据目标/指标根本就不合理!
  • 按照你的分析建议做的,为啥业绩做不好,都是你的锅!
  • 别人家的阿尔法狗子预测的多准,都是你们不专业!

那么,为啥会出现这种情况吗?说好的数据驱动呢?!

其实,这些都是常态,因为很多业务只是嘴上喊「数据驱动」,给自己团队打一个专业的标签罢了。日常工作中,根本不是数据驱动,甚至都不需要数据驱动。

一、几种“伪数据驱动”的形态

1. 说是数据驱动,实则老板驱动

这类型的特点是,老板说个数,拍个增长率,然后不停的开会:你们要懂数据驱动啊!我们这个月月底要干到1000万!并且十分喜欢《华尔街之狼》之类的电影,经常搞一些所谓“狼性文化”的团建活动。

其实很多这类的公司,在业务上根本不需要所谓的「数据驱动」。大部分类似的公司都是靠老板个人的渠道资源吃饭的。例如:

某公司做大学生技能培训班,老板是从一个211大学出来创业的,曾经是大学老师。商业模式是寒暑假利用大学校园的教室资源给在校大学生上课,合作的学校有两三家。请问,这样的公司业务增长是否依赖数据驱动?

答案是:

当然不依赖!真正依赖的是老板的个人资源。

老板多去喝几顿酒,多合作几家院校,把竞争对手都赶出校园。业务的增长比吭哧吭哧分析一堆块多了。

公司资源在老板手上,老板当然希望底下的人能把他的资源能赚到的钱尽量都赚到。所以非常有动力用「一个很高的目标数据去驱动员工」,然后对着数据团队说你们怎么不搞数据驱动,怎么天天在取数?

2. 看似数据驱动,实则经验驱动

这个类型的业务经常会说的话是:

  • 这个方案肯定可行,我可是从业20年的大牛,不比你清楚?再回去分析分析!
  • 我在xx大厂里肯定都是这么做的,这样做肯定行!你说不行一定是数据不准!
  • 我以前就这么看数据的,这是行业标准,你这个看板做的啥呀,一点都不用户友好!

从业多年的老油子们习惯了经验决策,会带着观点看数据或者听报告。只要是跟以前的经验有出入的,首先就会挑战:你这个数据准不准啊,你分析的角度行不行啊。

在这种情况下做分析就十分痛苦了,因为建立不起业务信任,除了分析之外,还需要花大量的精力去解决「这个思路或者这个数据是不是对的问题」。

这样的公司或者业务,基本上都是历史上有过一次或者多次的惊艳决策,在内部树立了权威形象。

当数据符合预期时,就会说:大家要按照数据思维去做事情!

当数据不符合预期时,就会说:大家按照我说的做准没错!

3. 表面数据驱动,实则利益驱动

这样的业务特点就更明显了,一般的时候业务团队跟数据团队的沟通很密切,大家如胶似漆,其乐融融。但是基本上分功劳没数据团队,背锅全是数据团队的——特别是在业绩增长的问题身上。

举个例子:

一个商品的促销活动——落地页是产品做的,品类展示是运营做的,电话是销售打的,整个业务流程看起来跟数据一毛钱关系都没有。业绩好的表彰的都是这些人。

当业绩不好的时候,锅就来了:

  • “我们的用户画像一点都不好用,高价值用户还有很多不买单的”
  • “我们的AB测试之前就说过有问题,人群根本都不是完全一样的!”
  • “预测做的根本就不准,害我们没有接住流量!”

只要怼你的部门多了,不是你的问题,也会变成你的问题。

二、数据驱动的真实形态

数据驱动的两种形式

目前有效的数据驱动模式大致可以分为两种,分别是:数据团队驱动和数据流程驱动。

1)数据团队驱动

这种模式基本上都是先派出分析师深入到业务部门,做业务部门的舔狗,以降低业务部门「挑战」数据分析的概率,所以也叫做「数据分析师驱动」。

好处是从而自下而上的逐步标准化流程,建立数据认知。

打工人如何辨别真假数据驱动?

2)数据流程驱动

这种模式需要很强的权力认定,大老板对数据团队有很高的授权,并且在组织架构的工作流程顶层设计上,会把「看数据说话」这件事情渗透到每一个工作部门里。

这样做的基底是:

  • 有清晰的流程设计,谁都别想甩锅;
  • 有强大的数据产品能力,可以满足各个层级的数据需求。

打工人如何辨别真假数据驱动?

三、打工人如何避坑

其实总结下来,在判断一个公司是否是真的数据驱动,主要看以下三点:

工作流程:通常来讲,数据驱动的公司都比较讲流程,讲道理。如果在前期沟通发现决策的链路相对比较完整,不是谁谁谁都可以直接向老板汇报的话,这样的公司建立数据驱动的可能性会比较高。

数据建设程度:这个很好理解,也很好了解。只需要看日常工作中,大家的数据是从哪里来,用什么处理。如果一个公司内部没有数据产品,也没有计划向外采购,基本上就很难做好数据驱动了。举个例子,如果所有的元数据都存在某个系统的数据库里,平时汇报分析又是用excel,打工人进入这样的公司很容易陷入到无限制的取数当中,成为表哥表姐。

组织架构:数据部门的组织架构如何,很大程度上代表了老板们认为数据部门在业务中的重要程度。上面说的中台制和业务BP制其实都是比较合理的一种形态,也代表了一定程度上的重视。但是如果是每个业务线单独配备一个数据人员,没有人来统筹,又或者是数据部是一个部门跟其他的业务部门是平行的关系。这样去推动从经验决策或者利益决策到数据决策,就会十分困难。

但是话又说回来,并不是每一种业务都需要数据决策的。比如一些强资源型的业务,吃政策饭的,像上文说到的大学生培训项目,又或者是某个地区带有医疗资源的的私人医院。数据部门只需要做好日常的支持就可以了,对业务增长没有什么特别大的帮助。

但同时这样的业务,数据的薪水也会开的比较低。

那么,什么业务才需要数据驱动决策呢?是一些市场化高,竞争激烈的业务,比如游戏、电商、内容平台领域。这些领域的毛利本身不是特别高,就更需要通过数据去复盘和迭代策略,以赚取更大的利润,获得公司发展。

这样的业务,给数据团队的薪水一般比较高,但同时也比较卷。

所以,对于一些希望做或者正在做数据的人来讲,是否「数据驱动」代表了数据人员的地位,而所在的业务形态决定了数据人员的薪水增长。

选择工作时,对自己合适的,才是最好的。

作者:汪浩,公众号:只说人话的小汪(ID:transform_wh)

本文作者@汪浩 。

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