当前位置:首页 > 百科知识 > 正文

分析一份计划书(工作分析计划书的内容)

分析一份计划书(工作分析计划书的内容)

又是一年年底,企业都在制定2024年工作计划。一提数据分析的工作计划,很多同学纠结得直挠头。到底数据分析工作计划该咋写?今天我们系统讲解一下。 1 、工作计划...

  又是一年年底,企业都在制定2024年工作计划。一提数据分析的工作计划,很多同学纠结得直挠头。到底数据分析工作计划该咋写?今天我们系统讲解一下。

  1 、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0.01%

  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2024年绩效,请小伙伴们务必停留,思考一分钟

  假装思考一分钟

  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,数智化,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:

  1、至少把自己摆在支撑部门的位置上,清晰。

  2、至少把自己的工作到公司重大上,不是可有可无。

  3、至少工作的结果是可量化的(输出10次),并且重大上线,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起点。

  2 、工作计划的基本写法

  数据分析工作计划三大铁律:

  公司其他部门工作。

  输出内容,新建>优化>保障。

  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: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。

  3 、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。

  干得好是你该干的,干不好你滚蛋。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,重大政策,多部门联动等等大事在一起!这样执行的时候阻力小,的时候才容易算账。

  比如:加强埋点质量,要写成:

  l 公司2024年重点增长子

  l 填补原微信裂变渠道数据不足的空白

  l 总渠道从15个增加到20个

  l 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。

  l 国家十三五重点……

  l 总通车里程达1500公里

  l 原5小时行车时间缩短到2小时

  l 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:

  l 数据大屏比数据看板显眼

  l 数据看板比数据报表显眼

  l 数据报表比Excel报表显眼

  l 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,明年有啥重大活动,有啥重大,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,才越可能有人用。给销售开个报表,估计看的人 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,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,场景得谈得非常细才行。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。计划做得细,评绩效的时候才有一堆东西可以写。

  4、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:

  l 数字化转型真重要

  l 数据分析好有用

  l 要数据驱动业务

  可真到评定绩效的时候,就会问:

  l 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?

  l 你写sql,开发小哥也能写啊,运营也能写啊,你有啥特殊贡献?

  l 销售看你这个报表和不看你这个报表,能多挣多少钱?

  l 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。不然方向都选错了,计划定成流水账。自然没有好结果。

最新文章