落地思维 | 数据分析师的目标管理

DNS在线 24 0

编辑导语:在以终为始的内容中,目标举足轻重,但是在实践过程中,或许还会力不从心:目标要怎么定?什么样的目标才有价值?在大大小小的分析事务中,如何管理众多的目标?本文将围绕这些问题,聊聊数据分析师的目标管理该如何做。

落地思维 | 数据分析师的目标管理  第1张

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:

    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:

      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:

        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  第2张

        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  第3张

        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:

          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:

          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  第4张

          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。

          作者:饼干哥哥;公众号:饼干哥哥数据分析

          本文由@饼干哥哥数据分析 授权发布于运营派,未经许可,禁止转载

          题图来自Unsplash, 基于CC0协议

          抱歉,评论功能暂时关闭!