數據分析的年度工作計劃如何制定？

編輯導讀：回顧完一年的工作任務，寫完過去一年的總結，就要制定好來年的工作計劃。作為一個數據分析師，年度工作計劃應該怎么寫呢？本文作者從四個維度進行了分析，希望對你有幫助。

又是一年年底，企業都在制定2021年工作計劃。一提數據分析的工作計劃，很多同學糾結的直撓頭。到底數據分析工作計劃該咋寫？今天我們系統講解一下。

一、工作計劃常見坑點

如果讓其他部門寫工作計劃，大概率是以下畫風：

• 銷售：全年為公司創造20億收入，計劃每月目標為XXX
• 運營：全年組織10次活動，雙十一銷售額沖擊5個億！
• 供應：保障20億收入的貨源供應，損耗率降低到……
• 開發：保障10個活動上線，系統穩定運行超過300天

那么數據分析該咋寫呢？

• 寫法1：每天寫sql 2000行全年250個工作日完成50萬行
• 寫法2：建立20個預測模型，實現預測精度99.99999%
• 寫法3：建立10個數據系統，推動公司數字化轉型走向深入
• 寫法4：提供10個活動報表，提供數據準確度100%

問：上邊四個寫法，哪一個是OK的？

事關2021年績效，請讀者們務必停留，思考一分鐘。

答：

• 銷售、運營寫的，和公司的效益、融資進度想關，直接關系大家的錢包！
• 供應、開發雖然不直接掙錢，但沒有他們一分錢都掙不到，屬于剛性支持。
• 唯獨數據分析干的事，既不剛性，也不掙錢，可有可無。

以上四個寫法里，1、2、3是嚴重不及格的。因為1、2、3都是數據分析自己的事，即跟業績、收入沒有關系，雖然嘴上喊：數據驅動，數字化轉型。可到底驅動了誰，驅動了多少，有驅沒驅怎么衡量，一句都沒講清楚，業務部門認不認賬也不知道，就是空談。

只有寫法4是勉強過關的。

• 至少把自己擺在支撐部門的位置上，清晰定位。
• 至少把自己的工作捆綁到公司重大項目上，不是可有可無。
• 至少工作的結果是可量化的（輸出10次），并且重大項目上線，還非看數據不可。

這樣雖然還是很難衡量業績，但起碼把自己和開發拉到一個檔次上了。

這個是數據分析工作計劃的破局起點。

二、工作計劃的基本寫法

數據分析工作計劃三大鐵律：

1. 捆綁公司其他部門工作
2. 輸出內容，新建》優化》保障
3. 以其他部門可感受的方式進行量化

舉例：

經過這樣的優化，能很大程度上體現數據的價值，比悶著頭自己寫：我干了XXX要好用。要知道：大部分其他部門的人（包括大部分部門的老板）都不咋懂數據原理，有數/沒數，幫你賺錢/省成本，穩定不出錯，才是大部分人更好理解的工作成果。

在做計劃的時候，就鎖定了任務目標，后續做績效考評就輕松了。從而從根本上，避免：“你做的這個有啥用！！！”的質疑。

當然，這只是基礎寫法，深入考察數據分析的本質，還有更好的做法。

三、工作計劃的進階做法

從本質上看，一個數據從產生到使用有四步。

這四步，對應著數據分析的三項重要工作（如小圖）：

以下部分是重點：基礎建設，是無論如何都不會體現為功勞的。

干的好是你該干的，干不好你滾蛋。這才是基礎建設的真實地位。所以，如果接了基礎建設的活，比如要做埋點、要設計/維護業務部門用的大寬表，要建指標、核對口徑這些。請務必和公司的關鍵項目，重大政策，多部門聯動等等大事捆綁在一起！這樣執行的時候阻力小，論功的時候才容易算賬。

比如：加強埋點質量，要寫成：

• 公司2021年重點增長項目子項目
• 填補原微信裂變渠道數據不足的空白
• 總監控渠道從15個增加到20個
• 總用戶標簽從100個增加到120個

這樣才好量化，才好讓大家感受到工作量，考評的時候才好說事。

如果不熟悉這種寫法，就看幾天新聞聯播里是怎么播鐵路通車的：

• 國家十三五重點項目……
• 總通車里程達1500公里
• 原5小時行車時間縮短到2小時
• 填補了從XX地區到XX地區無高鐵的空白

就是這個味！

數據生產，核心是工具化三個字。

不做工具化，到底人家看了沒看，看了多少，都不知道，根本無法量化產出。而在所有的工具化里，新建永遠比優化更容易體現功績，所以要先列新建的目標。

工作輸出物，越顯眼越好：

• 數據大屏比數據看板顯眼
• 數據看板比數據報表顯眼
• 數據報表比Excel報表顯眼
• Excel比郵件發幾個數顯眼

所以在做工作計劃的時候，多跟業務部門溝通，今年有啥重大活動，有啥重大項目，先收集清楚。然后盡量推顯眼的數據產品出去，其他龐雜的需求該推就推，該招人填坑就招人填。這樣才更容易體現成績。

數據使用，核心是場景。

越具體的場景，才越有可能用。給銷售開個報表，估計看的 1%都不到，直接在企業微信下發任務提醒，不點擊的也得點，閱讀率就直線上去了，想考核效果也好考；

給供應鏈做預測模型，如果非得預測100%準，神仙都搞不掂。如果場景具體到：減少錯誤選款的代價，估計有機會把明顯撲街的選款挑出來；

給運營做用戶畫像，如果非得窮盡用戶特征，估計干到死也沒啥用。但是如果具體到篩選高潛力用戶，剔除羊毛黨，可能幾個特征就搞掂；

所以想讓數據有用，場景得談的非常細才行。越細的場景越好。最好是一套數據四五個應用場景，這樣才能實現效益最大化。計劃做的細，評績效的時候才有一堆東西可以寫。

四、數據分析做計劃的核心難點

數據分析計劃難，考核難的核心在哪里？

所有人，都是口頭上說：

• 數字化轉型真重要
• 數據分析好有用
• 要數據驅動業務

可真到評定績效的時候，就會問：

• 公司雙十一5個億，有幾塊錢是你這么模型做出來的，幾塊是其他人做出來的？
• 你寫sql，開發小哥也能寫啊，運營也能寫啊，你有啥特殊貢獻？
• 銷售看你這個報表和不看你這個報表，能多掙多少錢？
• 數字化的事多了去了，你出個數就數字化了？

這才是數據分析所有難點的根源！所以在做計劃的時候，就得認真梳理場景，選好方向，才能在考評的時候一帆風順，不然方向都選出了，計劃定成流水賬，自然沒有好結果。

估計同學們看完，會覺得難點還是在：數據使用上，到底咋樣鎖定場景，才能真正讓業務部門用起來，并且承認這是數據分析的功勞。

感興趣的話，關注接地氣的陳老師，我們下一篇分享哦。敬請期待。

#專欄作家#

接地氣的陳老師，微信公眾號：接地氣學堂，人人都是產品經理專欄作家。資深咨詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議。