關注並將「人人都是產品經理」設為星標
每天早 07 : 45 按時送達
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麼寫呢？本文作者從四個維度進行了分析，希望對你有幫助。
全文共 2424 字，閱讀需要 5 分鐘
—————— BEGIN ——————
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：
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，雙十一銷售額衝擊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
那麼數據分析該咋寫呢？
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，推動公司數位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，直接關係大家的錢包！供應、開發雖然不直接掙錢，但沒有他們一分錢都掙不到，屬於剛性支持。唯獨數據分析幹的事，既不剛性，也不掙錢，可有可無。
以上四個寫法裡，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、收入沒有關係，雖然嘴上喊：數據驅動，數位化轉型。可到底驅動了誰，驅動了多少，有驅沒驅怎麼衡量？一句都沒講清楚，業務部門認不認帳也不知道，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），並且重大項目上線，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。
工作計劃的基本寫法
數據分析工作計劃三大鐵律：
捆綁公司其他部門工作輸出內容，新建 > 優化 > 保障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：我幹了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闆）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，後續做績效考評就輕鬆了，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。
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。
幹的好是你該幹的，幹不好你滾蛋——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帳。
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個總用戶標籤從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，就看幾天新聞聯播裡是怎麼播鐵路通車的：
國家十三五重點項目……總通車裡程達1500公裡原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。
而在所有的工具化裡，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。然後儘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徵，估計幹到死也沒啥用。但是如果具體到篩選高潛力用戶，剔除羊毛黨，可能幾個特徵就搞掂；
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。
數據分析做計劃的核心難點
數據分析計劃難，考核難的核心在哪裡？
所有人，都是口頭上說：
數位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，有幾塊錢是你這麼模型做出來的，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？數位化的事多了去了，你出個數就數位化了？
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，計劃定成流水帳，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，並且承認這是數據分析的功勞？
—————— / END / ——————
▼ 喜歡請分享&收藏，滿意點個讚，最後點「在看」 ▼