一个完整的数据分析体系，该长啥样？思维导图

满足业务需求，是建设数据分析体系的出发点，也是最终目的和最高要求。要注意的是，“业务需求”并没有统一的标准。不同部门，不同身份的人，需求是不一样的。从大的方面看，可以分作三个层级：

这三类人，需要的数据类型，数据时效性，数据应用方向是完全不同的。因此需要分别满足需求（如下图）。

在整个体系中，经营分析是直接服务于战略级决策的。在最高管理层做决策的时候，更聚焦于宏观的问题，比如整体目标达成，外部环境变化，内部举措效果。而不是陷在琐碎的业务细节里。

因此，在做经营分析的时候，要：

注意：对经营成果的核算是非常复杂和麻烦的。很多经营举措都是跨数周、数月，涉及众多部门和工作。有些基础研发、生产线更新、基建投资更是跨数年。因此经营分析的频率一般不会很高，一般是以月为单位进行。

在经营分析层面做出的决断，往往是方向性的，比如：

这些决断直接影响到战术级设计。至于具体怎么设计，则要靠战术级的分析来支持。

战术级的分析是具体到每个职能部门的。比如：

运营部门：活动方法分析、推广方式分析、平台运营分析

产品部门：产品使用情况分析，新版本功能，新版本分析

1、策略制定：从众多的战术中，选择一个可以达成目标的

2、监控进度：监控战术落地进度，发现问题，调整战术设计

3、复盘效果：复盘是否达成目标，积累经验，解决问题

严格地来说，战斗级需要的不是数据分析，而是数据。一线工作那么忙，没人有空坐下来细细听报告，能看到数据，就已经足够行动了。比如

一线销售：看到今日业绩目标，今日已完成业绩，待跟进客户名单

一线客服：看到待分配话务量，排队接听数量、投诉数量、投诉结果

一线仓管：看到在库商品数、在途商品数，预计达到商品数，预计出库商品数

有了数据，一线就已经能开展行动了。赶紧干活，把没处理完的任务搞完

如果能在基础名单之上，增加一些辅助工具，就更好了。比如给销售的，不光有个待跟进客户名单，再多给个预计自然消费（通过预测模型给的标签），就能帮销售聚焦到更该主动跟进的人身上。比如再多给个：客户可参与活动/客户可转发海报，就让销售多了一个打动客户的工具。这些工具要比啰里啰嗦分析报告管用得多（如下图）

相当多公司在战斗级的数据分析，只停留在excel日报和ppt阶段，缺少工具设计和开发，导致了数据分析不落地，无法辅助一线等等问题。

看到这里，肯定有同学好奇：老师，我的公司规模没那么大，数据也没那么多，怎么能做的体系化一点呢？这里是有方法的。

初创型的企业肯定没精力搞这么大套数据体系。对初创型企业来说，尽快找到能盈利的MVP才是关键，之后不断的扩大投入，增强收入能力。因此对初创型企业而言，一般精力都放在销售数据/推广数据/渠道数据上，把战术级的分析做好。

对于有一定规模的企业，最重要的反而不是搞各种分析报表（一般该有的也都有了）也不是搞复杂的分析报告。而是加强基础建设，补齐初创期突飞猛进，留下的短板。比如：

这些可能不仅仅设计数据库设计，有可能旧的交易系统、物流系统、费控系统都需要升级，业务流程也要规范，因此是个很庞大的工程。但是如果不迈过这一关，还是在旧基础上继续苟且，就会发现，规模越大，内部系统越乱，数据越复杂，新旧数据越对不上，越往后越难。

在2021年，陈老师经历了若干个营业额30-100亿的中等企业数字化建议，无一例外的有基建薄弱+好大喜功的问题。往往是最基础的商品数据、活动数据、渠道数据都没有建设很好，反而急着上CDP，急着在APP/H5搞算法，急着搞全链路埋点。结果自然是：在烂泥地里建摩天大楼……各种纠结蛋疼，不在话下。

以上种种问题，但凡置身其中，都会感受明显。然而为啥没人解决呢？

这些都有可能让数据停在原始阶段。然后又寄希望于一个神通广大的数据分析师能搞掂所有问题，他们还会殷切地拉着你的手说：“我们公司的数据很大，都在那呢，就差个高手来分析了……”

所以如果做分析的同学们遭遇：