本文为数据工作者提供了一套全面且实用的数据分析体系，通过“一纵一横”的立体框架，详细阐述了数据分析在业务全流程中的关键作用以及在不同部门的应用策略，助力数据部门更好地规划与执行工作。

今天给大家一个最全面的数据分析体系，涵盖了公司级全部场景。大家可以对着参照，看自己的发力点在哪里。整个体系可以概括为：一纵一横。话不多说，上干货！

一纵：从效果角度看工作

问一个简单而关键的问题：数据分析，到底有啥用？

答：站在业务的角度，数据分析有6大用处

1、目标制定：确定量化目标，分解下发目标

2、趋势预测：预测正常走势，提供决策参考

3、过程监控：监控业务发展，发现过程问题

4、结果复盘：复盘绩效表现，总结成果经验

5、原因分析：分析问题原因，探索解决方法

6、方法测试：测试优化方法，选择更优做法

（以上部分，建议熟读并背诵）

这六个场景，贯穿业务工作全过程，最能体现数据分析的价值。因此，当我们思考数据分析可以做什么的时候，可以先思考这六个场景，目前的工作满足了多少需求？还有哪些是可以做的（如下图）？

注意：数据并非不可替代！这6步即使没有数据，业务方也能做。

比如，经典的场景是：

1、目标制定，是老板授意财务整出来的。

2、趋势预测，是领导们拍脑袋拍出来的。

3、结果复盘，业务自己往自个脸上贴金。

4、方法测试，压根就不存在（老夫说是，丫就是！）

最有可能，只有过程监控，与发现问题以后的原因分析，是甩给数据分析做的。但这样的话，工作就太被动了。不清楚目标，不清楚业务基础走势，不清楚方法背后业务逻辑，光看一个数字是很难分析出原因的。因此相当多数据部门退化成只能监控个数据。甚至只能提个数。

这种被动局面，是在年初定规划的时候要尽力避免的。此时不争，更待何时！

此时可以：

1、向大老板开展游说，灌输“全流程数据管理”的理念，增加工作场景。

2、结合行业内成功的数字化案例，向所有人安利数据价值，扩大工作。

3、观察每个部门的工作风格，看哪些部门容易谈，能找到合作机会。

这样做，就得认真研究企业内各部门分工情况，这就涉及到“一横”概念。

一横：从部门角度看机会

问一个简单的问题：是否各个部门对数据重视程度一样？

答：当然不一样！

从部门职责上看，部门可以分为四大类：

1、管理型。

典型如：总裁办、战略发展部、财务部。这些部门直接与公司最高层沟通，很多重大的发展计划，年度KPI目标，经营任务，都是这些部门参与制定的。这些部门很重视数据！

因为所有的目标、任务、计划都得量化。他们常见的问题是：知其然，不知其所以然，以财务部尤甚。算账算得很精明，可对于业务细节不甚了解。

此时，想要和这些部门交好，可以从提供基础数据突破。在提供数据的同时，主动帮他们梳理关键业务流程，清晰常规的业务基线，补齐他们在业务理解上的短板。这样能有更多机会合作。（如下图）。

2、收入型。

典型如：销售、投放、增长部门。这些部门负担主要的收入任务，是业绩、利润的主要来源。但是，这些部门一般都不重视数据。能看到任务目标、完成率就差不多了。他们更喜欢看案例拆解，看操作指南，看具体做法。总之，手里用得上的才是好东西。

此时，想要和这些部门交好，可以从工具入手。不要整复杂的报表，而是根据看表人关心的内容，分层级提供数据。越是基层的，给看的数据越少，最好只留关键KPI。功能上，和CRM等工具打通，在提供数据的同时，直接提供可操作功能，这样才受一线欢迎（如下图）。

3、成本型。

典型如采购、研发、设计。这些部门基本都在消耗成本，很难直接见成效，万一做不好了引发用户讨厌、产品积压、库存不足，还会影响销量……而且，这些部门又受到销售、营销营销，很难独善其身。

这时候要区别对待：

对于采购、生产、供应这种容易产生硬损失的部门，重点做好数据滚动预测与数据监控。对于来自上游供给、下游需求、大促活动等影响因素及时收集，结合供给进度与库存情况，预报可能存在的积压/缺货问题（如下图）。

对于研发、设计、产品这种容易产生软损失的部门，重点最好测试平台和测试服务。用常规监测发现问题，用好的测试来检验改善效果（如下图）。

4、混合型。

典型如营销、运营部门。这些部门很喜欢看数据，且其工作效果，是叠加在销售基础上产生的，很难观察。因此做分析的时候特别纠结。好在，他们的工作多是项目制的，可以逐个攻破。常见的项目，包括：

1、大促活动

2、用户洞察

3、品牌传播

4、社群运营

这些在之前的文章已经有很多分享，这里就不赘述了。想洞察得深刻，想分析得到位，重点是培养业务部门的好习惯，打好数据基础。比如：

1、用户标签、商品标签、内容标签、渠道标签等标签库的完善与维护。

2、活动标签与活动分类信息管理，活动考核标准记录，事前参照组设计。

3、社群运营、新媒体运营、短视频带货、直播带货基础数据收集

基础工作做好了，事后大量数据可以分析

基础工作没做好，事后分析个屁……

整体安排：分阶段，做出标杆项目

注意：上述的工作，在业务部门那里是有先后顺序的。

1、一般1、2、3月，做年度规划的比较多

2、上半年招新人、组团队、小规模试点多

3、重大促销、节日活动集中在下半年

清晰了业务部门行动以后，数据部门的整体安排就很清晰了：1、年初，以预测、目标制定、搭建体系等基础工作为主。2、上半年，优先强化基础能力，对基础数据、测试平台、标签库等工具，能强化尽量强化。3、下半年，以重大项目为主，做好项目支持，做好监控与复盘，做好用户洞察。

输出的目标，以每个月都能有一个项目上线/更新为目标。这样每个季度的季报容易写，来年年度总结也就不纠结了（如下图）。

以上，就是数据部门规划的整体思路。当然每个企业具体情况不同。同学们可以量体裁衣，根据自己面对具体情况做调整。

当然，可能有同学会说：“规划这种高大上的事轮不到我，我就是一个小兵，日常都在跑数，咋办？！”

碰到这种情况，等待别人施舍肯定不是好办法。普通的日常工作，也能延伸出很多有价值的项目，这是数据分析工作的独特优势。