資料分析寫的運營分析報告，和運營寫的資料分析報告，到底有啥區別？這不是個繞口令，而是困擾很多同學的真實問題。特別在很多推崇「資料思維」「科學管理」的公司裡。大老闆喜歡看報告，下邊的人人奮筆疾書，好不壯觀。
不用怕，這場面好多年前就出現過。早在2023年，拜《大資料時代》所賜，很多大企業的老闆們就開始推崇資料化管理。雖然他們完全不懂hadoop什麼的，但是要用資料說話卻是共同的目標。於是在銷售/營銷/運營部門之間掀起了碼ppt的新高潮。於是我便有幸見到了以下的搞笑場面：
某大型零售企業經營分析會，各條線領導都在匯報專案效益。「通過本月**活動，拉動效益銷售:1.5億，投入產出比1：25」「會員專案持續推動，本月拉動效益5000萬，投入產出比1:15」「通過主動服務，喚醒沉睡顧客1.2萬名，帶來效益2000萬，投入產出比1:12」……各個領導輪番上陣，甩出一堆數字，期待老闆首肯。而等大家嘰喳完，市場總監拿出計算器敲了敲，笑著說：諸位，如果把你們的效益都加起來，已經快要超過本月總營業收入了。所以我們**了乙個叛徒暗中破壞嗎？以後匯報，各自只匯報自己的目標完成率，至於效益交給資料部門統籌分析。
尷尬至極，面面相覷。只有負責資料的領導在偷著樂。會後他繪聲繪色的跟我描述了當時的場面，開心的說道：老陳你看，我們的資料產品專案這就算有著落了。只要有老闆的信任，推動難度就小很多。而我則牢牢記住了這個場面。雖然已經過去了5年，但是每次談到「業務部門也會自己做分析，資料部門該怎麼辦？」的時候，我都會講給大家聽。雖然在別的企業不一定出現這麼極端的場面。但是問題是相似的。
核心問題是：業務部門是有自己的屁股的，所以會屁股決定腦袋。雖然寫sql，畫圖示，貼ppt是個客觀的行為，但用什麼資料，立什麼標準，出什麼結果卻是個主觀內容。這就類似為什麼在數學之外還要有個統計學。數學是技術，是很科學客觀的計算。統計是藝術，統計什麼維度，輸出什麼結論是個很看人的創造力的事。
具體到操作上，單個部門看資料會存在三大問題：
一、區域性與整體差異
活動效益，本質上是個「是什麼」的問題。上乙個活動，發乙個推文之後有多少消費轉化是個客觀數字，但如何認定這個數字就是活動帶來的，和參照標準有關。選參照標準有多種辦法，單獨計算乙個活動很容易算清楚（參見下圖）
但多活動疊加時，就很難講的清楚：到底使用者花的這1塊錢，有幾毛是品牌貢獻的，有幾毛是**貢獻的。所以單獨評估的時候，往往業務部門會高估效益，就是因為只站在區域性看問題，沒有考慮過交叉因素。
使用者的1塊錢消費，很難拆出來是誰貢獻的，但是10億消費就相對容易。如果站在全域性角度，可以看到為了支撐10億體量的業績，一共需要投入多少營銷預算。營銷預算的總量增長是否與業績增長匹配。整體營銷roi是否在下降。有個整體判斷，再看內部結構，就容易看到哪些專案其實與整體關聯更大，哪些其實只是錦上添花。這是單個部門看不到的更高一層。
二、理論與實際差異
一類問題，是相當多的活動收益是理論收益，不是實際收益（參見下圖，作為顧客，容易看到的是廣告和**，可普通軟廣與非1對1的**是很難關聯到訂單的）理論上客戶滿意度提高就會消費多，但是並沒有直接成交記錄支援。理論上品牌廣告打的多效益會好，但是並沒有直接成交記錄。找個案肯定能找到一些，問題是沒有直接交易記錄支援，這就是在玩數字遊戲。這個問題極大困擾著傳統企業的品牌部與營運部，直到抖音爆紅，小網紅們的帶貨能力能直接被資料記錄，這個問題才得以緩解。
另一類問題，是實際有效益，但沒有達到理論最大值。即使每個活動單獨看，都有若干種做法可以選擇。只要有活動就會有額外的收入增加，但是這種收入增加是有機會成本的，這筆錢如果用其他形式做可能會更好。這就涉及到同一目標下不同型別做法的對比（參見下圖，粗看很容易，細看全是戲，那麼多個點都可以分析）單個部門往往為了美化當前的活動而人為製造理由，強行優秀。還是那句話，想找資料，怎麼都找的到的。
三、短期與長期差異
活動需要有乙個較長觀察期。比如雙十一大促，大家都知道雙十一會有**，就會積壓訂單，形成所謂凸點效應（江湖俗稱一陽指，參見下圖）那到底是活動做得好，還是花了更多錢去補貼正常銷量？這就得把時間放長來看，是否非正價銷售的訂單佔比提高，是否使用者總年消費不變但享受折扣提高。是否越來越多銷售堆在**期完成。這些跟蹤不是能立馬見效的，需要打使用者標籤長期觀察。
非銷售額類的活動效益，需要更長期跟蹤。比如乙個引流活動，新進的使用者質量，需要1-3個月持續觀察才能看到。比如新開乙個引流渠道，本質運營水平還沒有穩定下來，需要觀察3-6個月才能評判效果。比如客戶滿意度提公升與客戶重複購買間關係，比如客戶挽留與客戶持續消費間關係。這些都得長期觀察：到底錢是白送了，還是真的能延長客戶生命週期。
當然，以上這些運營部門自己都能做。因為這些都是人幹出來的，只要運營部門肯花時間花精力去找人，取數，拿指標，寫ppt，當然可以自己完成全部的分析。問題在於，運營部門不去寫文案，不去設計活動，不去搞社群。銷售部門不去跑客戶，不去談合同，不去做拜訪。營銷部門不去做推廣打廣告。乙個個把精力都耗在跑sql，畫圖表，整ppt上，這種公司估計也就吃棗藥丸了。（不要笑，還真有這種靠天吃飯，靠嘴辦公的佛系公司，越是官僚嚴重的大企業越會這樣，反正人家要麼是壟斷企業，要麼是有強力靠山，不怕不怕的）。
小結：業務部門當然可以寫分析報告。資料分析本身就是一種職場通用能力。但是業務部門的工作內容，崗位職責，身份定位，決定了他們不可能深入、持續、全面的分析問題。這就是為什麼小企業只需要乙個全棧資料分析師（全稱：全戰數倉/sql/excel/ppt/調研問卷各領域的打雜師傅）而大企業需要專屬的資料部門，因為資料部門才有精力和職責打通各線條資料，設立合理的指標深入分析問題，持續監測資料變動提示風險。
那為什麼還有資料分析師被業務部門鄙視沒水平呢。因為不懂業務啊……好多資料分析師幹了2年了，問起來幹的是啥還是一臉懵逼
l 你們企業到底怎麼掙錢的？
l 服務哪些客戶？
l 提供什麼產品？
l 怎麼組織銷售渠道？
l 運營有什麼方法手段？
l 各個部門怎麼分工合作？
l 今年kpi是多少？做的好不好？
細問一下，一概不知……每天對著客流量，轉化率，客單價三個數字憋ppt憋得面紅耳赤「他怎麼就跌了呢？」「他為什麼就跌了呢？」這樣當然沒法在專業性上拼的過業務部門，人家起碼看到活生生的顧客嫌棄產品貴，競爭品牌在搞活動等等因素。這就是為什麼要把：收集資訊擺在第一號能力。因為在企業裡沒人教是常態，不會收集業務資訊就等於兩眼一抹黑，完全無法分析問題。更談不上專業性了。
資料分析該分析什麼
很多時候我們走的走的就會忘記當初為什麼而出發。我們有的時候在拿到資料以後不知道該怎麼進行分析，該去分析什麼，其實這些在我們以前的統計學中都學過。不管是用python還是r，其實和用excel一樣，只不過現在之所以用python r是因為大資料時代麼，資料太多，excel的處理能力跟不上，但是這些都只...
《人人都會資料分析》筆記 概率
1 取值在0 1之間。如果某個隨機事件其中乙個結果為0，表示這個結果不可能發生 如果概率等於1，則表示這個結果必定會發生 介於0到1之間的概率說明事件發生可能性的大小，數值越接近1發生的可能性越大。1 條件 結果種類是確定的 每種結果發生的概率相同。2 拋硬幣 結果 正面 反面 概率 1 2 擲骰子...
遊戲運營的資料分析
這幾天一直在看如何展開資料分析文章，大家寫的都不錯，說實話，針對如何展開遊戲運營資料分析的指導真的非常少，作為每個公司的核心機密是不會拿到臺面上與大家分享的，一段時期我上網看了很多的材料，當顯示不能滿足需求的時候，就要靠我們自己來挖掘。以下是我的結合一些文章後自己總結的資料分析的方法。分割線 資料分...