数据分析之初，了解你的受众

导读：在进行数据分析工作之前，了解不同受众的需求至关重要。一般而言，数据分析的主要受众可以分为管理层、运营部门、销售/营销部门，本文将对这几类受众的常见需求及对应的数据指导决策工作要点进行介绍。

1

管理层

管理层主要包括总裁办、企划部、战略发展部等，负责制定整体发展计划、年度KPI指标、经营任务等公司重要决策。在数据驱动决策方面主要存在以下两种诉求：

• 目标管理：希望通过日报、月报、季报、年报、各团队业务分析报告等，了解特定时间周期内公司关键指标数据及相应的变化趋势。
• 发展预测：管理层普遍对业务细节了解程度有限，希望能通过数据分析，明确业务基点、潜力及风险点，并以此制定发展方向。

为满足这些需求，除了展示关键指标的绝对数值以外，还需结合以往数据一同分析。同时，还可通过业务流程梳理，将业务关键环节情况及外部数据进行结合，开展对比和预测，实现对未来环境趋势的判断，将目标制定从“拍脑袋”向科学决策转变。

举例来说，收入普遍是管理部门最关注的指标之一，了解收入情况及变化趋势、制定科学的收入目标对公司发展有至关重要的影响。在展示图表中增加同比增长率和环比增长率，可以更容易区分出各时间周期内的收入增长情况，具体如下图所示。

其中，xi为随机变量X的取值，p为随机事件xi发生的概率。

上图展示了某公司上半年的收入情况。从图中可以直观看到，2月份公司收入的同比增长率和环比增长率相对偏低，但整体以较稳定的速度增长，且各月较去年同期均有较明显的提升，公司收入呈现出稳中向好的发展趋势。

注意：同比增长率、环比增长率、定基比增长率等是体现变化趋势的常用指标，这些指标可以分别起到消除数据周期性波动影响、反映数据连续变化趋势、与某一基准进行比较以反映业务发展情况的作用，帮助更好地理解业务发展情况。

了解当前的收入情况后，往往需要结合当前情况进对未来的收入进行预测，以确定经营目标。公司未来收入受多方面影响，包括行业规模、政策导向、市场需求等，通过对内外部因素的综合变化分析，可以预测公司全年收入水平，从而制定工作目标，如下图所示。

注意：除了公司整体的关键指标表现情况外，给管理层的分析中往往还需要对关键指标按照部门、产品等进行拆分。

2

销售/市场推广部门

这类受众是公司的一线市场开拓者，直接负责产品或服务的推广和销售，承担较多的业绩、指标压力。这类受众通常对分析过程的关注较少，重视KPI完成情况和具体工作举措，并且不同人员的关心内容存在差异。在数据驱动决策方面通常有以下诉求：

• 渠道来源分析：希望了解不同的渠道推广效果，以调整相应的推广策略。
• 数据指导业务动作：希望数据结论能直接对应到具体业务动作。
• 用户分析：了解不同用户的偏好，便于进行个性化产品销售和推荐。

因此，数据工作可围绕这类受众关心的指标制定不同的细分报表进行推送，并且通过各方联动，对以往案例和优秀经验进行总结沉淀，形成针对不同数据结果的解决方案，必要时进行数据系统与业务系统的打通，便于一线人员能方便快速的将数据结论应用在实际工作中。

举例来说，进行来源分析是调整获客渠道策略的常用方法。其中，线上获客渠道一般可以分为搜索引擎、广告合作、直接进入等。在数据分析时，可以对每个渠道分配唯一标识，记录新注册用户的渠道来源，形成细分渠道的分析报表，包含各渠道流量、投资转化率等指标。通过观察不同渠道的流量与质量，就可以明确各渠道的推广效果，从而为有效的推广策略提供参考，最终实现数据驱动获客效果提升。渠道来源分析的主要流程如下图所示。

当通过数据分析得到渠道质量分析结论及策略调整建议时，销售/市场推广人员就可以重新进行资源配置，向优质渠道分配更多的营销资金，实现资源利用效率的最大化。如果在功能上，数据系统可以和CRM、VOP等平台打通，在分析报表中直接加入每个渠道的资源配置入口，就能进一步提高销售/市场推广人员的工作效率，数据工作也能得到更多一线人员的喜欢和支持。

3

运营/产品部门

在数据驱动决策中，运营和产品部门扮演着公司的中后台关键角色，直接影响着公司的增长、产品优化、用户维护、营销策略等关键领域。他们的工作内容成效一方面影响着前台部门的业绩，另一方面也基于前台业务而得以体现。这类受众对数据的关注度较高，关注的维度较多，对数据的时效性要求也较高。他们对数据的需求主要集中在以下几个方面：

• 业务实时监测：运营和产品部门迫切需要实时了解业务运营情况，包括访问量、订单量、销售额、库存状况、活跃用户数等。这有助于他们及时发现和解决业务中的异常问题，确保业务的平稳运行。
• 业务流程及产品优化：通过数据分析，运营和产品部门追求深入了解业务流程和产品功能中存在的问题。这种深刻理解能够帮助他们提升用户体验，增强产品的核心竞争力。
• 用户活跃度提升：需要有效的数据支持，帮助提升用户活跃度并减少用户流失，从而促进业务的可持续增长。数据分析可用于发现用户行为模式、个性化需求，进而制定有针对性的运营和产品策略。
• 营销活动效果评估：定期评估不同营销活动的效果是运营和产品部门的关键任务之一。通过数据分析，他们能够了解每个营销活动的具体效果，从而优化投入产出比，确保每项活动都能为业务发展做出实质性贡献。

为满足这些多样化的需求，数据团队需要深入了解运营和产品的具体业务场景，综合运用多种分析方法，通过精准的数据分析和及时的数据反馈，帮助运用和产品部门更好的制定决策策略，否则可能只是数据人员的自娱自乐，并不能真正说明问题。

举例来说，当产品部门想通过APP页面优化来增加用户点击率时，选择最优的设计版本是普遍要决策的问题，测试是解决这类问题的常用方法。但如果随意的选择几个设计方案进行测试，并直接依据点击率高低选择最终方案，一是会导致数据结果说服力不足的问题（某一设计测试结果高于另一个设计，不能说明这种差异是偶然情况还是具有显著差异），二是也无法解释为什么某一设计点击率高的原因，无法为之后工作积累有效经验。

正确的方法应该是基于目标，对优化点进行逐一的调整测试，根据测试结果得到每项调整的显著性差异分析结果，进而选择出最合适的版本进行正式上线发布。两种分析方法对比如下图。

注意：不是用了数据就是好的工作方法，如果忽略整体目标，不知道为何改进，数据驱动业务的成效会大打折扣。

4

与相关部门的节奏与诉求相协调

在数据驱动决策的过程中，与相关部门的协调至关重要。不同部门通常有着不同的工作节奏和诉求，数据团队需要在这些差异中寻找平衡，确保数据分析的输出能够真正满足各个部门的需求。

比如运营部门通常以点状需求为主，关注短期内需要解决的具体问题。数据团队应该迅速响应，提供精细化的数据分析支持，帮助运营团队高效解决问题。通过快速、精准的数据分析，满足运营部门对于即时决策的需求。产品部门则更关注整体业务的长远规划和产品优化。数据团队需要参与到长周期的项目中，提供深度分析，为产品的战略决策提供有力支持。通过深入挖掘数据背后的价值，帮助产品团队更好地制定长期规划。

在与各部门的协作中，数据团队需要确保对相关部门的工作模式有深刻理解，能够根据实际情况灵活调整工作方式。定期与各部门负责人沟通，了解他们的工作计划和重点关注的指标，有助于数据团队更好地与业务保持同步。