編者按：本文來自微信公衆號 “接地氣學堂”（ID:gh_ff21afe83da7） ，作者：接地氣的陳老師，36氪經授權發佈。

數據分析寫的運營分析報告，和運營寫的數據分析報告，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“數據思維”“科學管理”的公司裏。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2013年，拜《大數據時代》所賜，很多大企業的老闆們就開始推崇數據化管理。雖然他們完全不懂hadoop什麼的，但是要用數據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，各條線領導都在彙報項目效益：

• “通過本月促銷活動，拉動效益銷售:1.5億，投入產出比1：25”

• “會員項目持續推動，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，笑着說：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。所以我們中出了一個叛徒暗中破壞嗎？以後彙報，各自只彙報自己的目標完成率，至於效益交給數據部門統籌分析。

尷尬至極，面面相覷。只有負責數據的領導在偷着樂。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，我們的數據產品項目這就算有着落了。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，數據部門該怎麼辦？”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，畫圖標，貼ppt是個客觀的行爲，但用什麼數據，立什麼標準，出什麼結果卻是個主觀內容。這就類似爲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，單個部門看數據會存在三大問題：

1 局部與整體差異

活動效益，本質上是個“是什麼”的問題。上一個活動，發一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，單獨計算一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：到底用戶花的這1塊錢，有幾毛是品牌貢獻的，有幾毛是促銷貢獻的。所以單獨評估的時候，往往業務部門會高估效益，就是因爲只站在局部看問題，沒有考慮過交叉因素。

用戶的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。如果站在全局角度，可以看到爲了支撐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，就容易看到哪些項目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。

2 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，作爲顧客，容易看到的是廣告和促銷，可普通軟廣與非1對1的促銷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持。

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持，這就是在玩數字遊戲。這個問題極大困擾着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數據記錄，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類型做法的對比（參見下圖，粗看很容易，細看全是戲，那麼多個點都可以分析）單個部門往往爲了美化當前的活動而人爲製造理由，強行優秀。還是那句話，想找數據，怎麼都找的到的。

3 短期與長期差異

活動需要有一個較長觀察期。比如雙十一大促，大家都知道雙十一會有促銷，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，是否用戶總年消費不變但享受折扣提高。是否越來越多銷售堆在促銷期完成。這些跟蹤不是能立馬見效的，需要打用戶標籤長期觀察。

非銷售額類的活動效益，需要更長期跟蹤。比如一個引流活動，新進的用戶質量，需要1-3個月持續觀察才能看到。比如新開一個引流渠道，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。因爲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，不去搞社羣。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。一個個把精力都耗在跑sql，畫圖表，整ppt上，這種公司估計也就喫棗藥丸了。（不要笑，還真有這種靠天喫飯，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）。

4 小結

業務部門當然可以寫分析報告。數據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。這就是爲什麼小企業只需要一個全棧數據分析師（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數據部門，因爲數據部門纔有精力和職責打通各線條數據，設立合理的指標深入分析問題，持續監測數據變動提示風險。

那爲什麼還有數據分析師被業務部門鄙視沒水平呢。因爲不懂業務啊……好多數據分析師幹了2年了，問起來乾的是啥還是一臉懵逼

• 你們企業到底怎麼掙錢的？

• 服務哪些客戶？

• 提供什麼產品？

• 怎麼組織銷售渠道？

• 運營有什麼方法手段？

• 各個部門怎麼分工合作？

• 今年KPI是多少？做的好不好？

細問一下，一概不知……每天對着客流量，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？”“他爲什麼就跌了呢？”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。這就是爲什麼要把：收集信息擺在第一號能力。因爲在企業裏沒人教是常態，不會收集業務信息就等於兩眼一抹黑，完全無法分析問題。更談不上專業性了。

然而，有些企業就是不重視數據，基層的數據分析師就是坐不上經營分析會的桌，這時候就得有自己收集信息，發掘需求的能力。