系列：这一件月薪30K+的事，我们一起来撮合一下 3

作者：接地气的陈老师

--------------------------------------------------------------------------------------------------------

这是陈老师《如何找到自己的第一个数据分析项目》

系列连载第三篇。

第一篇，戳{转行的同学如何获取经验}

第二篇，戳{基层的同学如何获取经验}

今天我们来讨论一个，价值月薪30K且可以让人按时下班的美好事情：如何做成一个真正的数据分析项目。为什么做项目有这么美好的前景？因为手上拿一堆项目成果，是成为数据分析部门领导的必备条件。因为有独立项目经验，是在面试的时候脱颖而出重要保证。

  有项目与无项目的巨大差别

在面试或者内部晋升考核的时候，一个同学A说： “这个XX数据产品就是我做的”“我帮助营销部节省成本6500万”“我建立个XX公司数据监控体系”“我XX行业的营销分析有5种展开方法” 老板就会直接和A聊，这一块具体怎么做的，需要什么资源，做出什么效果，如何看待我们公司业务与你上家公司业务的区别。聊到这份上，面试就基本上成了。

另一个B同学说：“额，我跑数，一天2000行SQL，一个月150张需求单呢”老板会说什么？八成一句：“所以你分析了什么？结论是什么？”大部分B同学都会心里一怂：“是啊，我分析了啥啊？”小部分还想挣扎一下，倔强的说道：“比如RFM！我计算了RFM呢”然后这最后的倔强，最终会被这句话怼死：“所以，你们业务部门之前就不知道大客户是消费多少钱吗？所以你算了M以后大客户又做了什么事呢？你算和不算业务部门行为有什么区别？最后又有什么用？”

做项目是数据分析师证明自己价值，迈向高级的必备条件。我们认真讨论一下：如何从日常取数中培育出一个项目。如何把一张张取数单，变成一个数据产品。如何让业务部门认可：“数据分析真有用！”所有同学都得重视这一点，这个能力是必不可少缺的，越早培养越好。

第一步

找到合作伙伴

找那个重视数据，尊重分析，愿听意见的部门合作。一般而言，业务部门对数据的态度有四种。第一种：屁都不懂，完全没数据概念。这种显然没有合作空间。第二种：只知道数，不看分析。他们会看数字，但是对分析没概念，就知道闷着头做做做。这种业务部门一般干活无脑，或者唯经验论，觉得干活无非三句话，分析个啥。这种部门合作空间也小，但是有。第三种：重视数据，自己分析。有些业务部门就是很强势，觉得数据分析师就是跑数的，不懂一线。这种部门合作空间也小。在他们面前提意见，还有可能被他们喷。第四种：重视数据、愿听分析。是滴，这些部门才是合作的好伙伴。

在传统企业里，往往第一种和第三种人比较多；在互联网公司，往往第二种和第四种比较多。好在这几年大数据、人工智能等概念热炒，使得第四种人开始增加。至少在老板们脑中，开始有了数据化管理的概念，使得我们有了空间可以发挥。如果眼前没有项目做，很有可能是大家没有刻意选择好合作的部门，才导致辛辛苦苦做的报告石沉大海。

合作部门的态度也是慢慢转变的。有些部门可能有具体的业务困扰点，但想不到这个困扰用数据可以怎么分析。这时就需要做积极沟通，经常和各个部门的人聊天。那些有意向合作的人会积极吐苦水，这时就可以思考：我们能帮他们干什么，我们可以怎么量化分析这个问题。撮合一个项目就从这里开始。

第二步

确认合作目标

 

效果不直接才是数据分析项目的硬伤。单纯数据分析项目难以直接作用于业务，必须通过销售、运营、市场、活动才能展示成效。这也是为什么大家天天都在做取数，却从不感觉自己在做项目：因为成功是什么不知道咋衡量！所以在项目开始前，明确成果非常重要。

数据分析，在成果上，体现为以下方面：

新增一套数据：常见于分析产品。比如为支持新部门成立，新增一套报表工具。为支持XXX项目开展，新增一个为期90天的监控报表。为支持公司建设，新增一套BI系统。考核指标：新上线的报表、工具、系统数量。是否按时上线。从0到1，是最能体现价值的地方。

输出分析结论：常见于专题类分析。比如分析销售渠道业绩变化、分析推广质量、分析营销活动效益、分析运营质量、分析用户行为等等。考核指标：分析问题是否被解决。采纳了建议以后，业务部门做了XX工作，KPI指标从A%提升到B%。这里特别要强调：“利用后的效果”这五个字。相当多的同学写了分析报告，但是到底业务部门承认不承认分析的结果，会不会按分析建议做，做了以后提升多少，都没有追踪！导致辛辛苦苦干了活不被认可。也不敢拍胸脯说：这是我分析的成绩。

优化展示方式：常见于监控类分析。一般监控类都是日常在做的，做个图表优化、指标优化是很常见的。让报表更好看，更符合业务部门需求。考核指标：业务部门报表打开率与满意度问卷。这里特别强调：“满意度问卷”因为很多同学做了报表优化，可优化结果怎么考核呢？没有一纸证据，所谓的优化就变成了空谈。天天喊着数据驱动的数据分析部门，反而变成了最没有数据驱动的。所以一定要量化自己的工作，给自己一个证据：我做的确确实实好！报表阅读率从A%提升到B%，用户满意度从80分提升到90分。

构建一个模型：常见于建模类分析。大家要注意，模型是分逻辑模型、查询模型、算法模型三种的（具体区别后续再单独讲）。只要是把数据有逻辑的组合起来，解决一个具体问题的都叫模型。考核指标：模型上线后对业务KPI指标的提升效果。这里特别强调：效果。因为企业不是学校，不是为了搞模型而搞。如果做的东西不见效，销售成功率不提升，用户转化率没增长，要模型有屁用。效果才是检验分析质量的唯一标准。

为了让这个项目见效，且让大家把这个效果归因于我们。就必须在一开始谈清楚：到底我们输出的是什么。现状，问题点，期望值都要列清楚，并且白纸黑字递交老板。让老板知道我们在为这个目标努力。立好了flag，后续成功才有保证。不然，你永远是被人家催着要数，给数给的还经常不准，项目成功没你份的那个。

第三步

分工开展工作

一个项目执行要有分工，有明确的开始和结束时间。这些要规定清楚，之后就是大家各干各的活。一般数据分析项目分为需求确认、数据开发、结果验收、投产观察四个阶段。第一、第三阶段是业务部门说话，数据分析部门聆听。第二阶段是数据分析部门独立工作。第四阶段是数据分许部门观测效果。其实，大部分项目难在立项。只要成功立好flag，后续按部就班的干活就好了。

第四步

验收工作成果

最后，也是最重要，真的最重要、最重要*2、最重要*3、最重要*4、重要暴击combo！的一步。验收结果要照单收货。比如之前立了flag年底上线报表，上线了没有。之前立了flag优化后满意度上升，满意度提升没有。立了flag发现问题，找到了几个，其中改的了几个。很有可能最后没有期望的效果大。没关系，效果小，也好过没有效果。效果小，也好过自己默默提数，除了被人抱怨提数慢外一点成功没有。慢慢经验多了，就会发现什么项目好做，什么项目难出彩。陈老师稍后有专题分享。

  不做项目？瓶颈早早到来！

有些同学会说：这太辛苦了，又要谈判，又要预计工期，又要合作，还要舔着脸向老板汇报邀功。不是说好了，只要默默的敲键盘，敲1年涨一次薪水吗？额，工作头两年确实是这样，因为工资低啊。企业都想要熟手，熟一点的自然拿的多一点。然而技术更新速度如此之快，如果不在职业上升期建立一些经验成果的优势，单纯拼体力。迟早被刚毕业的小朋友取代。反正都是跑数的，人家刚毕业，能加班，工资还低，为什么不招一个更便宜的呢？所谓35岁程序员危机，大多从此而来

然而，有些同学说：“陈老师，说好的学生”不要急，下一篇，我们来解决学生如何获得第一份经验的问题。敬请期待。