“你做的数据分析，落地没有？有什么效果？”

这个灵魂拷问一出，让很多数据人犯难！虽然每次在报告结尾，都写上苍劲有力的：“本月指标低了，要搞高！”可到底该咋搞？？？今天我们系统讲解一下，到底怎么该落地，

大部分企业的数据分析部门，都不直接负责业务，更多是借力打力，通过服务业务部门实现分析成功的落地。这就要求我们得：有能力识别业务部门到底是什么人。越大的企业，内部小团体越多，就越得看清他们的特点（如下图）。

骄兵悍将：保护自己是第一位的，避免沦为他们的甩锅对象。先安分守己，避免出错，再谈其他的。

新兵锐将：这是最优先考虑合作的团队，一旦发现，尽早聊，尽早开工！

疲兵倦将：这些人问题突出且喜欢甩锅，除非有十足把握的方案，否则少招惹他们，避免麻烦上身。

虾兵蟹将：这些人谈合作容易，但出成绩难，可以挑其中尚有生机的“活虾”合作，尝试着做一些小成绩，再争取更大的机会。

想实现好的效果，需要数据分析团队有良好的沟通能力及敏锐的识人眼光。不能“两耳不闻窗外事，一心关门用AI搓SQL”，淹没在无休无止的取数里。找准合作对象，再发力！

我们常说：数据分析可以驱动业务，助力增长。但到底驱动谁？得有限考率他们负责的KPI。因此，了解公司目标→部门目标→项目目标。清晰各部门的KPI完成情况，是落地的第二步（如下图）。

清晰目标以后，需要数据分析团队转变思维，从“我能做”到“我要做”进行转变。

• 我能做个模型→我要找到效益好但投入不足的渠道→ 可以追加投入

• 我能做个报表→我要找出效率最高的业务团队 → 可以复制做法

• 我能做个ppt→我要识别最容易投诉的客户 → 可以提前避雷

这样，你始终站在：对业务有用的角度思考。自然容易找到业务感兴趣的话题。这远比自己关门琢磨模型，琢磨出来以后再到处兜售来的更快，更有效。

数据分析输出成果是有层级顺序的分层级输出（如下图），要先看业务部门对数据理解在什么层次。不做跳跃层级的事，沉住气一步步来，最后结果才容易得到认可。

这里不光新手，很多老手都会踩坑，比如：

• 不做沟通：不管业务目前啥水平，自己干自己的。

• 做沟通但没有检验：轻信业务的判断，结果发现人家在甩锅！

• 盲目最新技术：今年AI火，就啥都得拉上AI，也不管业务上有没用

• 忙于内耗：总怕做错，和业务互动少，进度磨磨唧唧，结果不见得有用。

字节的成功经验已经表面：单靠历史数据很难直接憋出100%正确答案，发现机会点→业务假设→检验→积累经验→再假设，是更好的落地方式。因此一步步往下推进工作，越做越好，才是终极目标

数据作为一个产品，和所有的产品一样，是有用户，场景，痛点，使用方式的。也和所有的产品一样，场景拆分得越细，越能够击中用户痛点。举个例子，大家就很容易看明白了（如下图）：

这是最后一步，也是最关键的一步：数据产出必须固定成产品/服务。坚决不能让它躺在ppt或者excel里。所有业务对数据的态度，都是“当初求数像条狗，看完报表嫌人丑”。

所以坚决要出产品：

一来可以插个旗子，让大家记得这是我们的成绩；

二来可以告知未合作的部门，我们能做出什么样的东西，勾引他们合作；

三来可以告知所有人，数据的项目是有流程、人力、时间成本的，要合作就坐下来认真谈，不要指望丢几句话，键盘咔咔一响钞票就破屏而出。

注意，这里讲的产品，是一个广泛的概念，并不局限于的BI+仪表盘。不管是报告，还是固定的经营分析会，还是培训，都可以成为输出价值的产品（如下图）。

数据分析成果落地难，本质上是难在“做项目”上。因为数据分析涉及数学、统计学、计算科学等等理论，很多同学本能地倾向于“做学问”，忙于研究数字和代码，忘了我们是在企业。企业工作要做项目，要和业务结合，要落实到具体的业务动作上。

想看更多的数据落地案例，建议加入我本人主理的知识星球：有包括AI数据分析及项目在内的十大权益！我会给你1对1制定学习路线，还可以1对1辅导你梳理个人经验，早日脱离苦海。星球的十大权益，加入后都是免费的。点链接了解我的AI数分星球：别被AI淘汰！数据人真正的保命技能，不是代码

点击“阅读原文”可了解更多