數據分析師該這樣霸氣回應「0.00008的轉化也很好」的謬論

活動做的好不好，到底誰說了算？

「花費300萬成本做促銷推廣，買了一堆KOL，淘寶廣告，微博刷屏，最後轉化率0.00008，也是極其成功的活動，原因有三：」

「第一，花錢做社交媒體就是沒轉化的，這是常識」

「第二，營銷的核心關注點是用戶的情緒，不是數據」

「第三，這種活動對品牌長期效應難以估量，數據是不管用的」

品牌總監振振有詞的說道，還隨手轉發了若干自媒體，公關大V發的《談ROI的都是耍流氓》一類文章。「你看資深人士都是這麼說呢！不要相信數據分析的結論，他們不懂業務！」

作為數據分析師的你，聽了這種言論是什麼心情？

呵呵！

活動做的不好的時候，數據就不是重點了。

活動做的不好的時候，就開始抱怨什麼難以量化了。

活動做的不好的時候，就開始扯什麼「長期」，「情緒」了。

十有八九，後邊還有一句：「不是我們策劃的不好，是我們的數據分析做的不到位。我們的數據分析沒本事估量長期效應，收集不到口碑數據。我們的大數據建設嚴重落後，無法做深入分析。你看，我們剛剛又花了筆錢做調研，調查回來用戶滿意度99.9%，用戶6個月後都考慮購買呢」。

呵呵*2=呵呵！呵呵！

可以預見，如果活動做的好，一定是這麼個場景：

我們ROI=1:250，新增用戶300萬人，拉動業績7.5億，推動老闆您本月KPI達成率250%。這個時候就沒有數據不準，數據不是重點，數據難以量化了。所以數據管不管用，準不準確，主要是根據業務部門的心情與需要來決定的，恩恩。

呵呵*3=呵呵！呵呵！呵呵！

當然，上述場景只是最近爆火的一個話題引出的段子。然而問題卻是很現實的。我們總說：「數據驅動決策，分析提升效益」然而數據經常成為業務部門的玩具。碰上強勢的，好詭辯的業務部門是很鬱悶的事。數據變成了他們事前立flag，事後甩鍋的工具.輕則抱怨分析無能，重則把責任都甩給你，說是你分析不準導致誤判，著實令人氣憤。

拒絕黑鍋，可以做這三件事

（1）擺正位置：反映事實是數據分析師基本職責

業績是做出來的，不是算出來的。數據分析師只對事實負責。再好的分析，也得靠業務部門落地。再好的報告，也需要文案，策劃，投放，促銷力度，禮品，圖片來支持。最終成果是所有部門通力合作的結果，不是數據分析師神機妙算，掐指一算就出來的。

數據分析師的基本職責與第一要務，是保證反饋事實的真實性。所謂的真實，是可觀察，可量化，可複核的明確指標。因此需要聚焦內部的，可跟蹤的，可查來源的數據。這也是為什麼數據分析一般會和調研分開兩個部門獨立工作的原因。如果一個指標難以觀察，無法量化，也無從複核，那麼寧可大大方方的承認我們無法分析，也不要隨意的蹚這趟渾水。因為失去了真實性與客觀性，數據分析師的存在的根基就沒有了。

不解決增長問題的營銷都是耍流氓，不支持增長的分析也是耍流氓。數據分析師們關注數據指標，量化複核，本質上是為了積累成功經驗，提升後續工作的效果。如果一個活動真的不考慮收益，不考慮效果（隨便玩玩），那跟數據分析師有什麼關係？如果不承認眼前的效果，非要扯長期效應，那麼我們就認真來探討：什麼算長期，是觀察3個月？6個月？還是9個月？是關注消費金額還是消費頻次。

所以大家注意：如果真的業務方堅持：「這個XXX項目就是不賺錢，沒效益，花幾百萬是為了玩玩，這是常識」那麼在立項的時候大家說清楚，不考核，不設KPI，不做分析。涇渭分明。只要涉及效益，涉及考核，那麼在事前一定要了解清楚業務背景，選擇老闆認可的觀察指標。事前談清楚，事後少扯皮。數據質量，數據採集，數據分析都不是問題的遮羞布。

（2）明確標準：「好」「壞」是什麼，提前說清楚

單純有指標是不夠的，什麼算好，什麼算壞必須提前說清楚。好和壞都是相對值，那麼參照物是誰就非常重要。理論上，可以參照：

活動前XXX天 VS 活動後XXX天

參與活動群體 VS 不參與活動群體

有活動區域 VS 沒有活動區域

有活動產品 VS 沒有活動產品

有活動時期 VS 無活動時期

正常銷售進度 VS 活動預定目標進度

然而，沒有一種對比方法是完美的。因為很難完全剝離其他因素。比如季節，比如產品特性，比如其他活動影響，比如「自然購買率」。越是聲勢浩大的活動，越會夾雜各種亂七八糟的因素。所以取一個完全無爭議的，純凈的對比方式是很困難的。

樹立標準，更多是要達成共識，特別是和老闆的共識。只要老闆認這個結果就萬事好辦。執行過程中，大家對這著結果努力。畢竟，業績好萬事好說，業績差罪責難逃。做的不好，在老闆面前找什麼理由都白費。所以沒必要自己折騰自己，非要提煉一個純凈的指標。而是聚焦到老闆的關注重點。

當然這個標準也是要事先說清楚的。不然事後就等著業務部門無休無止的質疑你的評估演算法不合理吧。

（3）梳理邏輯：潛在問題要主動分析提示

有了明確的考核指標與清晰的評估標準，數據分析師們可以施展拳腳了。我們說無法量化就無法考核，無法考核就無法改進。但是可量化，可考核的話，就能找出問題了。還是開篇的例子，如果要支持一個推廣促銷活動，可以至少分析以下維度：

整體上活動邏輯是否有偏：活動設計是建立在用戶需求洞察之上的。雖然調研能更深層的捕捉用戶意見，但用戶實際購物行為靠內部數據更容易驗證。比如活動希望向XX類型用戶推一個產品，那麼通過用戶畫像，該類型用戶是否真的有需求？是否過往有購物記錄？是正好在補貨周期內還是已經被滿足？這些分析可以防止活動出一些本質性問題。

策划上，具體要求是否合適：80%的用戶單筆消費在300以下，非要把活動參與門檻定在單筆1000塊；70%用戶購買後3個月內才會補貨，非要把活動時間放在上次活動結束1個月後。這種問題都是典型的思路正確，執行錯誤。雖然業務部門做方案的時候會有自己的理由，但是這種明顯誤差必須主動提示，讓他們想清楚可能的風險。

推廣上，渠道選擇是否合理：對於各個推廣渠道，歷史的新人數，轉化率，ROI數據是非常重要的。對於推廣效果不佳的渠道，既然已經吃過虧了，下次就得慎之又慎。而不是拍腦袋搞什麼大張旗鼓，全線鋪開；也不是自以為換個文案圖片就能擺平所有問題。業務部門可能腦子一熱就想出來一個很好聽的口號，但是療效還是要靠分析是來把關的。

運作上，即時告知風險與機會：雖然考核結果的時候關注的是一兩個核心指標，但為了提高運作效率，監控活動執行時，推廣→響應→銷售→庫存一整個活動鏈上的數據最好都詳細看。保證產品供應充足，在響應低的時候主動提示，便於業務部門第一時間啟動預案，免得事後再懊惱效果不好。

當然，以上的話是說給知心人聽的。數據支持業務，優先支持的是尊重數據，共同打造業績的業務部門。

——全文完——

額？這就完了？說好的霸氣呢？

也就是標題霸氣一下而已。數據分析師作為一個專業度很高的輔助崗位，淡定沉著，謹言慎行是很好的行為方式，因此語言上肯定不能霸氣了。你看軍師們都是很鎮定的運籌帷幄，上場罵陣的都是莽夫。但是，堅持科學的態度，堅持實事求是，認真梳理邏輯，事實說話，本身就是最大的霸氣！

當然，想不被業務部門嫌棄不懂業務，還是得學一些業務知識的，戳這裡開啟業務知識傳送門：業務知識一站通，數據分析師的第一堂企業實戰課

要爭取老闆的支持，才是抵禦各種業務部門蝦兵蟹將指責的最好盾牌，向老闆彙報的正確方式，戳：https://ask.hellobi.com/blog/chenwen/7768

作者介紹：陳老師，在諮詢行業打拚了9年，在如何診斷經營問題、建立分析體系、解決專項問題上有超過30個大型項目積累與實戰，天善智能特邀專家。

數據分析職場路上有困擾嗎？不妨到《數據分析師八大能力培養課程》https://edu.hellobi.com/course/272 里聊聊！

視頻課程特色：

從真實數據分析工作場景出發，訓練實戰能力

啟發式教學+大量實際操練，培養屬於自己的能力

不依賴於某個具體技術，也適合對數據分析感興趣的學生、業務部門人士學習

推薦閱讀：