编辑导语:如今，随着互联网的不断发展，每个产品的数据量都变得非常庞大，数据分析系统发挥了巨大的作用。建立一个完整有效的数据分析系统，可以提高你的工作效率和准确性。那么，一个完整的数据分析系统应该是什么样子的呢？在本文中，作者就此展开了一系列的故事。让我们来看看。

很多同学抱怨:我在东部做了一点，在西部做了一点。我从来没有见过完整的数据分析系统。

其实早在10年前，很多大型银行就已经建立了完善的数据分析体系，只是因为行业的特殊性，外人对其了解不多。

今天详细告诉你。

满足业务需求是构建数据分析系统的出发点、最终目的和最高要求。

需要注意的是，“业务需求”并没有统一的标准。不同的部门，不同身份的人有不同的需求。从广义上看，可以分为三个层次:

这三类人在数据类型、数据时效性、数据应用方向上完全不同。

所以需要单独满足要求(如下图)。

在整个系统中，经营分析直接服务于战略决策。

最高管理者在进行决策时，更多地关注宏观问题，如总体目标的实现、外部环境的变化和内部措施的效果。而不是纠结于琐碎的业务细节。

因此，在做经营分析时，我们应该:

注:经营成果的核算非常复杂和麻烦。许多业务计划跨越几周甚至几个月，涉及许多部门和工作。一些基本的R&D、生产线更新和基础设施投资跨越数年。

所以经营分析的频率一般不会很高，一般按月进行。在业务分析层面做出的决策通常是方向性的，例如:

这些决策直接影响战术层面的设计。至于具体设计，要靠战术分析来支撑。

战术分析具体到每个职能部门。

例如:

这些战术层面分析的具体内容往往各不相同，但核心思想是一致的:

具体细节太多，就不举例了。有兴趣的同学可以翻翻之前分享的操作和产品分析方法。

事实上，大多数做数据分析的学生最常接触到的就是这种层次的分析。最终输出也是日常监测报告+专题分析报告。

严格来说，战斗等级需要的不是数据分析，而是数据。

一线工作忙到没人有空坐下来认真听汇报，看数据就够行动了。例如:

有了数据，前线已经可以采取行动了。快点完成未完成的任务。如果能在基础清单上增加一些辅助工具就更好了。

比如对于销售，不仅有要跟进的客户名单，还有一个预估的自然消耗(预测模型给出的标签)，可以帮助销售聚焦到应该更积极跟进的人群。

比如再举一个:客户可以参加活动/客户可以转发海报，这就让销售多了一个打动客户的工具。

这些工具比冗长的分析报告有用得多(如下所示)。

相当一部分公司在战役层面的数据分析只停留在excel日常和ppt阶段，缺乏工具设计和开发，导致数据分析不落地，无法辅助一线等问题。

看到这里，肯定有同学好奇:老师，我的公司规模没那么大，没有那么多数据。怎么才能系统化？这里有一条路。

初创企业当然没有精力去搭建这样的大数据系统。

对于初创企业来说，尽快找到一个盈利的MVP，然后继续扩大投资，增强收入能力，才是关键。所以对于初创企业来说，一般重点是销售数据/推广数据/渠道数据，战术分析做好了。

对于有一定规模的企业来说，最重要的不是做各种分析报告(一般都有)，也不是做复杂的分析报告。而是要加强基础建设，弥补起步阶段高速发展留下的短板。例如:

这些可能不仅仅是数据库设计，旧的交易系统、物流系统、成本控制系统都需要升级，业务流程要标准化，所以是一个庞大的工程。

但是如果不经过这一关，或者继续在旧的基础上徘徊，就会发现规模越大，内部系统越乱，数据越复杂，新旧数据越不匹配，以后的日子就越不好过。

2021年，陈老师经历了多位30-100亿营业额的中型企业的数字化建议，都存在基础设施薄弱，大获成功的问题。

往往最基础的商品数据、活动数据、渠道数据都没有建设好。相反，他们急于去CDP，在APP/H5中制定算法，并埋葬整个链接。

自然，结果是:在泥地里建造摩天大楼...各种纠结。

以上这些问题，当你身处其中，就会显而易见。但是为什么没人解决呢？

这些都可能让数据停留在最初的阶段。

然后，我希望一个人脉很广的数据分析师能处理好所有的问题，他们会急切地握着你的手说:“我们公司有很多数据，都在那里，我们只需要一个大师来分析……”所以如果做分析的学生遇到:

你不是一个人，你和很多同学一样在煎熬。毕竟有少数公司做得很好。这时候只要努力积累能力，跳槽去更好的企业。

肯定有同学会问:做一个高级数据分析师需要什么样的能力？下次再分享吧，敬请期待。

#专栏作家#

接地气的陈老师，微信微信官方账号:接地气学校，人人都是产品经理专栏作家。资深顾问，在互联网、金融、快消、零售、耐久、美妆等15个行业拥有丰富的数据相关经验。

本文原载于《人人都是产品经理》。未经许可，禁止转载。

图片来自Unsplash，基于CC0协议。