“推動業(yè)務”是數據人最怕的詞了。媽耶，還推動業(yè)務呢，我自己不被業(yè)務部門天天追著屁股要數就不錯了，咋個推動法。

可領導們最喜歡提這種要求。今天我們就來詳細聊聊。首先要分清的是，提這個問題的人是誰，很重要。

問：以下兩種情況有什么區(qū)別？

A、業(yè)務部門領導問：數據分析，如何推動業(yè)務發(fā)展？

B、數據部門領導問：數據分析，如何推動業(yè)務發(fā)展？

答：主導權不一樣。業(yè)務部門問了建議，可以直接去落地。數據部門只是個輔助，說的話如果不對業(yè)務胃口，就永遠懸在天上。就像開車，抓方向盤的人聽了建議能換路線，坐副駕駛的嗶嗶太多，很容易遭嫌棄。所以提問人不同，應對思路是不一樣的。今天我們先講業(yè)務來提問。

01、推動業(yè)務的錯誤做法

很多同學一聽“數據推動業(yè)務”，直觀的想法就是：

● 我通過數據，發(fā)現活躍率低了

● 我建議：要搞高！推著業(yè)務搞高！

● 搞??！你們快搞！我早說了要搞??！

● 你看看，活躍率高了，我真厲害

這么干肯定被業(yè)務噴死

隨便問幾個問題：

1、誰來搞？

2、啥時候搞？

3、搞到多少？

4、花多少錢搞？

5、有這錢我搞別的不行嗎？

6、用大轉盤搞還是澆花種樹搞？

7、澆花種樹是送實物水果還是券？

8、用券搞還是積分搞還是禮品搞？

9、券派10、20、30、40、50……？

10、搞起來了但是轉化率跌了行不？

一個都回答不上來。

錯誤在哪里？錯誤在把業(yè)務想簡單了。即使看似簡單的：“活躍率低了”真要付諸行動，也得考慮上邊列出來的眾多環(huán)節(jié)。并且這些環(huán)節(jié)里，有一些不是數據能直接解決的（比如簽到活動的創(chuàng)意設計，澆花、種樹、養(yǎng)金豬、造電器……這些靠加減乘除可算不出來）。

所以想要推動業(yè)務，就得認真分類業(yè)務工作，找到數據的發(fā)力點。

圖片

02、推動業(yè)務的切入點

業(yè)務解決問題，從決定立項到執(zhí)行完成，分為四大環(huán)節(jié)（如下圖所示）：

圖片

在整個過程中，數據分析不能包打天下。作為一種理性、量化的工具，更適合用于解決戰(zhàn)略、戰(zhàn)術決策工作，適合戰(zhàn)況監(jiān)控。至于戰(zhàn)斗動作，數據只能作為參考，一個有經驗的策劃遠遠比加減乘除管用。

因此合理安排輸出產物，才能更好地推動業(yè)務去行動，而不是讓業(yè)務患上數據依賴癥：“你用人工智能大數據分析一下我這一幅畫該幾點紅幾點綠”——數據不是這么用的。

03、推動業(yè)務的順序

清晰了輸出內容，就可以規(guī)劃推動順序了。這里很多新人會犯個錯誤：指望一步到位，自己拼命做一個很細很細，細到可以執(zhí)行的方案就算成功。這樣一來直接替代了業(yè)務的工作，把自己累得半死。二來業(yè)務也不領情——“你算老幾，你替我拿主意？？?。　?/p>

要知道：沒人能未卜先知，在一開始規(guī)劃清楚所有事。推動業(yè)務的過程是循序漸進，在不斷共識的基礎上，從不清晰到清晰，逐步深入的。

特別是一些關鍵節(jié)點：誰來負責，出多少預算，考核指標是什么，考核多少。這些是需要請示部門領導，甚至部門之間共識，和老板共識才能確認的。所以要沉住氣，一步步來（如下圖）。

圖片

04、推動業(yè)務的坑點

本篇討論建立在“業(yè)務部門領導提問且親自下場”的基礎上，所以想做數據推動，是有強力的上層支持的。但有了尚方寶劍不見得真的敢拔出來隨便砍人。在具體推動過程中，有一些新人常見坑點，必須注意：

坑點1：直接信了業(yè)務的判斷。

注意，業(yè)務的判斷不見得都是基于數據，甚至不見得都是事實。

很常見的，比如：

● 我看對手做了，我們沒做

● 我看朋友圈文章說該這么做

● 我被老板罵了，我也不敢問為啥

● 我聽客戶反饋，用戶都在罵這個

● 我精心想的點子，我非把它弄上線

● 我和老婆吵了一夜，現在看誰都不爽

是滴，各種情緒、立場、單個事件，都會干擾到人們的判斷。所以業(yè)務跟你說：我們活躍率不行；我們的轉化還得加強；我們的用戶體驗不好的時候，一定要追溯的問題源頭，落實到一個數字或者一件事上，具體討論到底是啥問題。

圖片

坑點2：沒有相關指標分析。

很多非利潤、成本類指標，都容易產生虛榮效應：

1、容易被刷高：大轉盤一搖，活躍率鐵高！

2、無實際產出：活躍高了又怎樣，他又不買。

3、無長期效果：短期刺激完又怎樣？不做活動又跌。

所以當業(yè)務關注這些指標的時候，一定要做相關的指標分析，特別是要關聯到一個有最終考核意義的指標，比如利潤、成本之類。至少要保證這幾個主要指標是聯動的，允許有虛榮成分，但是不能全是水。

坑點3：沒有事前定義目標。

這也是業(yè)務經常干的事：

1、我要提升活躍率——從多少提升到多少？不知道！

2、我要提升消費——從多少提升到多少？不知道！

3、我要拉動業(yè)績——從多少拉動到多少？不知道！

4、我要激活用戶——啥叫沉睡？咋算激活？不知道！

是滴，很多業(yè)務部門干活完全是憑經驗，憑感覺，憑習慣。完全沒思考過到底考核啥指標，又到底該做多少。一問就是不知道，要么就是說：“和自然狀態(tài)下對比下？”問題是很多業(yè)務根本就是促銷不斷，活動不停，咋個自然狀態(tài)法。所以想做數據推動，必須認認真真看數據定目標，不能含糊。

坑點4：過往策略沒有收集。

過往用過的策略目標，打法、效果，全部沒有收集。導致需要數據支持的時候不知道看啥，最后還是憑經驗決定（如下圖）。

圖片

坑點5：創(chuàng)新方案沒有標簽。

同上，創(chuàng)新方案想做測試，要有具體的標簽才好后期做對比分析，不然只看一個很粗的響應結果，還是沒法指導到設計的細節(jié)工作。

圖片

坑點6：測試方案不看整體。

這是上一個問題的另一個極端，測試的時候太過計較細節(jié)，比如頁面顏色，按鈕左邊右邊，優(yōu)惠券20、30糾結太多，導致見細節(jié)不見整體，到了用戶那里：這啥破活動，不玩了。

坑點7：執(zhí)行過程沒做監(jiān)控。

急著上線，需求反反復復改，最后埋點沒做好，數據沒打通，結果嗎，自然……

總之，數據推動業(yè)務，就像開車開導航一樣。大家都覺得導航好用，可最后支撐導航功能的，卻需要GPS定位，道路圖，實時數據反饋，路線規(guī)劃算法等等復雜系統。

理論說起來容易，執(zhí)行起來只能看菜下飯，且行且珍惜了。況且這還是在業(yè)務部門推動的情況下，如果是數據部門自己想推動，那就更得付一番精力。