數據分析的最終目的是驅動企業業務增長，今天小編就帶大家來看一下數據分析成果落地難的那些問題。

文章來源：微信公眾號接地氣學堂

作者：接地氣的陳老師

落地、見效!是很多做數據分析的同學最怕的四個字。平時自己敲代碼加減乘除很嗨，可一提落地就兩眼一抹黑。到底要怎么落?落到哪里?完全不知道。每次報告結尾都寫上蒼勁有力的：本月活躍低了，要搞高!可好像也沒人給我搞。咋辦……今天系統講解一下。這里有五個常犯問題。

1 問題一：沒有區分服務對象

首先明白一點：在企業里做落地工作，最重要的是經費和人員。好點子多了去了，可離開資金投入與工作團隊，點子就永遠是個點子。大部分企業的數據分析部門，自己申請不到經費和獨立的工作團隊，因此更多是借力打力，通過服務業務部門實現分析成功的落地。這就要求我們得：有能力識別業務部門到底是什么人(如下圖)。越大的企業，內部小團體越多，各個團體的小目標就越分散。光空喊口號，可沒人響應的。

遇到不同人，當然有不同辦法。

驕兵悍將：保護自己是第一位的，不要頂撞他們，更要避免淪為他們的甩鍋對象。先安分守己，避免出錯，再談其他的。

新兵銳將：這是最優先考慮合作的團隊，一旦發現，盡早聊，盡早開工!

疲兵倦將：這些人問題非常突出，且喜歡甩鍋，所以除非已經有了有把握的方案，否則不要招惹他們，避免麻煩上身。

蝦兵蟹將：這些人容易談合作，但出成績難，可以挑其中尚有生機的“活蝦”合作，嘗試著做一些小成績，再爭取更大的機會。

想克服這個問題，需要數據分析團隊有良好的溝通能力及敏銳的識人眼光。特別是數據分析團隊領導：如果數據領導自己都是“兩耳不聞窗外事，一心關門敲鍵盤”，那下屬也很難推動，很容易讓整個團隊淹沒在無休無止的取數單里。類似的悲劇見得太多太多了，所以列為問題一。

2 問題二：沒有清晰落地目標

我們常說：數據分析可以驅動業務，助力增長，洞察趨勢。這些都是正確的廢話，太大、太空、太虛。想要讓數據分析成果在一個部門里落地生根，得把公司目標-部門目標-項目目標串起來。部門的目標服務于公司大目標，我們想落地的目標又服務于部門的目標，這樣才能讓項目站的穩，站的牢(如下圖)。

想克服這個問題，需要數據分析團隊的思維，從“我能做”到“我要做”進行轉變。

我能做個模型→我要找到運力最缺乏的時間

我能做個報表→我要找出來效率最低的班組

我能做個ppt→我要識別最容易投訴的客戶

最后輸出的成果，可能還是模型、報表、ppt，但思考的角度，是站在對業務最有用的角度思考。不做這個轉變，每日沉迷于筆墨紙硯、加減乘除，最后即使有人愿意合作，也很難出成效。往往讓業務部門覺得——太理論化了。

3 問題三：沒有區分輸出層級

數據分析輸出成果是有層級順序的(如下圖)分層級輸出，要先看：業務部門對數據理解在什么層次。不做跳躍層級的事，沉住氣一步步來，最后結果才容易得到認可。

這里不光新手，很多老手都會踩坑，比如：

不做溝通：不管業務目前啥水平，自己干自己的。

做溝通但沒有檢驗：誤以為業務很“數據思維”，結果才發現這幫人只是披著數據外衣的經驗主義!

有檢驗但盲目自大：做數據的，自己看不起報表，覺得報表太簡單，非要憋一個超牛逼模型出來，一模定乾坤。

有檢驗、不自大，但太過糾結：總怕做錯，溝通頻率太低，自己糾結細節，進度磨磨唧唧。

最后的結果，往往是：

項目工期太久，業務等得不耐煩

項目配合不暢，總被批不懂業務

項目期望值太高，最后一地雞毛

所以，做數據的同學們，自己得先尊重數據，尊重數據落地的規律，尊重每一種數據產出形式。先打破自己心里的三六九等，站在“讓別人認可”而不是“讓自己開心”的角度，才能克服這一關。

4 問題四：沒有結合業務動作

數據作為一個產品，和所有的產品一樣，是有用戶，場景，痛點，使用方式的。也和所有的產品一樣，場景拆分的越細，越能夠擊中用戶痛點。舉個例子，大家就很容易看明白了(如下圖)：

5 問題五：沒有產品化最終成果

這是最后一步，也是最關鍵的一步：數據產出必須固定成產品/服務。堅決不能讓它躺在ppt或者excel里。所有業務對數據的態度，都是“當初求數像條狗，看完報表嫌人丑”。如果沒有一個固定的產品或者服務，數據就很容易人走茶涼，事后表功的時候記不到。還容易讓別的部門認為：不就是你敲敲鍵盤就可以了嗎，為啥不能!反而做的越多，認可度越低。

所以堅決要出產品：

一來可以插個旗子，讓大家記得這是我們的成績;

二來可以告知未合作的部門，我們能做出什么樣的東西，勾引他們合作;

三來可以告知所有人，數據的項目是有流程、人力、時間成本的，要合作就坐下來認真談，不要指望丟幾句話，鍵盤咔咔一響鈔票就破屏而出。

注意，這里講的產品，是一個廣泛的概念，并非是死板的BI+儀表盤。因為，業務使用頻率和認可度，是第一位的。很多做數據的同學一提數據產品，就想著搞花里胡哨的儀表盤，很容易讓數據產品變成“為做而做”，最后打開率不高，更不指望別人說自己好了。換句話說，只要業務能用起來，數字輸出到哪里，炫酷不炫酷，根本沒那么重要(如下圖)。

6 小結

數據分析成果落地難，本質上是難在“做項目”上。因為數據分析涉及數學、統計學、計算科學等等理論，很多同學會本能的傾向于“做學問”，忘了我們是在企業，企業是為了賺錢而努力。當然，也會有企業本身問題，真遇到隊友都是蝦兵蟹將，也沒啥好辦法。所以想把數據落到實處，產生效益，就得因地制宜，結合具體情況考慮。