『壹』 在公司里，數據分析師是如何幫助公司創收的
這兩年數據分析、數據挖掘概念很流行，各路教育機構，開課的老師喜歡拿美國XX信用卡公司或者啤酒與尿布這種陳年老梗來論證數據分析有啥價值。可真正在圈子裡干久了就知道，數據分析能幫助公司直接創收的途徑只有一種：幫乙方公司創收！因為只有乙方公司才會把數據分析、數據挖掘、數據產品、數據咨詢當作商品來賣。這樣，做數據分析的就有三種方式可以幫公司創收：做產品。比如BI公司、大數據公司、輿情公司、徵信公司，他們賣的是一整套數據產品。數據分析師在這些公司實際上扮演者產品生產者的角色，因此直接幫公司創收做服務。比如一些咨詢公司、新媒體公司、大數據提供數據挖掘服務、提供數據採集、報告撰寫服務。這些服務是針對甲方品牌、推廣、營銷等某個部門的需求，因此可以賣錢。在這里數據分析師實際上還是產品生產者，只是輸出的不是一個具體的產品，而是由報告、excel、ppt、代碼、會議等等組成的服務。做售前。相當多軟體公司、咨詢公司會拉一個數據分析師當售前，因為忽悠客戶的時候，光空口白話說我這個方案怎麼怎麼好是沒有競爭力的。需要一個懂數據會分析問題的人來做一個可量化的方案，讓客戶心服口服。在這里數據分析師實際上扮演的是銷售的角色，只是這個銷售賣的是知識，打動客戶靠的是專業性不是送回扣。所以你會發現，招數據分析高薪的基本都是乙方，或者甲方企業中的乙方部門（比如阿里數據銀行、智能客服，雖然是阿里的項目但是還是作為乙方提供服務給其他公司的）因為在這里數據分析才是直接生產力。在甲方？在創收問題上，數據分析從來都是排在隊尾。比如甲方爸爸要出一個新產品增加收入，那麼他需要做什麼呢？設計產品生產產品銷售渠道品牌推廣產品促銷物流跟進數據分析看看效果怎樣……是滴，大家會發現沒有數據分析，其他六步照樣可以做；只有數據分析沒有前六步，數據分析就是一張廢紙，這就是數據分析在甲方的尷尬之處。有些同學會說：那數據分析可以幫企業設計正確的產品哇！但實際上產品設計師不看數據照樣可以設計產品，他們已經這樣做了100多年了，也因此誕生了喬老爺那句經典的：我從來不看任何市場調查！這個尷尬之處是數據分析的工作方式本身固有的局限。數據分析需要有數據才能分析，這是一種相對後置的過程。而類似產品設計，核心是創意；產品銷售，核心是業務隊伍的能動力。這些人的能動性是前置的動作。企業的業績是做出來的，不是算出來的，所以在創收上數據分析其實是很無力的。
只有一種場景數據分析可能對收入有用，就是：某個業務部門+B42實在做得太差，搞不掂了。這時候如果通過分析能提升一些效益，那他們簡直happy的不能行。這也是為什麼很多成熟的數據挖掘項目都是做給客服外呼、簡訊發送、EDM的。因為在這些地方自然轉化率低的令人發指，而業務部門的文案、產品、廣告又起不了太大作用。同時這些渠道又都是點對點推送的方式，數據積累和建模環境相對封閉。數據模型能把自然轉化率從1%提升到2%，業務部門就已經謝天謝地了。
實際上，數據分析對企業有幫助，更多體現在後置性的，比如績效評估，結果考核，成果優化上。有意思的是，很多從業者自己都沒有想明白這一點，比如這個問題，帆軟也有個答案，大家可以看看，里邊舉的例子全部是如何砍成本，而不是加收入。
然而，帆軟的回答本身是很專業的。因為砍成本比增加收入，更容易體現數據分析的功勞。大家回顧上邊新產品增加收入的過程，如果數據分析說這個業績是我做出來的，至少有6個部門會和你搶功勞。但如果數據分析說這里有一個產品很垃圾可以砍掉，那麼最多得罪一個部門（設計這個產品的部門）剩下5個部門還是支持你的（因為他們不需要浪費時間了）所以，聰明的數據分析總是從內控的角度入手證明價值，而不是從外部增收的角度入手。
然而，這樣又出了第二個尷尬的地方，就是為毛線我要上個數據產品做這個呢？甚至為毛線我要雇個數據分析師做這個呢？因為進銷存的數據ERP里也有，理論上我想知道哪個產品效益不好只要有一個會SQL的程序員從ERP里跑個數就行了啊！所以如果只把數據分析的價值掛在內控上，那麼數據分析的重要性和專業性就非常低了。各部門老闆自己也會分析啊，你們跑sql的懂業務嗎？不懂業務你內控個什麼呢？
這時候就需要進一步的包裝以體現數據分析的價值。最核心的就是上個產品！就像後宮嬪妃，年輕貌美的時候都會討皇上一時歡心，但長久來看還是得生個孩子的。有個孩子自己的地位就穩固了。比如銷售，完全可以用紙質賬單，為什麼要用pos系統？就是當pos系統上線，業務流跑起來以後，就沒理由再讓他停掉，孩子已經生出來了，就得養著。
數據分析的孩子常見的有這么幾種：面向管理層的儀表盤，適用於信科學化管理這一套理論的老闆面向業務部門的數據產品。可能是一個推薦系統，精準營銷模型，也可以是一個業務助手，數據集市，總之是業務部門日常工作中必須用到的某個環節，把它打包，用數據包裝起來，封裝成一個產品面向一線的營銷提醒工具，運營數據指南。讓銷售們每天都得看一眼，不看就不舒服。讓運營們寫文案前都得看看熱度排行，不看心裡沒底。具體的就不展開了，如何引起老闆關注，如何拉攏業務部門，如何讓一線使用，寫本書都夠了。這么多年作咨詢，見過大量甲乙方，凡是聰明的數據人，最終不約而同走了做內控→引起管理層重視→上產品→與業務部門合作→擴組織架構這一條路。而那些號稱上個大數據系統能盈利XXX的，基本上都死無葬身之地。
這兩年大數據、人工智慧概念大火，數據分析崗位又像年輕貌美的嬪妃一樣被各大企業老闆們寵信，也有無數同學新涌進這個領域。所以特別誠懇的提醒大家：我們自己可以有很多方法、很多復雜的概念，然而最終企業是不是靠我們這個掙錢，才是我們長久安身立命的本錢。如果我們只是打輔助的，就盡早圍繞一個具體業務場景，輸出一個產品，和業務緊密結合起來，這樣我們自己的地位才穩固。最後插一句，比如演算法類崗位，大家要注意區分，因為演算法即可以應用在生產系統（比如影相識別，物資調配，路線規劃，過程式控制制），也可以應用在分析系統（比如推薦、預測、BI）如果是應用在生產系統，那地位相對穩固很多，因為生產線是不會徹底更替的，只會不斷優化。但如果是應用在分析系統，那水分就大了去了，大家要認真看到底這個演算法是干什麼再做決斷。早在2013年《大數據時代》流行的時候，就興起了一波「大數據分析」的熱潮。結果當時腦子一熱向老闆喊了：「我們可以利用大數據XXXX分析提升業績的」現在估計墳頭草都有我娃個子高了……作為一個前輩，有義務告訴大家這個行業的真相，數據的價值可以有很多種，不一定是直接增加收入。數據確實很有用，然而不代表老闆們認可這個用處，不代表我們能從這里陞官加薪。技術以外，如何創造價值，有可能需要代碼和演算法以外的其他東西輔助。與大家共勉。
『貳』 數據分析能給企業帶來哪些成果
1.積極主動和預測需求
企業機構面臨著越來越大的競爭壓力，它們不僅需要獲取客戶，還要了解客戶的需求，以便提升客戶體驗，並發展長久的關系。客戶通過分享數據，降低數據使用的隱私級別，期望企業能夠了解他們，形成相應的互動，並在所有的接觸點提供無縫體驗。 為此，企業需要識別客戶的多個標識符（例如手機、電子郵件和地址），並將其整合為一個單獨的客戶ID。由於客戶越來越多地使用多個渠道與企業互動，為此需要整合傳統數據源和數字數據源來理解客戶的行為。此外，企業也需要提供情境相關的實時體驗，這也是客戶的期望。
2.大數據對精細化運營的價值
大數據對於企業提供的營銷價值是毋庸置疑的，同樣大數據給予企業做精細化運營也會提供很多幫助。比如，企業可以根據收到的大量用戶數據構建一些關於用戶體驗的檢測模型，用來分析關注企業用戶的屬性。並且利用這些模型分析出用戶使用產品或者購物行為的關鍵接觸點，然後檢測每個接觸點相互間的轉化率。
3.緩沖風險減少欺詐
高效的數據和分析能力將確保最佳的欺詐預防水平，提升整個企業機構的安全：威懾需要建立有效的機制，以便企業快速檢測並預測欺詐活動，同時識別和跟蹤肇事者。將統計、網路、路徑和大數據方法論用於帶來警報的預測性欺詐傾向模型，將確保在被實時威脅檢測流程觸發後能夠及時做出響應，並自動發出警報和做出相應的處理。數據管理以及高效和透明的欺詐事件報告機制將有助於改進欺詐風險管理流程。
4.通過大數據能讓企業有效激活用戶
企業做運營很重要的一點就是對老用戶的激活，但是怎樣激活老用戶，以及和用戶更好的進行有效溝通，幾乎是企業都撓頭的問題。但是運用大數據技術可以讓企業對用戶生命周期進行管理和挖掘，讓企業對不同生命周期的用戶進行標簽化的管理，讓企業及時把相關運營信息推送給不同生命周期的用戶。
5.個性化服務
公司在處理結構化數據方面仍然有些吃力，並需要快速應對通過數字技術進行客戶交互所帶來的不穩定性。要做出實時回應，並讓客戶感覺受到重視，只能通過先進的分析技術實現。大數據帶來了基於客戶個性進行互動的機會。這是通過理解客戶的態度，並考慮實時位置等因素，從而在多渠道的服務環境中帶來個性化關注實現的。