在公司，数据分析师如何帮助公司创收？

近两年，数据分析和数据挖掘的概念非常流行。各个教育机构的老师都喜欢用美国XX信用卡公司或者啤酒和纸尿裤的老老梗来论证数据分析的价值。我在圈子里工作久了，知道数据分析帮助公司直接创收的方法只有一个:帮助乙方创收！因为只有乙方会把数据分析、数据挖掘、数据产品、数据咨询当商品卖。这样，通过做数据分析来帮助公司创收的方式有三种:做产品。比如BI公司，大数据公司，舆情公司，征信公司，卖的是一整套数据产品。数据分析师实际上在这些公司中扮演产品生产者的角色，因此他们直接帮助公司创收和提供服务。比如一些咨询公司，新媒体公司，大数据提供数据挖掘服务，数据收集，写报告服务。这些服务是针对甲方品牌、推广、营销等部门的需求，所以可以销售。在这里，数据分析师实际上是一个产品生产者，但产出的不是具体的产品，而是由报表、excel、ppt、代码、会议等组成的服务。做预售。相当多的软件公司和咨询公司会聘请一个数据分析师做售前，因为在忽悠客户的时候谈我的方案有多好是没有竞争力的。我们需要一个懂数据，会分析问题的人来做一个可量化的方案，让客户信服。在这里，数据分析师其实扮演的是销售的角色，但这个销售卖的是知识，打动客户靠的是专业而不是给回扣。所以你会发现数据分析的高薪基本都是乙方，或者甲方企业里的乙方部门(比如阿里数据银行和智能客服，虽然是阿里的项目，但还是作为乙方给其他公司提供服务)因为数据分析是这里的直接生产力。在甲方？在创收问题上，数据分析一直排在最后。比如，甲方的父亲想生产一种新产品来增加收入，他需要做什么？设计产品、生产产品、销售渠道、品牌推广产品、推广物流以及后续数据分析，看看效果如何……是的，你会发现，其他六个步骤不用数据分析照样可以做；只有数据分析没有前六步，数据分析就是一张废纸，这就是数据分析在甲方的尴尬..有的同学会说:那数据分析可以帮助企业设计出合适的产品！但实际上，产品设计师不看数据照样能设计出产品。他们这样做了100多年，由此诞生了乔的经典一句话:我从来不看任何市场调研！这种尴尬是数据分析工作方式的固有局限性。数据分析需要数据来分析，这是一个比较后处理的过程。而类似的产品设计，核心是创意；产品销售的核心是业务团队的能力和动力。这些人的主动性是企业业绩做出来的事前动作，而不是计算出来的，所以创收方面的数据分析其实很弱。

只有一种场景数据分析可能对收入有用，那就是一个业务单元+B42真的做得太差了，出毛病了。这个时候，如果有些收益可以通过分析来提高，那他们就做不到开心。这也是为什么很多成熟的数据挖掘项目都是针对客服外呼，短信发送，EDM的原因。因为在这些地方，自然转化率低得可怕，业务部门的文案、产品、广告起不了多大作用。同时这些渠道都是点对点推送，数据积累和建模环境相对封闭。数据模型能把自然转化率从1%提高到2%，业务部门已经谢天谢地了。

其实数据分析对企业是有帮助的，更多体现在岗位上，比如绩效评估、结果考核、结果优化。有趣的是，很多从业者自己也不想明白这一点。比如凡软也有这个问题的答案。你可以看看。里面举的例子都是关于如何削减成本而不是增加收入。

不过范阮的回答本身就很专业。因为削减成本比增加收入更容易体现数据分析的功劳。我们来回顾一下上述新产品增加收入的过程。如果数据分析说这个业绩是我做的，至少有六个部门会和你一起邀功。但如果数据分析说这里有一个产品是垃圾，可以砍掉，那么最多得罪一个部门(设计这个产品的部门)，剩下的五个部门还是会支持你的(因为不需要浪费时间)。所以，智能数据分析总是从内部控制的角度来证明价值，而不是从外部增收的角度。

但是，这就引出了第二个尴尬的地方，那就是我要不要为了羊毛最后一个数据产品而这么做？就算是羊毛，我也要雇一个数据分析师来做这个？因为进销存的数据也在ERP里，理论上我想知道哪个产品效益差只要一个懂SQL的程序员从ERP跑号！因此，如果数据分析的价值只与内部控制挂钩，那么数据分析的重要性和专业性就会很低。各部门的老板会自己分析。你了解sql吗？不懂业务你管什么？

这时候就需要进一步的包装来体现数据分析的价值。核心是最后的产品！就像后宫的嫔妃，年轻漂亮的时候会讨好皇帝一阵子，但从长远来看，还是要生个孩子的。有个孩子会确保你的地位。比如销售可以用纸质账单，为什么要用pos系统？也就是pos系统上线，业务流程运行，他没有理由停下来。孩子已经生了，还得养。

熟悉数据分析的孩子有几种:面向管理的仪表盘，适合科学管理理论的面向boss的数据产品。它可能是一个推荐系统，一个精准的营销模型，一个商业助手或者一个数据集市。总之是业务部门日常工作中必须用到的一个环节。打包，用数据打包，打包成面向产品的营销提醒工具和运营数据指南。让销售人员每天看一看，不看会不舒服。让运营们在写文案前都得看热度排名，不看心底。我就不细说了。如何引起老板的注意，如何拉拢业务部门，如何让一线使用，写本书就够了。做了这么多年的咨询，接触了大量的甲方乙方，所有的智慧数据人最终都走上了做内控→引起管理层重视→投放产品→与业务部门合作→扩大组织架构的道路。而那些声称最后大数据系统能盈利XXX的人，基本都是下场不好。

近两年大数据和人工智能概念火了，数据分析这个职位像年轻漂亮的小妾一样被各大企业的老板们青睐，无数学子涌入这个领域。所以我真诚的提醒你，我们自己可以有很多方法，很多复杂的概念，但是企业最终是否靠我们赚钱，才是我们长久安身立命的资本。如果只是起到辅助作用，尽快围绕特定的业务场景输出一个产品，并与业务紧密结合，这样自己的地位才会稳固。最后，比如要注意算法的区分，因为算法既可以应用于生产系统(比如照片识别、物料分配、路线规划和流程控制)，也可以应用于分析系统(比如推荐、预测和BI)。如果应用到生产系统中，它们的地位相对稳定，因为生产线不会被完全取代，只会不断优化。但如果应用到分析系统中，水分就太多了，大家要仔细看看这个算法是干什么用的再做决定。早在2013“大数据时代”大行其道的时候，就出现了一波“大数据分析”的热潮。结果我当时就跟老板喊:“我们可以用大数据XXXX来分析，提升我们的业绩。”现在估计坟草都和我家宝宝一样高了...作为一个学长，我有义务告诉你这个行业的真相，数据的价值可以多种多样，不一定直接增加收入。数据确实有用，但不代表大佬们认可这个用处，也不代表我们能从这里升职加薪。除了技术，如何创造价值，可能还需要代码和算法之外的东西辅助。* * *和大家一起。