經常有同學抱怨：每天忙于取數，不知道有啥數據分析項目可以做。今天系統性介紹一下六大類數據分析項目。它們都是可以單獨立項并且做出成績的，一起來看一下。

第一類：監控類

圖片

監控類的需求很多，但做成項目就有一定難度了，因為很多時候業務方就是丟一紙臨時取數需求，甚至一個電話過來口述一個朦朧的需求。這時候一定要做數據的同學自己打起12分精神了解需求背景。

如果是：

1、新上線的業務

2、沒有固定報表老業務

3、多次開展的測試/活動

都要和業務方坐下來詳細聊聊，把業務流程，監控指標，關鍵KPI指標，定下來。至于輸出形式可以看BI工具的完善程度和開發復雜度。能用看板的用看板，不能用看板的做自動化報表，總之把臨時取數盡量干掉。

這樣不但能形成良好的項目機制，也能避免業務方思考不全，隔三岔五地改取數形式，增加額外工作量。還能在有余力的時候關注下指標變化情況，為拓展其他項目鋪路。

監控類的項目想出彩，就一定得整！花！活！比如老板號召今年要“數字化轉型”，那先開發一個數字大屏擺在集團會議室里，把常規報表做個可視化看板。領導們一看：“嗯，不錯，很數字化！” 這績效就有著落了。

比如有重大活動，產品更新，第一時間先把監控報表整出來。發報表的時候做個海報，上書大標題“戰報速遞”，或者做移動報表，在微信群里群發一下，排面拉滿，這績效又有了。總之，做監控類項目，一定要“好鋼用在刀刃上”，讓領導們看得見，讓領導們看得爽。

圖片

第二類：評估類

圖片

做評估本身并不復雜，定好評價標準，看實際數據表現是否達成標準即可。但是不同業務類型的評估，涉及的指標，評估方法可能不一致，因此要分開看。

常見的，比如：

1、對運營的：運營政策、促銷活動評估

2、對產品的：產品功能、產品改版評估

3、對銷售的：推廣效果、渠道投放評估

評估類項目的核心在于：統一評估標準。

這里銷售類的相對容易，因為銷售收入/毛利/投放ROI是天然的判斷標準。運營和產品的評估都經常出亂子。運營經常是想法太多，不設固定的評估標準，到底要不要設參照組，到底怎么算自然增長率， 每次活動都不一樣。

這樣搞不但沒法積累分析經驗，而且會給老板留下一個“你們不誠實，每次都是變著法說好”的壞印象。因此強烈建議在做運營評估的時候，先分好類，每一類內部能有相對規定的評估標準和評估指標，這樣更有利于長期的工作開展。

圖片

產品則經常是想法太少。讓評估產品改版效果，你問他改版的目標是啥？想解決啥問題？想把指標提升到什么水平？他一口氣回答三個“不清楚”，甚至有可能讓做數據額“自己多想想”。還有的產品，做ABtest之前不考慮好如何控制影響因素，如何分層，做完了讓數據分析師從測試數據集里再做分組對比……

圖片

種種亂象，本質都是來自：業務部門缺少目標感，總想從數據里找對自己有利的部分報上去。因此，想要做好評估項目，是很需要數據分析師充分溝通，普及科學做法，逐步杜絕“看哪個數字高報哪個”的壞習慣的。當然，一些公司的產品/運營很強勢，就是逼著你改到他滿意，這時大家量力而行。

第三類：診斷類

圖片

很多人眼中，診斷類才是真正的項目，但真到實操的時候，會發現：找一個有差異的指標，容易；真深挖問題原因，很難很難。因為大部分所謂：診斷分析，其實就是拿諸如性別、年齡、城市維度和指標做交叉，然后說：“發現A城市少了，所以A城市是問題原因。”然后被業務嫌棄：分析沒深度！！！

圖片

之所以出問題，是因為單純的數據交叉，并不能直接回應業務的疑問。有些業務的疑問需要額外的采集數據，甚至需要測試幾次才能知道答案。還有些情況下，面對問題業務可用的應對方案很有限，即使分析得天花亂墜，業務也沒辦法處理。

因此，想讓診斷類項目出成績，關鍵是和業務溝通好：

1、有沒有分析假設？有的話，第一時間驗證結果。

2、有沒有應對方案？有的話，先驗證是否管用？

3、有沒有測試計劃？有的話，看分幾步測出答案。

圖片

這樣分析的時候，能直接回答業務的疑問，也能結合業務動作落地，是最容易表現出效果的。但是這么做，得業務方先破除一個迷信：“數據分析師能像算命師傅一樣，只看幾個數就得出結論”甚至有的數據新人自己也這么想，這就是自己給自己挖坑了。

第四類：預測類

圖片

預測類項目是所有項目里最容易立項的，幾乎每個部門領導都想你給他“精準預測一下XX”。預測類項目也是最容易翻車的。很多新人一看領導支持，覺得“可算接到大活了！”嗷一聲就上了，然后被人嫌棄：“準確度不夠，看不懂咋預的，你這有啥用啊！”搞得一地雞毛。

這里有三個關鍵問題，在做項目時必須搞清楚：

1、業務拿到預測結果可以干啥

2、業務要不要參與到預測過程中

3、業務的資源投入，努力程度要不要作為預測變量

問題1要在項目開始前就和業務聊清楚，不但能清晰預測目標，而且保證結果有地方落地。

問題2則關系到預測方法選擇。如果業務一定要參與預測過程討論，那算法模型基本就廢了，考慮把經營分析公式寫出來，然后大家拍腦袋拍參數吧。

問題3則涉及“是業務先給投入假設”還是“數據先給結果”的問題。如果考慮業務投入力度，一定是業務先給假設，數據再出結果。當然也有可能是數據先給預測，業務根據預測考慮要不要追加投入。兩種模式都行，但得事先說明，不然事后又是“你咋預測的不準！”“你預測完了我也不知道咋用”。

圖片

所以真想讓預測類項目出彩，難度非常大。往往是一些成熟的業務場景，比如外呼、風控容易做出成果。更多的目標不清、興致起來就要預測的項目，常常會死在問題1上。因此做項目時一定要小心梳理。

第五類：治理類

圖片

治理類工作是絕對的臟活累活，而是還是領導最看不到的那一部分。每個工作都喊著要搞“大數據”可你真把工作時間/人力資源都分過去了，大家又嫌棄你“支持業務不夠”。更不用說產品催著上線埋點亂搞一通，運營自己寫sql天天發明新指標口徑，銷售不按規范操作數據亂錄……這都是老生常談的問題。應對方法一大堆，落實不下去是常事。

所以大家經常選擇“先污染后治理”或者“邊污染邊治理”，并且做這種項目，最好是“畫大旗、蒙虎皮”，比如戰略發展部牽頭要各部門統一匯報口徑，或者集團數據治理大項目，有個大旗扛在肩上，起碼老板看得到。

第六類：計劃類

圖片

計劃類工作往往和經營分析有關，在年頭年尾，月度季度總結復盤的時候工作量比較大。這個活，很多同學不喜歡干，因為每次做預算、計劃拆解，都會被各種領導抓住問這問那，改來改去。而且最后制定出的計劃指標，可能也是領導們拍腦袋定的。做完以后，感覺自己的專業知識沒啥增長，還很心累。

圖片

但作為數據部門的領導，可能最想承接的就是計劃類工作，雖然技術含量低，但這是一個直接服務大老板的機會。能多在大老板面前露臉，本身就是一個絕好的立功機會。

更有很多公司的數據部門領導，是靠著給大老板做計劃上位的。所以不要錯過這個機會，可以試著在做計劃類項目的時候多和老板溝通，贏得老板信任。當然，有些公司老板行事太過嚴厲，你很難討好他，那就另算。

另一方面，計劃類工作在跳槽的時候也很好用。因為制定計劃涉及整個公司經營分析指標體系，經營方向確認，通過計劃類項目，能很好地建立全局認知，在面試官面前顯得很有水平。

說到這，就涉及一個有趣的話題：同樣的項目經驗，可能在企業里打工的時候很多領導喜歡，但面試的時候就沒啥價值。有的項目企業內做得一般，面試官卻覺得很有意義。這種差別，源自視角不同，企業內看重實際效果，面試更看重技能掌握。