推广人的2022年度工作计划，用数据说话！
　　又是一年年底，企业都在制定2022年工作计划。一提数据分析的工作计划，很多同学纠结的直挠头。到底数据分析工作计划该咋写？今天我们系统讲解一下。
　　01 | 工作计划常见坑点
　　如果让其他部门写工作计划，大概率是以下画风：
　　销售：全年为公司创造20亿收入，计划每月目标为XXX
　　运营：全年组织10次活动，双十一销售额冲击5个亿！
　　供应：保障20亿收入的货源供应，损耗率降低到
　　开发：保障10个活动上线，系统稳定运行超过300天
　　那么数据分析该咋写呢？
　　写法1：每天写sql 2000行全年250个工作日完成50万行
　　写法2：建立20个预测模型，实现预测精度99.99999%
　　写法3：建立10个数据系统，推动公司数字化转型走向深入
　　写法4：提供10个活动报表，提供数据准确度100%
　　问：上边四个写法，哪一个是OK的？
　　事关2022年绩效，请读者们务必停留，思考一分钟
　　思
　　考
　　一
　　分
　　钟
　　答：
　　销售、运营写的，和公司的效益、融资进度想关，直接关系大家的钱包！
　　供应、开发虽然不直接挣钱，但没有他们一分钱都挣不到，属于刚性支持。
　　唯独数据分析干的事，既不刚性，也不挣钱，可有可无。
　　以上四个写法里，1、2、3是严重不及格的。因为1、2、3都是数据分析自己的事，即跟业绩、收入没有关系，虽然嘴上喊：数据驱动，数字化转型。可到底驱动了谁，驱动了多少，有驱没驱怎么衡量，一句都没讲清楚，业务部门认不认账也不知道，就是空谈。
　　只有写法4是勉强过关的。
　　1、至少把自己摆在支撑部门的位置上，清晰定位。
　　2、至少把自己的工作捆绑到公司重大项目上，不是可有可无。
　　3、至少工作的结果是可量化的（输出10次），并且重大项目上线，还非看数据不可。
　　这样虽然还是很难衡量业绩，但起码把自己和开发拉到一个档次上了。
　　这个是数据分析工作计划的破局起点。
　　02 | 工作计划的基本写法
　　数据分析工作计划三大铁律
　　l 捆绑公司其他部门工作。
　　l 输出内容，新建》优化》保障。
　　l 以其他部门可感受的方式进行量化。
　　举例：
　　图片
　　经过这样的优化，能很大程度上体现数据的价值，比闷着头自己写：我干了XXX要好用。要知道：大部分其他部门的人（包括大部分部门的老板）都不咋懂数据原理，有数/没数，帮你赚钱/省成本，稳定不出错，才是大部分人更好理解的工作成果。
　　在做计划的时候，就锁定了任务目标，后续做绩效考评就轻松了。从而从根本上，避免：“你做的这个有啥用！！！”的质疑。
　　当然，这只是基础写法，深入考察数据分析的本质，还有更好的做法。
　　03 | 工作计划的进阶做法
　　从本质上看，一个数据从产生到使用有四步。
　　这四步，对应着数据分析的三项重要工作（如下图）。
　　图片
　　以下部分是重点：
　　基础建设，是无论如何都不会体现为功劳的。
　　干得好是你该干的，干不好你滚蛋。这才是基础建设的真实地位。所以，如果接了基础建设的活，比如要做埋点、要设计/维护业务部门用的大宽表，要建指标、核对口径这些。
　　请务必和公司的关键项目，重大政策，多部门联动等等大事捆绑在一起！这样执行的时候阻力小，论功的时候才容易算账。
　　比如：加强埋点质量，要写成：
　　l 公司2022年重点增长项目子项目
　　l 填补原微信裂变渠道数据不足的空白
　　l 总监控渠道从15个增加到20个
　　l 总用户标签从100个增加到120个
　　这样才好量化，才好让大家感受到工作量，考评的时候才好说事。
　　如果不熟悉这种写法，就看几天新闻联播里是怎么播铁路通车的：
　　l 国家十三五重点项目……
　　l 总通车里程达1500公里
　　l 原5小时行车时间缩短到2小时
　　l 填补了从XX地区到XX地区无高铁的空白
　　就是这个味！
　　数据生产，核心是工具化三个字。
　　不做工具化，到底人家看了没看，看了多少，都不知道，根本无法量化产出。而在所有的工具化里，新建永远比优化更容易体现功绩，所以要先列新建的目标。
　　工作输出物，越显眼越好：
　　l 数据大屏比数据看板显眼
　　l 数据看板比数据报表显眼
　　l 数据报表比Excel报表显眼
　　l Excel比邮件发几个数显眼
　　所以在做工作计划的时候，多跟业务部门沟通，今年有啥重大活动，有啥重大项目，先收集清楚。然后尽量推显眼的数据产品出去，其他庞杂的需求该推就推，该招人填坑就招人填。这样才更容易体现成绩。
　　数据使用，核心是场景。
　　越具体的场景，才越有可能用。给销售开个报表，估计看的人 1%都不到，直接在企业微信下发任务提醒，不点击的也得点，阅读率就直线上去了，想考核效果也好考；
　　给供应链做预测模型，如果非得预测100%准，神仙都搞不掂。如果场景具体到：减少错误选款的代价，估计有机会把明显扑街的选款挑出来；
　　给运营做用户画像，如果非得穷尽用户特征，估计干到死也没啥用。但是如果具体到筛选高潜力用户，剔除羊毛党，可能几个特征就搞掂；
　　所以想让数据有用，场景得谈得非常细才行。越细的场景越好。最好是一套数据四五个应用场景，这样才能实现效益最大化。计划做得细，评绩效的时候才有一堆东西可以写。
　　图片
　　04 | 数据分析做计划的核心难点
　　数据分析计划难，考核难的核心在哪里？
　　所有人，都是口头上说：
　　l 数字化转型真重要
　　l 数据分析好有用
　　l 要数据驱动业务
　　可真到评定绩效的时候，就会问：
　　l 公司双十一5个亿，有几块钱是你这么模型做出来的，几块是其他人做出来的？
　　l 你写sql，开发小哥也能写啊，运营也能写啊，你有啥特殊贡献？
　　l 销售看你这个报表和不看你这个报表，能多挣多少钱？
　　l 数字化的事多了去了，你出个数就数字化了？
　　这才是数据分析所有难点的根源！所以在做计划的时候，就得认真梳理场景，选好方向，才能在考评的时候一帆风顺，不然方向都选出了，计划定成流水账。自然没有好结果。