本文以“618电商促销”为案例，讲讲分析师从活动预备阶段开始，如何逐步展开工作，找到自己的位置。

数据分析师被提需求时，往往是业务方需要汇报成果，需要数据做辅助支持。点头之交的业务方可能认为分析师就是个提供所需数据的岗位，对数据的驱动作用不甚了解。因此，要么一百年不翻牌，认为不需要分析师即可完成业务闭环要么是需要汇报时没完没了的取数或者是要求分析师回答“清楚豆瓣与豆瓣酱区别”这样的需求。长此以往，分析师尴尬被动，像个青涩的姑娘，怕你不来，但又怕你乱来。

 

总之，一旦被认定为“取数人设”，分析师很难撕掉“表哥表姐”标签。不过这个困境也并不是毫无解法，今天不是要diss分析师的不争气，而是从分析师职能与如何与业务方配合角度来谈谈分析师如何切入业务，站稳脚跟。

 

事实上，分析师并不只能做事后复盘兜底工作，他可以从一开始就介入业务环节，直到项目完结。

在电商场景下，生意目标多指销售额目标。从过往经验看，转化率与客单价这两个指标，在成熟品类的生态下，基本可参考历史数据，小幅度调整即为合理。有最大可讨论空间的是流量（traffic），它决定整个活动的规模：

明确的目标能为整个活动及策略提供重要方向。在这里，每个分支要达到什么程度才算达成目标，通过公式拆解，把模糊变清晰，规划资源，目标掌握度可以到八九不离十。但事实上，很多业务方在活动结束后才草草确定并计算一个目标达成率：

 在这个时候去算达成率的意义除了衡量本次效果的好/坏已经意义不大了，毕竟活动已完结，很多事情都生米做成熟饭。拍脑袋定下的目标，然后拍脑袋完成，漫无目的听天行事。 对此，作为分析师可以通过上述目标拆解方法，与业务方进行沟通并规划共同目标。这个动作我们称之为：Sufficiency Check.

销售目标拆分可以让活动KPI变成了各个高度可控与可考核可衡量的因子。换句话，不同类型活动，都需要带着明确目标。例如报秒杀活动，其本质就是用一个引流款，给店铺带入流量。 针对不同类型活动：关注点，分析点也不同，后续制定出有业务针对性的分析框架与思路需要因地制宜。 回过头来，电商活动类型有哪些？电商营销玩法层出不穷，但万变不离其宗。从“品效合一”说起。这个词概括了营销活动的2大基本类型：品牌活动+效果活动。 电商活动，大致为分为以下几种：  

 
通常情况，618这类大节日是各种商家出货清库存的好机会，因此活动类型大部分为效果活动。对号入座，在后面收集数据的时候，就要有的放矢。与此同时，要开始斟酌并确定活动的复盘框架，并与业务方商量方案是否可行。

巧妇难为无米之炊。准备米之前，还需要一口锅。这是某次活动中的实时数据表格：

这些数据后台都有，为什么要花时间做表？是的，很多电商后台都有“实时”/“作战室”等高大上炫酷的BI数据看板。但实际大促等活动中，运营人员会忙于调整活动页面、货架、机制等。能经常盯着数据看的，除了老板就是分析师。
 此刻的你，往大说是手握数据，把握生意脉膊。往小说是认真给项目组汇总数据，一不小心还真给你发现点异常，那本次的监控也就有价值了。同时显得分析师也在打输出位置。 其实，数据监控只是其一，同时也是在给活动结束后复盘积攒材料，最关键的是形成业务印象。想像一下，活动结束后才介入复盘，面对一堆陌生数字完全无所适从。这个时候，为了搞清楚活动与数据来龙去脉，分析师可能像个乞丐一样，东找一个Account，西找一个运营咨询活动发生过的事，分析师的被动状况不就这样来的么？ “说的都对，但一小时记一次数，很累！” 

怕累就对了。所以这个时候分析师有2个抉择：

1、自己有点coding的能力，必要时能自己操刀就上，写对应的爬虫程序、计算模板等。
2、部门配有专业的工程师，可以让他们帮你做一个。

 甚至截图，单纯发一张图片作实时汇报也没问题，但就是编辑起来不方便而已，总之随时掌握数据这个是这里要表达的核心。

活动进行中手忙脚乱，那一份SOP必不可少。上面写的其实都可被整理进SOP上。一份SOP怎么写？我是遵照4w：who-when-what-which，篇幅限制这里不详细展开。反正原则就是：谁要在什么时候提供什么样的产物。最好分析师做一个demo出来，让执行人员直接套。这样格式统一方便后期整理。

但这里要强调的是需要严格执行SOP。作为分析师有义务让业务方知道你的执行计划，建议用邮件抄送全组，明确标出4个w，让掉队者无锅可甩。 活动一旦开始，很多数据、现象都有可能是不可回溯，日抛、甚至时抛型的。例如：活动页面的截图。京东的神券日就一天，如果不及时执行数据记录，截图。那么事后想要分析神券日的流量归因就很困难了。在此，必须再次强调严格执行SOP。 另外，要搞清楚的一件事，对于整个活动的数据收集，分析师应该是统筹角色，虽不必事必躬亲处理，但要知道什么时间节点应该要收集什么，且需要验收门槛，不然此时埋下的雷，会在复盘时统一爆发。现在做多一些，后期就轻松一些。同时，由于架构原因，分析师其实不好调动运营人员做事（人家也不一定听你的），所以分析师要懂得用杠杆，主动积极与业务负责人密切沟通，让Ta调动资源助你完成这些收集工作。  可以看到，在活动进行中要深度思考的东西并不多，大促如打仗，讲究的是快速响应与调整交付，分析师此时职责就是一边收集信息，一边给运营做策略调整提供建议参考。而做好了上述的准备，自然快得来又不至于会手忙脚乱。

前面说的，是我的真实经验。如果你也经历过，那应该体验到当包租婆的感觉。天天盯着材料收集情况催收。话说回来，不要只顾着爽，分析师自己也要准备好几个文件夹开始整理这些收集回来的数据。

 分析师是数据材料最终接口人，随着活动的进行，汇合到分析师身上的信息量可以说是巨大的。这是我在一次活动的归档逻辑：

我的整理经验如下：

1、平台资料相关：收录平台活动节奏促销活动页面网站地图相关的内容各种资源位提报要求说明文档。
2、截图信息相关：存放关键活动节点的页面截图异常情况截图 需要作为对比组的相关页面截图等。
3、销售数据相关：各种各样的销售数据，实时数据，历史对比数据等。
4、竞品监控相关：针对竞品重大动作的信息记录，一般来讲都是竞品爆款的相关数据，资源投放情况。
5、查询取数相关：之前积累下来的SQL查询代码，针对特定取数新写的SQL代码，汇总工具的代码模板等等。

活动结束了，不少分析师一直都是在这个环节才开工的吧？

一份Review怎么写，相信很多分析类公众号都有提及过，或者各个分析师有自己的复盘框架方法论。所以我觉得反而不是大问题。而文章到此，倘若经历完以上完整业务链条的分析师，对于整个活动情况的把握度是上了一个层级。 经常被吐槽“你写的东西，我们都知道”，很大程度上就是因为分析师介入业务的环节过于滞后，得到的信息太多失真，以至于见山是山。 希望经历过完整业务环节的你，就着业务问题，外加分析师的数据敏感度，可以大胆地跟业务人员撕逼，写出来的Learning更有着力点。
笔者的职业是一名电商数据分析师。我的领导说过：“在业务中，数据分析师充当的是一个军师的角色”。而在事实的生产环境中，多数会被看作是一个表哥、表姐与提数工具。是的，做表可以做的很棒，但总感觉有力气使不出来。如果你现在处于这个状况，那么希望今天这篇文章可以带给你一些思考，助你一振夫纲。

-END-