数据分析的最终目的是驱动企业业务增长，今天小编就带大家来看一下数据分析成果落地难的那些问题。

文章来源：微信公众号接地气学堂

作者：接地气的陈老师

落地、见效!是很多做数据分析的同学最怕的四个字。平时自己敲代码加减乘除很嗨，可一提落地就两眼一抹黑。到底要怎么落?落到哪里?完全不知道。每次报告结尾都写上苍劲有力的：本月活跃低了，要搞高!可好像也没人给我搞。咋办……今天系统讲解一下。这里有五个常犯问题。

1 问题一：没有区分服务对象

首先明白一点：在企业里做落地工作，最重要的是经费和人员。好点子多了去了，可离开资金投入与工作团队，点子就永远是个点子。大部分企业的数据分析部门，自己申请不到经费和独立的工作团队，因此更多是借力打力，通过服务业务部门实现分析成功的落地。这就要求我们得：有能力识别业务部门到底是什么人(如下图)。越大的企业，内部小团体越多，各个团体的小目标就越分散。光空喊口号，可没人响应的。

遇到不同人，当然有不同办法。

骄兵悍将：保护自己是第一位的，不要顶撞他们，更要避免沦为他们的甩锅对象。先安分守己，避免出错，再谈其他的。

新兵锐将：这是最优先考虑合作的团队，一旦发现，尽早聊，尽早开工!

疲兵倦将：这些人问题非常突出，且喜欢甩锅，所以除非已经有了有把握的方案，否则不要招惹他们，避免麻烦上身。

虾兵蟹将：这些人容易谈合作，但出成绩难，可以挑其中尚有生机的“活虾”合作，尝试着做一些小成绩，再争取更大的机会。

想克服这个问题，需要数据分析团队有良好的沟通能力及敏锐的识人眼光。特别是数据分析团队领导：如果数据领导自己都是“两耳不闻窗外事，一心关门敲键盘”，那下属也很难推动，很容易让整个团队淹没在无休无止的取数单里。类似的悲剧见得太多太多了，所以列为问题一。

2 问题二：没有清晰落地目标

我们常说：数据分析可以驱动业务，助力增长，洞察趋势。这些都是正确的废话，太大、太空、太虚。想要让数据分析成果在一个部门里落地生根，得把公司目标-部门目标-项目目标串起来。部门的目标服务于公司大目标，我们想落地的目标又服务于部门的目标，这样才能让项目站的稳，站的牢(如下图)。

想克服这个问题，需要数据分析团队的思维，从“我能做”到“我要做”进行转变。

我能做个模型→我要找到运力最缺乏的时间

我能做个报表→我要找出来效率最低的班组

我能做个ppt→我要识别最容易投诉的客户

最后输出的成果，可能还是模型、报表、ppt，但思考的角度，是站在对业务最有用的角度思考。不做这个转变，每日沉迷于笔墨纸砚、加减乘除，最后即使有人愿意合作，也很难出成效。往往让业务部门觉得——太理论化了。

3 问题三：没有区分输出层级

数据分析输出成果是有层级顺序的(如下图)分层级输出，要先看：业务部门对数据理解在什么层次。不做跳跃层级的事，沉住气一步步来，最后结果才容易得到认可。

这里不光新手，很多老手都会踩坑，比如：

不做沟通：不管业务目前啥水平，自己干自己的。

做沟通但没有检验：误以为业务很“数据思维”，结果才发现这帮人只是披着数据外衣的经验主义!

有检验但盲目自大：做数据的，自己看不起报表，觉得报表太简单，非要憋一个超牛逼模型出来，一模定乾坤。

有检验、不自大，但太过纠结：总怕做错，沟通频率太低，自己纠结细节，进度磨磨唧唧。

最后的结果，往往是：

项目工期太久，业务等得不耐烦

项目配合不畅，总被批不懂业务

项目期望值太高，最后一地鸡毛

所以，做数据的同学们，自己得先尊重数据，尊重数据落地的规律，尊重每一种数据产出形式。先打破自己心里的三六九等，站在“让别人认可”而不是“让自己开心”的角度，才能克服这一关。

4 问题四：没有结合业务动作

数据作为一个产品，和所有的产品一样，是有用户，场景，痛点，使用方式的。也和所有的产品一样，场景拆分的越细，越能够击中用户痛点。举个例子，大家就很容易看明白了(如下图)：

5 问题五：没有产品化最终成果

这是最后一步，也是最关键的一步：数据产出必须固定成产品/服务。坚决不能让它躺在ppt或者excel里。所有业务对数据的态度，都是“当初求数像条狗，看完报表嫌人丑”。如果没有一个固定的产品或者服务，数据就很容易人走茶凉，事后表功的时候记不到。还容易让别的部门认为：不就是你敲敲键盘就可以了吗，为啥不能!反而做的越多，认可度越低。

所以坚决要出产品：

一来可以插个旗子，让大家记得这是我们的成绩;

二来可以告知未合作的部门，我们能做出什么样的东西，勾引他们合作;

三来可以告知所有人，数据的项目是有流程、人力、时间成本的，要合作就坐下来认真谈，不要指望丢几句话，键盘咔咔一响钞票就破屏而出。

注意，这里讲的产品，是一个广泛的概念，并非是死板的BI+仪表盘。因为，业务使用频率和认可度，是第一位的。很多做数据的同学一提数据产品，就想着搞花里胡哨的仪表盘，很容易让数据产品变成“为做而做”，最后打开率不高，更不指望别人说自己好了。换句话说，只要业务能用起来，数字输出到哪里，炫酷不炫酷，根本没那么重要(如下图)。

6 小结

数据分析成果落地难，本质上是难在“做项目”上。因为数据分析涉及数学、统计学、计算科学等等理论，很多同学会本能的倾向于“做学问”，忘了我们是在企业，企业是为了赚钱而努力。当然，也会有企业本身问题，真遇到队友都是虾兵蟹将，也没啥好办法。所以想把数据落到实处，产生效益，就得因地制宜，结合具体情况考虑。