只有壹種場景數據分析可能對收入有用，那就是壹個業務單元+B42真的做得太差了，出毛病了。這個時候，如果有些收益可以通過分析來提高，那他們就做不到開心。這也是為什麽很多成熟的數據挖掘項目都是針對客服外呼，短信發送，EDM的原因。因為在這些地方，自然轉化率低得可怕，業務部門的文案、產品、廣告起不了多大作用。同時這些渠道都是點對點推送，數據積累和建模環境相對封閉。數據模型能把自然轉化率從1%提高到2%，業務部門已經謝天謝地了。
其實數據分析對企業是有幫助的，更多體現在崗位上，比如績效評估、結果考核、結果優化。有趣的是，很多從業者自己也不想明白這壹點。比如凡軟也有這個問題的答案。妳可以看看。裏面舉的例子都是關於如何削減成本而不是增加收入。
不過範阮的回答本身就很專業。因為削減成本比增加收入更容易體現數據分析的功勞。我們來回顧壹下上述新產品增加收入的過程。如果數據分析說這個業績是我做的，至少有六個部門會和妳壹起邀功。但如果數據分析說這裏有壹個產品是垃圾，可以砍掉，那麽最多得罪壹個部門(設計這個產品的部門)，剩下的五個部門還是會支持妳的(因為不需要浪費時間)。所以，智能數據分析總是從內部控制的角度來證明價值，而不是從外部增收的角度。
但是，這就引出了第二個尷尬的地方，那就是我要不要為了羊毛最後壹個數據產品而這麽做？就算是羊毛，我也要雇壹個數據分析師來做這個？因為進銷存的數據也在ERP裏，理論上我想知道哪個產品效益差只要壹個懂SQL的程序員從ERP跑號！因此，如果數據分析的價值只與內部控制掛鉤，那麽數據分析的重要性和專業性就會很低。各部門的老板會自己分析。妳了解sql嗎？不懂業務妳管什麽？
這時候就需要進壹步的包裝來體現數據分析的價值。核心是最後的產品！就像後宮的嬪妃，年輕漂亮的時候會討好皇帝壹陣子，但從長遠來看，還是要生個孩子的。有個孩子會確保妳的地位。比如銷售可以用紙質賬單，為什麽要用pos系統？也就是pos系統上線，業務流程運行，他沒有理由停下來。孩子已經生了，還得養。
熟悉數據分析的孩子有幾種:面向管理的儀表盤，適合科學管理理論的面向boss的數據產品。它可能是壹個推薦系統，壹個精準的營銷模型，壹個商業助手或者壹個數據集市。總之是業務部門日常工作中必須用到的壹個環節。打包，用數據打包，打包成面向產品的營銷提醒工具和運營數據指南。讓銷售人員每天看壹看，不看會不舒服。讓運營們在寫文案前都得看熱度排名，不看心底。我就不細說了。如何引起老板的註意，如何拉攏業務部門，如何讓壹線使用，寫本書就夠了。做了這麽多年的咨詢，接觸了大量的甲方乙方，所有的智慧數據人最終都走上了做內控→引起管理層重視→投放產品→與業務部門合作→擴大組織架構的道路。而那些聲稱最後大數據系統能盈利XXX的人，基本都是下場不好。
近兩年大數據和人工智能概念火了，數據分析這個職位像年輕漂亮的小妾壹樣被各大企業的老板們青睞，無數學子湧入這個領域。所以我真誠的提醒妳，我們自己可以有很多方法，很多復雜的概念，但是企業最終是否靠我們賺錢，才是我們長久安身立命的資本。如果只是起到輔助作用，盡快圍繞特定的業務場景輸出壹個產品，並與業務緊密結合，這樣自己的地位才會穩固。最後，比如要註意算法的區分，因為算法既可以應用於生產系統(比如照片識別、物料分配、路線規劃和流程控制)，也可以應用於分析系統(比如推薦、預測和BI)。如果應用到生產系統中，它們的地位相對穩定，因為生產線不會被完全取代，只會不斷優化。但如果應用到分析系統中，水分就太多了，大家要仔細看看這個算法是幹什麽用的再做決定。早在2013“大數據時代”大行其道的時候，就出現了壹波“大數據分析”的熱潮。結果我當時就跟老板喊:“我們可以用大數據XXXX來分析，提升我們的業績。”現在估計墳草都和我家寶寶壹樣高了...作為壹個學長，我有義務告訴妳這個行業的真相，數據的價值可以多種多樣，不壹定直接增加收入。數據確實有用，但不代表大佬們認可這個用處，也不代表我們能從這裏升職加薪。除了技術，如何創造價值，可能還需要代碼和算法之外的東西輔助。* * *和大家壹起。