因为数据分析并不是业务流程中的刚性环节，它也不能对业务流程产生直接影响，所以数据分析师的绩效考核成绩很难评估。那么，数据分析师就不需要绩效考核了吗？如果要考核，关键点是什么呢？该如何考核？

数据分析师的工作绩效到底该怎么定？这个又是一个很蛋疼的话题，甚至很多从业很久的老鸟都没想明白，也很容易中坑。

所有部门里，数据分析的绩效可能是最蛋疼的。其他部门的职责和绩效都非常清晰。比如传统企业，很有可能部门架构与职责是这样的：

• 销售→搞钱→业绩、毛利、费效比
• 品牌→造势→知名度、满意度、美誉度
• 促销→助攻→剔除自然增长后的增量
• 营运→苦力→工单处理量、及时性、满意度
• 研发→创新→新产品数量、销量
• 供应→供货→产量、质量、配送及时性

各个部门之所以清晰，是因为在企业创造效益的链条上，大家各司其职：

咦？数据分析在哪里？

是滴，尴尬的地方就在这里。每个部门都需要数据，但不是所有部门都需要“数据分析”，甚至压根是只要数据，分析不分析无所谓。

比如在B2B类企业，销售们把客户真实信息、销售过程藏的严严实实，总部经常睁眼瞎，分析个啥。比如在B2C类企业，一线销售、营运需要的可能一张表搞掂。后台供应、研发可以自己从erp里拿数，为啥需要一个数据分析师坐在这里专门取数？

所以我们看到传统企业中，只有在大型的，分公司多的，业务类型复杂的（同时有线上线下，2B2C的），对数据敏感的银行、航空、三大运营商，才能有个专职的数据部门。

可悲的是，在传统企业里，做数据分析的经常连名份都没有。连部门名字，都叫什么业支（业务支持），信息中心，决策支持，监控，调研分析……连完整的“数据分析”四个字都没有，这混的是个什么劲。

互联网企业的环境相对好一些，因为大部分互联网企业不挣钱，挣钱的互联网企业也不指望那点毛利过日子，而是做的B2VC的生意。

因此传统企业特别看重的销售额、毛利、利润率，在互联网这里并不是命根子。于是有了AARRR。除了利润率，客户数量、活跃、留存、新客户数等指标一并被看重。需要数据的地方多了，数据分析部门地位也提高了，也带起了一波重视数据分析的风气。

然而，这并不意味着数据分析岗位的地位更舒服，因为和传统企业一样，互联网公司的服务流程中，推广（拉新）、产品（承接）、运营（维护）各做一块，形成闭环。

数据分析并不是业务流程中的刚需部门，比之传统企业，互联网巨大的数据量与运算速度的要求，养肥的是后台做数仓的数据工程师与架构师们。数据变得更加刚需，分析人人能做的场面却并没有改观。

恰恰相反，传统企业的业务部门都不咋懂技术，还指望着一个分析师来取数。互联网公司懂sql的多了去了。经常听到运营在吼：整个大宽表给我！我自己跑！你们跑数太慢了！……行业寒冬，裁人先裁做分析的，这破事到处都是。

为啥要啰嗦这么大一堆，讲企业的业务流程与数据、数据分析的关系。是因为很多做数据分析的没想明白的关键就在这里：数据分析的绩效难量化，难体现，本质是因为它不是业务流程中的刚性环节，它也不能对业务流程产生直接影响。数据分析作为一个技能非常重要，但作为一个独立的部门，很容易夹在业务部门间不上不下，难以做人。

所以很多做数据分析的人，甚至是部门领导，会把绩效定成：完成报表XX份，处理数据需求XX单，建立模型XX个，这是很不完善的做法。准确来说，这种是数据分析部门内控的绩效指标。考核还不会跑数的小弟小妹们，可以这么干，大家多跑快跑，快快成长。

可对稍微有点资历的分析师来说，这些都不是该耗精力的地方（虽然可能是最耗体力的地方，哈哈）想给自己创造真正的绩效，就得想办法参与到业务流程中，为自己争取到一席之地。

于是，有些做数据分析的又钻进了第二个大坑：我要做业务！我要为企业增收！我要为企业减支！

听起来似乎很合理，因为我们经常做效益分析，经常做投入产出比分析，看起来和增收减支只差一步之遥吗。

大错特错！

这是个非常基本的问题：企业的钱是从顾客那里挣来的，不是从代码里运行出来的。要从顾客那里挣钱，需要的是产品、是销售、是门店、是物流、是促销礼品。这些东西数据分析部门统统没有，数据分析部门有的，就是电脑、代码、ppt而已。从代码、ppt到业绩产出，中间隔着整个业务部门。

如果直接把绩效评定为增加收入，你很难拆分出：眼前销售卖出货这500元钱，到底有几块是报告的这几个字挣来的。减支也是同理，财务为什么可以帮企业减支，因为钱在他们那里，他们选择不给钱，就自然减少支出了。

数据分析师一无权，二无钱，拿什么直接促成效果。当然，有没有人既能调动业务，又能指挥财务呢？当然有，老板本人。

接近权力，不代表拥有权力；给老板写ppt，不代表自己是老板；推动业务和替代业务是两码事。想不清这一点，把绩效目标激进的定成“增收减支”，就会抢了业务部门的饭碗。既不能兑现自己的承诺，又会让业务部门心怀忌惮。

数据分析本质就是个打辅助的部门，打辅助的不好好加BUFF，跑来打DPS，会被人喷死的，也会因此失去业务部门的信任。

设想下我们打游戏喜欢什么样BUFF。当然是特效强化比平均加成的好、常驻比临时好、对攻击加成越高越好。所以这就出了数据分析打造产品的三大基本原则：

1. 针对具体的业务问题与业务场景（特效）
2. 提供产品而非单纯的意见或数字（常驻）
3. 结论能显著提高业务动作效率（加成高）

SO，数据分析真正的绩效，就是打造好的助力业务的产品，帮助业务提升效益，赢得业务（特别是老板）的信任。在这个角度来看：

• 出报表比零散性跑数好
• 带指示值报表比纯数据表好
• 与CRM/移动助手打通的报表比孤立的报表好
• 优化业务执行的算法模型比分析报告、建议好
• 对业务执行优化程度越高的模型越好
• 老板对我们越信任，就越好！！！

数据分析最好的状态，就类似汽车上的仪表盘。虽然数据很简单，但含义很清晰，作用很重要；即使再牛逼的车也得有这玩意，也不敢把他丢掉；即使再牛逼的司机，开车也得看这玩意不然就会翻车。

所以你看，做数据分析的都喜欢把报表整成仪表盘，还有美其名曰：“高管驾驶舱”的，说明大家在内心里，是知道这样做的意义重大。

然而，我们要扪心自问的是：

• 我们的仪表盘真的有汽车仪表盘管用吗？
• 我们选择的指标，真的是业务部门最关注的吗？
• 遇到不同的场景，能在指标里找到对应的参照值吗？
• 看到参照值以后，业务部门采取的动作指向很明确吗？
• 按数据指示，做出的效果真的就比随机/按习惯做好吗？
• 我怎么才能让这些习惯了醉驾超速的人，来看仪表盘开车呢？

以上，想达成目的，不单单靠我们的专业知识，更得靠我们的工作能力与分析思维。之后我们会一个个详细分享。如果大家有兴趣， 我们分享一个如何用数据产品，提升业务部门数据意识的案例。

#专栏作家#

接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议