编辑导读：回顾完一年的工作任务，写完过去一年的总结，就要制定好来年的工作计划。作为一个数据分析师，年度工作计划应该怎么写呢？本文作者从四个维度进行了分析，希望对你有帮助。

又是一年年底，企业都在制定2021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。

一、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2021年绩效，请读者们务必停留，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。

• 至少把自己摆在支撑部门的位置上，清晰定位。
• 至少把自己的工作捆绑到公司重大项目上，不是可有可无。
• 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。

二、工作计划的基本写法

数据分析工作计划三大铁律：

1. 捆绑公司其他部门工作
2. 输出内容，新建》优化》保障
3. 以其他部门可感受的方式进行量化

举例：

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。

三、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（如小图）：

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。

干的好是你该干的，干不好你滚。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：

• 公司2021年重点增长项目子项目
• 填补原微信裂变渠道数据不足的空白
• 总监控渠道从15个增加到20个
• 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：

• 国家十三五重点项目……
• 总通车里程达1500公里
• 原5小时行车时间缩短到2小时
• 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：

• 数据大屏比数据看板显眼
• 数据看板比数据报表显眼
• 数据报表比Excel报表显眼
• 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 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，场景得谈的非常细才行。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。计划做的细，评绩效的时候才有一堆东西可以写。

四、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：

• 数字化转型真重要
• 数据分析好有用
• 要数据驱动业务

可真到评定绩效的时候，就会问：

• 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？
• 你写sql，开发小哥也能写啊，运营也能写啊，你有啥特殊贡献？
• 销售看你这个报表和不看你这个报表，能多挣多少钱？
• 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。

估计同学们看完，会觉得难点还是在：数据使用上，到底咋样锁定场景，才能真正让业务部门用起来，并且承认这是数据分析的功劳。

感兴趣的话，关注接地气的陈老师，我们下一篇分享哦。敬请期待。

#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。