数据分析，如何赋能业务？

前方剧透警报：因为大量用了电视剧《亮剑》的梗，所以忘记的同学们可以去复习下(特别是打平安县城那段，第14集)，反正也快放假了，权当消遣。

赋能的直观含义

“二营长，你他娘的意大利炮呢!”——这就是最直观的赋能。没有意大利炮能不能打县城?能，当然能，李团长手下上万人马呢。可没有意大利炮，打城门口很累，要死很多人。战士们扛着梯子冲了那么多次都冲不下来。有了意大利炮，“咣!”一下就搞掂了，就损失一个老婆，这个投入产出比显著提升。

赋能的直观含义，就是增强业务能力，提高业务效率。注意：赋能是用更高级的手段解决战斗，不是替代，更不是“你行你上啊”。如果李团长喊的是“二营长，你他娘的带人给我冲!”这就不是赋能，而是找人替代自己的工作了。

赋能的常见类型

最直观的做法我们看到了，给二营长一门意大利炮。这叫工具式赋能，通过提供高效率的工具，增强队伍战斗力。可实际上，能赋能的地方非常多，比如：

1、炮弹。二营长只有17发炮弹，估计打完县城炮就用光了。我们可以提供更多炮弹，资源式赋能。2、洋码子。意大利炮上全是洋码子，二营长看不懂，打炮只会贴着脸直射。我们可以提供操作手册，最好有个教官亲自教一下，知识式赋能。 3、炮车。二营长连辆吉普车都没有，炮全靠人来拉。我们可以提供一辆吉普车，帮他把炮拉上战场，服务式赋能。

你会发现，只要我们没有替二营长扛着梯子，喊着：冲啊，杀啊往门楼上冲(这是替代)。其他干的所有工作，工具、服务、知识、资源，都是在赋能。所以赋能范围是很广泛的。

赋能的首要问题

有的同学就会问了：既然赋能范围这么广，为啥我想不到?因为你既不是李团长，也不是二营长，也不是山本大佐。你的位置和电视剧里的总指挥一样：前线都打成一锅粥了，你还不知道发生了什么。哪里在打，谁在打，打啥，打的咋样了，完全不知道。当然没法赋能啊。

想赋能业务，就得理解业务。赋能关键不是闭门造车，而是要深入一线，理解你的赋能对象。

具体来说，包括理解：

• 对象：谁是我的赋能对象
• 流程：他在做什么?分为几步做?得什么结果?
• 现状：做了多少? 达到结果没有?卡在哪一步?
• 痛点：哪些地方是不满意的5、需求：想改善哪些问题
• 需求：想改善哪些问题

赋能的操作流程

第一步当然是理解业务。

套在电视剧里，如果你是总指挥，看到如下电报：

• 对象：李云龙这个混小子
• 流程：优势兵力，四面包围，打县城!
• 现状：三个方向已得手，唯一卡在城楼，攻不进去
• 痛点：城楼太高，敌人火力太猛，步兵冲不上去
• 需求：需要重火力摧毁敌方防御

是不是你也知道该怎么赋能了。你会马上查，最近的炮兵在什么位置，马上安排调火力支援。只要知道清晰的信息，那人人都是用兵如神。数据分析在赋能中的作用，首先体现在：用指标体系清晰量化情况，基于数据诊断问题。

这里要特别强调对象的问题。不同人需要的赋能手段是不一样的，越是上层的领导，越需要总览全局的工具，才能看清形式，灵活调配资源。越是基层执行，越需要简单、直接、可复制的武器，直接套用在流程中。所以即使是同一个数据分析的结果，给上层和基层看，展现效果可能完全不同。

第二步明确赋能问题。

然而，怕就怕“清晰”俩字。实际上，业务能清晰讲明问题的少之又少。更多时候，前方的人只会喊：难做啊难做，帮忙啊帮忙，具体敌我啥情况，鬼讲的清楚。

即使讲的清楚，也要特别小心业务方直接提出来的需求，很有可能是个伪需求，或者很低效率的需求。毕竟大部分业务一遇到问题，最直接想到的就是找公司要资源，特别是打折!

这种真假难辨、稀里糊涂的场面，又是数据分析大放光彩的时候。所以在讨论具体咋赋能之前，我们得先讨论清楚：到底赋能要解决什么问题。我们可以用两个方式转化问题：第一，从需求出发，推导可行解决范围，落实到一个具体问题上。第二，从痛点出发，先找到需求背后的真实痛点，再找解决痛点的方案。

第三步是筛选方法。

面对一个问题，往往有好多赋能方法可以用。

• 工具：上意大利炮
• 知识：挖地道挖过去
• 资源：多调兵支援
• 服务：帮助运兵

数据分析又能发挥大作用了：利用数据筛选方法，选择更有效的方法。这里有三种做法：

需要注意的是，现实中并不是每个人都是总指挥，受岗位、部门、等级的限制，人们不能无限制的调动资源，因此可用的手段往往是有限的。不过这对于数据分析师来说，反而是个利好：我们筛选方法的范围不是无限广，而是在有限的选项内做选择。

第四步是落地方法。

落地方法这一步，得看具体的方法是什么，再具体执行，比如：

• 工具：上意大利炮(从哪里，用什么型号炮，调动多少，调到哪里)
• 知识：挖地道挖过去(具体如何挖，挖成什么样，操作手册、教官有没有到位)
• 资源：多调兵支援(从哪里掉，调谁，调多少，调取哪里)
• 服务：帮助运兵(从哪里运，用多少车，配多少粮)

这里大部分是具体的业务操作，和数据关系不大。作为数据分析，能做的是：监控进度，保障按计划执行，在执行掉链子的时候提示问题。

第五步是复盘经验。

赋能、赋能，说的好听，最后赋成了没有，赋成啥样，要拿数据说话做检验。不用说，这又是数据分析老本行工作。

小结下：所谓数据分析赋能业务，可以做的是

• 一量化现状，为赋能打下基础
• 二梳理问题，为赋能方向指路
• 三筛选方法，为赋能优化效率
• 四监控进度，为赋能保驾护航
• 五总结经验，为赋能积累成果

很多同学看了会大呼：陈老师，你说的我都懂呀。不就是事先搭数据报表，事中做监控，事后做专题分析吗?我明明都有做呀!为啥没人感觉被我赋能了?

数据赋能的特殊问题

问的好，这个问题，请允许我引用李团长的名言来回答

学习?学习啥!

业务方肯好好看数据的都是稀有动物!

15年前我们说数据赋能业务，大部分谈的是如何给领导做仪表盘，给业务员做跟进工具，做推荐算法、做响应算法提高外呼成功率，因为那个时代企业数据建设普遍落后。真的是没数据可用，所以需要做大量基础建设。

现在说数据赋能，大部分谈的是如何让业务方重视、尊重、科学利用数据。我们看到的企业实际情况，是骄兵悍将不屑于看数据，虾兵蟹将学也学不会。最后数据报表不是没人看，就是沦为“证明老子很牛逼”的工具。完全没有派上应有的用处。

这种场景咋办?当然是得想办法积极投身到和业务的沟通中去。平时多做科普(比如多多转发陈老师文章)让大家知道数据到底是干啥的，有啥用，能咋样用。在遇到项目的时候争取参与机会，从基础做起，不断提高业务方使用率，不断积累在业务上助力经验。

想做好数据赋能，只会跑报表是不够的，我们需要综合能力，能梳理清楚问题，能说服业务方理解、使用数据工具。这里又有大量的技巧，可以加入陈老师的知识星球，一起具体探讨。