只有壹種場景數據分析可能對收入有用，就是：某個業務部門+B42實在做得太差，搞不掂了。這時候如果通過分析能提升壹些效益，那他們簡直happy的不能行。這也是為什麽很多成熟的數據挖掘項目都是做給客服外呼、短信發送、EDM的。因為在這些地方自然轉化率低的令人發指，而業務部門的文案、產品、廣告又起不了太大作用。同時這些渠道又都是點對點推送的方式，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%提升到2%，業務部門就已經謝天謝地了。
實際上，數據分析對企業有幫助，更多體現在後置性的，比如績效評估，結果考核，成果優化上。有意思的是，很多從業者自己都沒有想明白這壹點，比如這個問題，帆軟也有個答案，大家可以看看，裏邊舉的例子全部是如何砍成本，而不是加收入。
然而，帆軟的回答本身是很專業的。因為砍成本比增加收入，更容易體現數據分析的功勞。大家回顧上邊新產品增加收入的過程，如果數據分析說這個業績是我做出來的，至少有6個部門會和妳搶功勞。但如果數據分析說這裏有壹個產品很垃圾可以砍掉，那麽最多得罪壹個部門（設計這個產品的部門）剩下5個部門還是支持妳的（因為他們不需要浪費時間了）所以，聰明的數據分析總是從內控的角度入手證明價值，而不是從外部增收的角度入手。
然而，這樣又出了第二個尷尬的地方，就是為毛線我要上個數據產品做這個呢？甚至為毛線我要雇個數據分析師做這個呢？因為進銷存的數據ERP裏也有，理論上我想知道哪個產品效益不好只要有壹個會SQL的程序員從ERP裏跑個數就行了啊！所以如果只把數據分析的價值掛在內控上，那麽數據分析的重要性和專業性就非常低了。各部門老板自己也會分析啊，妳們跑sql的懂業務嗎？不懂業務妳內控個什麽呢？
這時候就需要進壹步的包裝以體現數據分析的價值。最核心的就是上個產品！就像後宮嬪妃，年輕貌美的時候都會討皇上壹時歡心，但長久來看還是得生個孩子的。有個孩子自己的地位就穩固了。比如銷售，完全可以用紙質賬單，為什麽要用pos系統？就是當pos系統上線，業務流跑起來以後，就沒理由再讓他停掉，孩子已經生出來了，就得養著。
數據分析的孩子常見的有這麽幾種：面向管理層的儀表盤，適用於信科學化管理這壹套理論的老板面向業務部門的數據產品。可能是壹個推薦系統，精準營銷模型，也可以是壹個業務助手，數據集市，總之是業務部門日常工作中必須用到的某個環節，把它打包，用數據包裝起來，封裝成壹個產品面向壹線的營銷提醒工具，運營數據指南。讓銷售們每天都得看壹眼，不看就不舒服。讓運營們寫文案前都得看看熱度排行，不看心裏沒底。具體的就不展開了，如何引起老板關註，如何拉攏業務部門，如何讓壹線使用，寫本書都夠了。這麽多年作咨詢，見過大量甲乙方，凡是聰明的數據人，最終不約而同走了做內控→引起管理層重視→上產品→與業務部門合作→擴組織架構這壹條路。而那些號稱上個大數據系統能盈利XXX的，基本上都死無葬身之地。
這兩年大數據、人工智能概念大火，數據分析崗位又像年輕貌美的嬪妃壹樣被各大企業老板們寵信，也有無數同學新湧進這個領域。所以特別誠懇的提醒大家：我們自己可以有很多方法、很多復雜的概念，然而最終企業是不是靠我們這個掙錢，才是我們長久安身立命的本錢。如果我們只是打輔助的，就盡早圍繞壹個具體業務場景，輸出壹個產品，和業務緊密結合起來，這樣我們自己的地位才穩固。最後插壹句，比如算法類崗位，大家要註意區分，因為算法即可以應用在生產系統（比如影相識別，物資調配，路線規劃，過程控制），也可以應用在分析系統（比如推薦、預測、BI）如果是應用在生產系統，那地位相對穩固很多，因為生產線是不會徹底更替的，只會不斷優化。但如果是應用在分析系統，那水分就大了去了，大家要認真看到底這個算法是幹什麽再做決斷。早在2013年《大數據時代》流行的時候，就興起了壹波“大數據分析”的熱潮。結果當時腦子壹熱向老板喊了：“我們可以利用大數據XXXX分析提升業績的”現在估計墳頭草都有我娃個子高了……作為壹個前輩，有義務告訴大家這個行業的真相，數據的價值可以有很多種，不壹定是直接增加收入。數據確實很有用，然而不代表老板們認可這個用處，不代表我們能從這裏升官加薪。技術以外，如何創造價值，有可能需要代碼和算法以外的其他東西輔助。與大家***勉。