热门标签 | HotTags
当前位置:  开发笔记 > 后端 > 正文

数据分析的绩效应该这样来考核

作者介绍Dennis数据分析专家职业生涯遍历咨询公司、国企、互联网大厂、中小型创业团队致力于数据应用和数据文化建设导读:通常,数据分析师的自我

作者介绍

@Dennis

数据分析专家

职业生涯遍历咨询公司、国企、互联网大厂、中小型创业团队

致力于数据应用和数据文化建设

导读:通常,数据分析师的自我认知是业务的数据量化者、增长的数据挖掘人,我们习惯于用指标去量化业务的绩效,但是回归到我们自身,又应该是如何下手呢?数据分析师的绩效,该如何考核?

简单讲,其核心思路在于围绕数据分析师的日常工作及其价值,进行量化。

撇除公司绩效考核要求的价值观、执行力等通用标准,我们主要围绕临时取数、数据看板和专题分析等分析师具体工作,来一一讨论其量化方法:

1 数据分析师工作量化方法

临时取数是分析师入行的第一件工作,并且会延续在以后的职业生涯内;无论是老板还是业务方,对于数据分析师的第一理解就是要数据找分析师,营收趋势如何、活动效果怎样、推送客群明细等等。这部分的工作如何量化?一个是工作量,承接了多少条需求、取了多少个数据、花了多少工时,这也是我们经常看到分析师做总结的时候会罗列的数字。但这个维度的量化,只反映出来分析师的投入,不能完全说明对于需求的价值;因为通常情况下,临时取数是为了快速获得数据,对于需求方来讲,获取数据的快速、准确是核心诉求。因此,临时取数更适宜的量化指标是平均完成时效,我们可以用需求确认到完结的平均时长来计算。参考衡量标准如下:
在这里插入图片描述

数据看板是除了临时取数以外,需求方对于数据分析师的第二认知,表哥既可以出临时数据,也可以把固定需求做成日、周、月报,进行邮件推送,甚至也可以通过内部数据平台或者外部可视化工具,上线相对美观的数据看板。这一阶段,需求完成时效不是需求方最重要的诉求,分析师也相对有时间对于需求进行梳理、归纳和规划,看板数据的准确性和及时性变得愈发重要。我们可以用一段时间内看板的报错数量来衡量看板数据的准确性,也可以用连续无错误天数来传递这一信息。看板数据的及时性主要是指数据的刷新频率,实时数据与离线数据对于业务的价值存在差异;当然,由于这部分内容与数仓和数据产品存在较多关联,不能单独作为分析师的绩效进行考核。另一方面,数据看板相较于临时取数,实际存在更多的运维成本;在内部考核时,可以适当考虑同一分析师同时维护的看板数量。参考衡量标准如下:

在这里插入图片描述

专题分析是数据分析师最愿意投入精力,最希望得到认可,也是整体工作中最难产出的部分。临时取数和数据看板的背后,都是潜在的专题分析,但由于各种原因,需求方自己就已经在此基础上做了总结陈词。

如何将前者需求转化为分析需求,在此不展开讨论;

2 数据分析价值量化方法

我们假设已经有了数据分析专题后,如何去量化分析价值。首先且最重要的,分析的价值跟业务的价值应该高度绑定,所有的业务行动最后都是为赚取更多利润,也即从增收和降本两个角度展开讨论;理想状态中,我们去评估专题分析的价值,就是去量化分析结果能够带来的收益。比如通过专题分析,发现某一个增长点,最终给公司带来了收入增长;或者发现结算漏洞,最终给公司节约了多少成本。当然,最终的产出并不都是分析带来,分析是起点,后续存在更多的落地配合工作,所以计算分析带来的产出,会存在一个比例系数,这个比例系数根据分析在其中的作用而拟定。以上是理想状态,也是分析师努力的方向;实际工作中,往往不容易有很多如此直观的分析产出,我们需要引入另一个考核标准,专题分析综合评分。

专题分析综合评分是在每次的专题分析之后,围绕专题分析的价值、时效、表达、满意度等方面,向专题分析的触达对象回收意见反馈,简单的方法可以是通过问卷调查,再深入的可以使用德尔菲法。基于每次的专题分析综合评分,我们可以统计周期内的综合评分,以此来评估分析师在这阶段内的专题分析成果。参考衡量标准如下:
在这里插入图片描述

以上是数据分析师绩效考核的维度、指标及其衡量标准,根据分析师的不同情况可以调整不同维度的权重,推荐可以是334。对于初级分析师,考核主要放在临时取数和数据看板上;对于高级分析师,专题分析的权重则有更高要求。

一个数据人的自留地是一个助力数据人成长的大家庭,帮助对数据感兴趣的伙伴们明确学习方向、精准提升技能。

​关注我,带你探索数据的神奇奥秘


推荐阅读
  • 福克斯新闻数据库配置失误导致1300万条敏感记录泄露
    由于数据库配置错误,福克斯新闻暴露了一个58GB的未受保护数据库,其中包含约1300万条网络内容管理记录。任何互联网用户都可以访问这些数据,引发了严重的安全风险。 ... [详细]
  • 本文详细介绍了Python编程语言的学习路径,涵盖基础语法、常用组件、开发工具、数据库管理、Web服务开发、大数据分析、人工智能、爬虫开发及办公自动化等多个方向。通过系统化的学习计划,帮助初学者快速掌握Python的核心技能。 ... [详细]
  • 科研单位信息系统中的DevOps实践与优化
    本文探讨了某科研单位通过引入云原生平台实现DevOps开发和运维一体化,显著提升了项目交付效率和产品质量。详细介绍了如何在实际项目中应用DevOps理念,解决了传统开发模式下的诸多痛点。 ... [详细]
  • Python库在GIS与三维可视化中的应用
    Python库极大地扩展了GIS的能力,使其能够执行复杂的数据科学任务。本文探讨了几个关键的Python库,这些库不仅增强了GIS的核心功能,还推动了地理信息系统向更高层次的应用发展。 ... [详细]
  • 自SQL Server 2005以来,微软的这款数据库产品逐渐崭露头角,成为企业级应用中的佼佼者。本文将探讨SQL Server 2008的革新之处及其对企业级数据库市场的影响。 ... [详细]
  • 58同城的Elasticsearch应用与平台构建实践
    本文由58同城高级架构师于伯伟分享,由陈树昌编辑整理,内容源自DataFunTalk。文章探讨了Elasticsearch作为分布式搜索和分析引擎的应用,特别是在58同城的实施案例,包括集群优化、典型应用实例及自动化平台建设等方面。 ... [详细]
  • 作为一门广受赞誉的编程语言,Python因其简洁性和强大的功能,在Web开发、游戏设计、人工智能、云计算、大数据处理、数据科学、网络爬虫及自动化测试等多个领域得到广泛应用。本文将介绍2018年最受欢迎的五款Python框架,帮助开发者更好地选择合适的工具。 ... [详细]
  • 数据集成策略:ETL与ELT架构对比及工具选择
    随着企业信息化的深入发展,‘数据孤岛’问题日益突出,阻碍了数据的有效利用与整合。本文探讨了如何通过构建数据仓库解决这一问题,重点分析了ETL与ELT两种数据处理架构的特点及适用场景,为企业选择合适的ETL工具提供了指导。 ... [详细]
  • 掌握Python岗位,你需要了解的关键技能
    最近,在社交平台脉脉上,一条关于Python岗位的消息引起了广泛关注。本文将探讨Python岗位的实际价值,并深入解析阿里巴巴等大公司在面试Python开发者时常见的问题。 ... [详细]
  • 大数据核心技术解析
    本文深入探讨了大数据技术的关键领域,包括数据的收集、预处理、存储管理、以及分析挖掘等方面,旨在提供一个全面的技术框架理解。 ... [详细]
  • 构建基于Python的用户画像系统
    用户画像在现代企业运营中扮演着重要角色,尤其在大数据分析和精准营销领域。本文旨在介绍用户画像的基础概念及其重要性,并通过Python编程语言实现一个基础的用户画像系统。 ... [详细]
  • 本文探讨了数据挖掘的全面理解和其理论基础,强调了数据挖掘在现代社会和经济活动中扮演的关键角色。通过对数据的深入分析,我们可以揭示隐藏在大量信息背后的模式和趋势。 ... [详细]
  • 本文详细介绍了如何使用NumPy、Pandas和Matplotlib进行数据分析和数据可视化。通过具体的代码示例,帮助读者更好地理解和应用这些强大的Python库。 ... [详细]
  • 本文整理了关于Sia去中心化存储平台的重要网址和资源,旨在为研究者和用户提供全面的信息支持。 ... [详细]
  • 全能终端工具推荐:高效、免费、易用
    介绍一款备受好评的全能型终端工具——MobaXterm,它不仅功能强大,而且完全免费,适合各类用户使用。 ... [详细]
author-avatar
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有