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：

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：

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：

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