在工作报告、晋升述职、面试中，我们经常听到这种要求：
“业务有没有采纳过你的数据分析建议？”
“你做的数据分析，有没有落地效果？”
“你有没有实现闭环，形成方法论？”
其实，这些说的都是同一件事：做数据分析，不能光自己搓代码，要有落地应用，形成所谓的“闭环”。可到底该怎么实现这种效果？很多同学并没有清晰的想法，也因此难以通过面试or晋升考察。
今天带大家盘点一下，实现闭环的三种模式，看看哪一种适合自己。
方式一：目标导向的闭环
场景：这种方式常在经营分析会使用，主要流程是，监控经营指标达成情况 → 解读问题来源→ 各业务部门讨论，形成跟进计划→下次会议复盘跟进效果（如下图左侧所示）。一般会形成一个待跟进关键事项清单，每次会议复盘跟进情况（如下图右侧所示）。
图片
要点：注意！如果只是罗列指标：“收入低了，要搞高”“成本高了，要搞低”，头疼医头脚疼医脚，是没法形成应对计划的。做分析的同学，要有能力围绕一个问题，把收入、成本、费用、应收、库存等指标串起来，抓住重点，才能推动业务落地。
比如2024年的很多行业不景气，那么该行业客户的收入会少，应收会增加，会带来库存积压，这些问题是一起出现的，就没必要拆分到一张张表里零散说，完全可以拿“应对XX行业不景气”为主线，把各种问题综合起来，找出该行业内哪些客户要保，哪些可以丢，这样更容易促使业务形成方案（如下图）。
图片
优点：
1、经营分析会有大领导镇场，形成的跟进意见有约束力
2、经营分析会每个月固定开，能持续追踪问题
3、事关各部门KPI完成情况，业务有动力参与
缺点：
1、对分析能力要求高，不能只罗列指标涨跌，要洞察关键问题
2、缺少细节分析，无法给出更细建议，依赖业务自己发挥
3、如果大环境不好，业务可能也没啥好办法改进指标
所以，经常有些公司经营分析会开成了“念KPI达成率会”。想改善这一点，我们需要一些更贴近业务需求的，更细节的分析。
方式二：需求导向的闭环
场景：这类方式，一般从业务部门提出的一个具体问题开始，比如：
1、我们最近客户活跃不行，不知道问题出在哪里
2、我有个新的产品设计想法，想测试下效果
3、我怀疑我们业绩不行是因为推广方法不对
此时可以接了需求继续做，沿着：业务提出问题→数据转化问题→分析问题→观察解决效果的闭环展开（如下图左侧）。但是注意！业务提问可能是很灵活的，从很朦胧的“我觉得有问题”到很具体的“我要测试一个XX”，因此数据分析接需求的时候，一定要分清楚：到底业务在问啥（如下图右侧）一步步做。
图片
要点：注意！业务的需求可能是许愿式的，比如“给我个99%精准的销售预测”“给分下每个用户流失的理由”你会发现这些需求形同算命，根本不可能满足。
此时一定要引导需求：
1、明确数据用途：比如销售预测，是用来指导备货？选择新品？调配销售费用？
2、理解问题现状：目前使用XX方案做预测，目前准确度如何，在啥时候最不准
3、测量预期效果：如果是90%，80%，70%准确度，业务决策会有什么差异？
这样细细梳理完，才能找到具体解决方案（如下图）。
图片
优点：
1、业务发起的需求，结果更容易被采纳
2、问题来自工作细节，容易做出更具体的成果
3、容易和业务形成默契，推动长期合作
缺点：
1、有些业务部门，就是没需求！有问题也不提
2、有些业务需求，就是“证明我做得很好！”不符合实际
3、有些业务部门的问题是上游传导来的，自己无力解决
其中，没需求的问题最为突出！以至于很多公司的领导要求“数据分析师要有能力自己找问题，主动提出问题”想满足这一点，我们需要能主动从数据中发现问题，并且找到业务的痛点，引起他们的重视。
方式三：问题导向的闭环
场景：业务没有需求，数据分析师通过看数据，主动发现了一个异常点，又找到了解决问题的办法，然后告诉业务方，业务方听了大喜，立即执行，发现效果非常好。
这可能是很多人理想（幻想）中的数据闭环方式，但实现起来，难度非常大。因为很多公司的数据分析师脱离业务一线，只能简单拆解数据看到“在A地区指标跌的多”“B类用户流失加剧”但没法深入分析，自然很难提出建议，即使提出建议，业务也不见得采纳，甚至有人觉得“管你啥事”（下图右侧，绩效好+态度差这种）。
图片
要点：如果一开始不熟悉业务，可以三步走
1、先做分层分析，区分表现好/表现差的业务
2、再做标签分析，看表现好/表现差的业务，有哪些差异
3、再看过程指标，找到操作细节差异，从细节提建议（如下图）
4、收集同行做法，也打标签，和本司作对比，一并丢给业务
图片
这样，既输出分析结果，又输出可以抄的作业，业务会很有动力听。当然，万一遇到“要你管！”型的业务，也不需要热脸贴冷屁股，作为优秀的数据分析师，如果你的分析结论是正确的，那么对方不听你的，一定会继续吃瘪！
所以，可以冷眼观察观察，如果他们一意孤行越做越差，你也能验证你的想法了。
优点：
1、不依赖业务提需求，自己能发现问题
2、不指望业务马上落地，能持续修正分析结果
缺点：
1、对分析能力要求高，需要对业务有足够认识
2、有些公司的业务就是把头插在沙子里，不愿意面对问题
甚至，经常有分析能力强的同学，自己收集案例多了，就选择直接跳槽……毕竟一个数据分析师是拯救不了公司的，但是用收集到的案例给自己涨涨薪还是不错的。
