本文作者依據自己從事數據分析多年的經驗給大家一些工作處理中的經驗，貼和需求的分析在職場中往往比生硬的數據更有意義，作者分析原因給出建議，希望給大家帶來幫助。

我在數據分析領域8年，加上做自媒體2年，遇到許多場景與案例。

(資料圖片僅供參考)

今天，想從行內人的角度，給剛入行不久的同學分享一些認知。

當然，家家都有本難念的經：產品經理常被甩鍋、程序員也要和產品打擂臺。接下來我說的這些不是說數據分析沒價值、勸退大家，而是 暴露問題，才能解決問題 。

國內這波數據分析浪潮是伴隨著2015年增長黑客從硅谷引進后開始的，但絕大部分企業的基建并沒有跟上，導致有時數據分析師處在一個尷尬的境地。

以下講的是占大多數的中小公司的現狀。

首先，是與各個需求方的「矛盾」。

01 與老板

先不說數據分析結果有沒有用。

光是說它有沒邏輯？其實很多時候老板說了算，老板說不是就不是，甭管你用了多嚴謹的統計概率學方法。

導致 數據分析基本上是在面向老板分析，迎合老板想法。

02 與直接上級領導

和老板差不多，但上級領導還有一個屬性： 辦公室政治 。

例如，開會就是在老板面前表演， 領導就需要你的數據分析來佐證觀點，show業績

此外，對于獨立的數據部門，還會有個怪像：老大會阻止數據分析師講太多給業務聽，有時明明做個模板就能解決的重復問題，也不能做 為什么？很簡單， 如果業務拿到模板自己就能做了，甚至學習到了分析邏輯，那還要數據分析部門干嘛？價值就沒了？ 所以要手動構建數據部門的護城河。

03 與業務同事

數據科學中有個概念叫：可解釋性，說的是你的分析方法包括算法邏輯，如果不能講清楚，不只是你老板，你同事也不會認賬。

但往往，尤其是涉及算法的部分，很多時候是黑盒子，或許你很清楚，但業務同事不懂，甚至沒有數據思維，就無解了。

那同事不認賬的結果是怎么樣？

要么是數據分析師妥協， 把分析邏輯改簡單，結果就是不嚴謹，誤差大，但業務能接受 ；

要么就是業務同事 不幫你把分析結論和建議落地 。

04 與HR

甚至是hr，其實也會來找茬，你的工作到底有沒價值？

價值來自哪里？只有一個 檢驗的地方，就是業務增長 。

此時就知道上一個小點，業務同事不幫你落地，你的分析就是飄在空中的，無價值。

當然，你的工作也不完全沒價值：

OK，聊完外部的問題。其實很多數據分析師新人自身的知識結構也有「矛盾」。

05 重技術輕業務

很多新人以為懂Python學SQL就是數據分析師，其實這些技術沒有門檻，不會是你未來5-10年的核心競爭力， 對業務的洞察才是 。

數據分析與數據運營相比，反而后者更好落地。為什么？因為后者是在業務團隊，而前者經常是獨立的部門，或者中臺部門，離業務很遠。

這會導致什么結果？分析邏輯脫離業務現實，給的建議遠離業務目標。

給同學們一個很簡單的道理：永遠做離錢最近的事，而錢來自業務。

說句夸張點的， 不懂業務，你連指標體系都建不起來 。

要怎么辦？

開頭說了，我們暴露問題是為了解決問題。進而能成為能產生價值的數據分析師。

06 鍛煉能力

1. 理解業務，抓住重心

到一線跑，甚至是輪崗到一線賣賣貨，把手弄臟，才能了解業務是怎么干的。接下來，結合點線面體的思路，從梳理業務流程、到搭建業務模型。

2. 溝通能力，積累人脈

平時和業務保持良好關系，會吸煙的遞根煙就是好朋友但我不吸煙，中午聚一起吃飯也能了解到很多。

3. 向上管理，想領導所想

首先你得懂你上級：如果是部門領導，要知道他的處境是要體現部門價值，還要防止其他部門背刺 如果是老板，要懂他想要什么？

4. 分析邏輯，時刻圍繞著「落地」

從前3點得到的信息，拿來干嘛？需要落到數據分析的邏輯中：

1）分析邏輯要融入業務知識。 例如復購率的計算，這個指標有很多個計算方式，到底要定哪個？就是基于業務屬性。

2） 把分析看做是一個項目，這個流程要讓業務也參與進來。 及時與業務同步分析過程中你發現的問題，拉上業務討論，可能有什么原因，甚至是共創一些建議。讓業務有參與感，這個分析邏輯ta才看得懂。

3） 結論建議要與業務KPI捆綁 搞人脈關系的原因除了是要了解業務外，還有就是獲得業務最新的動向，例如月報里暴露的問題、季度的目標、業務線的規劃，如果你的分析結論能解決這些問題，還愁業務不落地嗎？

4）及時運用向上管理工具，幫領導分擔

作者：餅干哥哥；公眾號：餅干哥哥數據分析

本文由 @餅干哥哥 原創發布于人人都是產品經理。未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。

該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。

關鍵詞：