起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識如何突破個人價值，避免落入能力陷阱？
編輯導語：數據崗位是研發團隊的重要崗位之一，結合數據分析，研發團隊可以更好地開發產品、找準產品定位、推動產品迭代。那么，數據崗人員應該如何發揮自我價值、甚至突破自我？本篇文章里，作者結合自身經驗，總結了數據崗價值突破的策略以及未來數據崗的可能發展方向，一起來看一下。
中大廠圍繞數據建設的話題一直層出不窮，隨著業務的快速發展，業務同學對數據的需求越來越多且復雜，但是數據的產出往往不盡人意，究竟是哪些因素導致的？而我們數據同學如何在面對海量需求時，能有個人成長。本文將分享一些個人的經歷及思考，核心基于兩點：價值和主動。
各位好，我是一名從事產品，轉了數據分析師，又轉數據產品的產品策劃。在過去的4年多時間里，也經歷過了美妝電商、嗶哩嗶哩漫畫，還有六脈創造營的各創新業務（水印相機、QQ擴列、QQ自習室、手機QQ相機等）。
在這些寶貴的過程中，我不斷地進行實踐——踩坑——學習——解決——收獲，逐漸從一個數據的消費者，過渡為一個數據的整體價值的建設者。
在這些業務中，我承擔了從0到1的數據體系建設的主要工作，在嗶哩嗶哩漫畫初期我獨自戰斗，后來也伴隨著數據崗的持續加入及完整的數據團隊建設一起成長。而在騰訊團隊里我也面臨著無專業數據崗的問題，所以在對PCG各大部門的數據現狀進行了充分調研后，制定并實施了一套符合創新業務的數據建設方法。
一、如何以最小可行來建設創新業務數據體系？
首先，什么是最小可行？
MVP（minimum viable product，最小化可行產品）概念最早由埃里克·萊斯提出，刊載于哈弗商業評論，并有出版物《精益創業》。
具體到數據體系上就是，數據前期能用就可以，不需要一步到位做成一個完整的體系才去用。
那數據體系在創新業務中為什么可以是最小可行，而不是大而全。創新業務在對數據體系建設的影響上有不限于以下幾點。
1. 功能迭代頻繁
這意味著對數據需求的速度快，改動多，出錯率上升，數據需求朝令夕改的情況時有發生。
2. 更關注用戶行為
在客戶端日志與服務端業務表中，日志更為重要，如果是業務表則會相對少一些（這一點還是要看業務類型），所以對于用戶行為數據的建設顯得尤為重要。
3. 增長策略在創新業務前期尤為重要
增長方法的實施中，對于用戶生命周期以及增長措施會格外關注，對數據的專業性和復雜性會有一定的提升。
綜上，以某業務舉例，21年為達成xx萬的目標，針對不同生命周期的用戶劃分為新/老/回流/預流失三種類型進行用戶運營，那我在業務的數據倉庫建設思路中，就會是按照實際的用戶增長運營步驟實施：
某業務的最小可行數倉分層圖（行數為假設值）
但是在創新業務初期，想做到最小可行也并不容易。對于初創期的產品以及才搭建的數據分析團隊而言，一方面是爆炸式的數據分析需求增長，一方面是上報和分析流程不規范、數據產品的欠缺，矛盾尤其突出。按照“先扛住后優化”的原則，為了快速頂住需求，分析的同學需要做大量的繁瑣、重復的工作。
綜上，為什么是選擇最小可行？還是要認識到數據需要在快速驗證產品可行性時能夠起到關鍵的支撐作用，抗住了再優化！
二、在創新業務中面臨的數據問題
我以經歷過的嗶哩嗶哩漫畫以及六脈創造營（水印相機、QQ自習室、QQ相機）來展開。
首先在這類新業務的初期，要為了快速驗證產品價值及可行性，在數據建設的優先級就會排后，并且初期的數據量累計不足，難以通過數據探索式地分析出價值極強的信息來推進業務。
和成熟期的產品相比，這樣的過程往往是產出投入比并不高。這就好比在AB實驗中常說的，實驗可以讓我們在發展階段中，如何準確高效地爬到山頂，而不能讓我們的業務爬到更高的一座山。那我們面臨的問題具體表現如下。
1. 重視程度不夠
以18年底上線的嗶哩嗶哩漫畫為例，我19年初以唯一的數據產品崗進入產品部門，入職后接踵而來的是各種數據需求，不乏常規的取數報表以及分析。但是在研究了現有的數據體系后，要能準確快速的給出數據及分析報告并不容易，因為在整個數據鏈路過程中，存在著過著或大或小的問題，可以總結為：
- 取數難與查數慢；
- 關鍵事件口徑不統一；
- 文檔建設薄弱，數據知識獲取效率低；。
- 埋點上報丟失率較高
而以上問題，我認為是大多數的數據從業者都會面臨的，這些問題并不是招1-2個數據崗位就能解決的問題，而是要從上至下認識到數據建設的重要性后，帶著與數據平臺方共建的思路來開展。
2. 無專業數據開發/挖掘hc
數據開發往往會在業務成熟到一定程度后才會有配備，包括數據挖掘，離線or實時工具的這類T族人員基本要在數據有一定規模后才會有。
所以對于創新業務的數據同學，懂得數據全鏈路的知識相當重要，從采集到入庫到清洗到最后的展示及分析，每個環節都缺一不可，因此想分工做到效率提升，并不是一件easy的事情。
3. 極度依賴數據平臺/中臺能力
基于以上兩點，也會引發在面對一些復雜需求時，我們只能依賴數據中臺/數據平臺的能力，沒有辦法嘗試一些具有個性化，適配度更好的工具與能力，因此大部分的工作內容要局限在平臺側，這樣會導致數據同學工作開展的效率會受到一定的影響。
當遇到鏈路問題后，解決速度的時間上限取決于各個中臺/平臺的反饋速度及解決方法。而且鵝廠的整個數據鏈路涉及到的平臺或者工具繁多，沒有一個統一的解決方案，導致我們在選擇上會出現多種方案，在不了解平臺的情況下，無法最快做出合理的選擇。
這些情況我認為是正常且需要面對的，因為創新業務前期重點還是前文提到的，需快速驗證產品可行性及是否真的可以給用戶帶來價值，所以我也理解在數據投入不足存在且合理的。
三、數據同學在業務團隊中怎么發揮自己的價值？
為什么要強調在業務團隊中？因為數據崗的分類方法居多，我的分類簡單說就是平臺型or業務線，這兩類所面對的問題是不太一樣的，而本文則會更關注在業務線的數據同學價值問題。
1. 內在價值
我認為在數據產品崗位上的內在價值體現則是：基于自身對數據全貌的洞察能夠推動業務發展。
- 專業的數據化判斷（不管是數據挖掘，業務分析也好）；
- 設計可實施的業務策略（ab實驗等）；
- 需求背景大方向的思考與深入。
2. 外在價值
而在數據產品崗位上的外在價值體現則是：提升數據的使用價值和效率。
- 取數（僅sql）；
- 報表（僅制作）；
- 埋點；
- 數據鏈路。
外在價值是他人對我們的普通期待，也是實現內在價值的基礎。而內在價值則個人成長不可或缺的東西，它一定是核心，我們更應該關注內在價值。當我們數據同學認識到自己的職業發展存在一定瓶頸時，思考一下，我們在日常工作中，是更關注了內還是外？
3. 瓶頸原因
那為什么大部分數據從業者，會迷失在外在價值中？
數據這個崗位是既有基本的技術能力又要有業務思維，就會非常容易陷入取數、報表、無深入的分析這樣的一個循環，而為了業務方能更高效地看到數據，則會投入更多精力在數據層面的一些細枝末節中，包括不限于埋點排查、SQL寫法、調度依賴、平臺使用、日常波動歸因。
這樣會導致精力很難深度地投入在業務上，大家對于數據推進業務的這樣一個事情可以達成共識，但是實際操作下來，最終自己卻還是給別人做了嫁衣。
當然這也有公司 or bg層面在數據建設上投入的便利性的問題，根據和行家溝通，現在已經在做部分的中臺收斂數據職責回去，實現統一與效率，能解放業務部門的數據同學的部分勞動力。
四、數據同學的個人價值如何突破？
我覺得核心還是在于我們對于價值本身的思考，這個價值涉及到項目自身、工作流程、用戶感知等諸多價值判斷，當我們能夠在眾多項目中，能識別出有極大內在價值的時候，也是我們破局的第一步。
在項目取舍上，我的個人觀點是，識別與選擇并不沖突，也互不干擾，核心還是在于對事情的內核的判斷與深度思考，具體到怎么做，我認為不限于以下幾個方面。
1. 合理評估需求優先級
數據從業者接眾多的需求是必不可少的，而需求緊急級與重要度的分類方法是一個相對成熟的優先級處理框架了，所以具體在此不做贅述。
但是即使方法論是成熟的，我們在遇到N個需求時，是否真的可以從容排期，而不是根據個人偏好，難易程度來做？
這里要指出的一點是，其實很多數據需求，核心價值并沒有業務同學想的那么重要，甚至是這個數據需求本身是不合理，或者還沒想好的前提下提出的。
我也經常遇到需求方說這個需求很重要很重要，實際上過了一兩個月，而這個需求已經被業務方給忘記，或者做出來后看一眼就完事的情況。所以我的處理方法是，作為需求的owner去思考項目本身的價值，而不是作為需求的處理人去思考。
2. 帶著思考主動深入業務
其實深入業務這一點，是大家都愛說的一句話，實踐起來可難可易，主要還是在于意識問題。
在業務團隊中，要充分認可自己也是一名在一線的業務組員，自己做的事情就是for業務，而不是for其他組員；當面對一個kpi時，要完成這個數據，自己需要站在一個更高維度去思考，而不是始終在等待著需求。
畢竟數據同學掌握著業務數據的全貌，當我們面對一個問題時，我們是第一個可以知道這個問題背后的數據現狀。
3. 多為自己考慮，多做屬于自己的東西
我的導師在這點上也多次和我溝通，點醒了我讓我意識到，多為自己考慮尤為重要。
無論是處于大廠還是去中小型公司，數據崗的工作內容不應該只是工具化和基礎的呈現結果，否則當想要晉升or跳槽時，拿什么去講？建了300個表、做了100個報表、取了1000個數、分析了多少個現狀？
所以在完成一個數據需求的過程中，我們應當可以識別出這件事情背后的實質價值時，在行動上主動爭取，在思想上持續深入。
4. 避免工具化思維
工具化思維也是我曾犯過的錯誤之一，也是眾多外界對于數據領域認知的誤區，比如該知乎問題如何快速成為數據分析師？中基本都是在講excel、sql、python，機器學習，數據挖掘，甚至一些數據分析培訓課程也是類似的內容。
不過也可以理解，畢竟在這種文章或者培訓中很難表達出業務的重要性，對于偏業務的數據同學，無論是用什么工具，excel也好，統計建模也好，都是為了最后的業務增長，只要做出了好的結果，老板真的會care你用了啥么？
5. 避免落入能力陷阱
何為能力陷阱？這是我找一位行家小姐姐聊職業規劃時知道的概念，這也是一本書，推薦大家去看看。
我們很樂于去做那些我們擅長的事，于是就會一直去做，最終就使得我們會一直擅長那些事。做得越多，就越擅長，越擅長就越愿意去做。這樣的一個循環能讓我們在這方面獲得更多的經驗，但卻容易陷入能力陷阱，在其他方面無法突破。
每個人都要特別警惕這種能力陷阱，避免把大量時間花在日?，嵤律?。如果你想獲得更多更好的發展，就要從日?，嵤轮薪饷摮鰜恚D變到進行更多策略性思考、在日常工作外建立人際關系網絡、提升影響力等能夠給你持續帶來價值的工作上，這樣你才能在各領域獲得更好的發展。
這種情況我也發生過，所以我在持續性的探索及尋找解決方案，避免讓自己一直在做擅長的事情。
比如在埋點這件事情上，非常重要且非常基礎，但是這樣一件重要的工作卻沒有太多出彩的可能性，做得再好也沒人夸你，做得不好數據出錯那就得大背鍋。
所以針對埋點問題，我的解決方法是形成體系化、常規化的思路去設計埋點，當存在成熟的埋點思路后，可以將每次的埋點需求交給合作伙伴進行設計，在部分重要埋點（比如dau口徑事件）上進行把關即可。
當然可以有更高維度的角度去管理埋點，比如數據上報，你“痛”了么？中提到的，但是這個方法我認為會更適合成熟業務，且不管是開發還是非開發崗希望能從根本上提升效率。
五、數據分析技能化，而非職能化——可能的未來趨勢
最后談一下，我對于數據崗未來發展趨勢的理解，這一點也是目前眾多大佬交流/公眾號文章談論的。
以往大部分公司會單獨設置一個數據分析崗位，來應對日常的分析工作。但是往后可能會有數據分析技能化的趨勢，也就是說在數據平臺/中臺能力到位的情況下，產品/運營可以利用自己基礎的數據能力（包括sql、報表、自助分析）來完成日常的數據分析工作，不再會依賴我們這類sqlboy。
具體到現實就是我之前所在的增長組，日常工作中每個人都能完整地做出簡單的數據分析工作，包括不限于下鉆分析、異動歸因、漏斗分析、固定化報表。
*部分內容來源于公司內網，僅供參考
作者：xugui，騰訊PCG社交平臺產品策劃
本文由 @騰訊大講堂 原創發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自 Unsplash，基于CC0協議。
- 目前還沒評論，等你發揮！
