中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導語：全媒體時代，對于數據的分析越來越被重視，數據分析師應運而生。作為一個新興的職業，數據分析師面對的困難與風險都是前所未有的。本篇文章深入剖析數據分析師，規避“取數機器人”的瓶頸。

一、 前言

數據分析師在工作大概一年之后就會開始有一些困惑，每天都被一堆業務人員糾纏，要各種各樣的數據，導致每天工作量很大，經常加班到深夜。卻發現自己的能力也沒什么提升，天天都在做重復的工作，對業務的提升也沒有拿的出手的項目，因此績效也不會太好看。開始質疑數據分析師根本不是做網上說的那種數據驅動增長的工作，而是一名被業務支配的“取數機器人”。這往往就是大多數初中級分析師遇到的第一個較難突破的瓶頸，那么該如何突破這個瓶頸。

1. 砍需求的初心

首先砍需求的時候大家不需要有心理負擔，覺得拒絕業務方的需求會被認為是偷懶的行為，害怕業務方一來投訴就會影響自己的評價。

大家需要明白砍需求并不是一種為了減輕自己的工作量而去偷懶的行為，反而砍需求往往需要花費更多的精力去和業務方argue，大部分情況下比直接接下需求要花更多的時間以及很可能會特別的心累。

那砍需求的目的是什么呢？砍需求是為了減少業務方和數據分析師在不正確的地方浪費時間，把節約下來的時間花到更加有意義的事情上面去，從而提高整個業務的運轉效率。

在明白砍需求背后的終極目的后，我們就能毫無負擔的與業務方進行battle。

2. 砍需求的流程

1）了解業務方提出的需求是否有明確的目的

很多業務方在提出一個數據需求的時候自身并沒有想清楚看這些數據是為了解決什么問題，如果一個業務方提需求的時候并沒有明確指出要解決什么問題，就是單純的想看看數據，這個時候需要果斷的直接拒絕。這種看看類的數據需求是無窮無盡的，并不會實際解決業務問題，反而在浪費雙方的時間。

當然在實操過程中，拒絕需求也是有比較大的難度，可能雙方有職級上的差異，這種時候也首先需要和你的上級對砍無效需求這件事情上達成一致，必要時尋求上級的幫助。對于自己能拒絕的需求，需要盡量拒絕，學會恰當又不失和氣的拒絕也是一門值得研究的藝術。這種需要基于對方的性格靈活應對（看人下菜）。

2）判斷業務方想要解決的問題是不是一個“真實”的問題

如果業務方的數據需求已經有明確的目的了，這個時候你就需要去思考他這個想要解決的問題到底是不是一個問題。當然這個判斷會有一些難度，需要數據分析師對業務有比較深刻的理解，才能避免業務方拋出一個偽命題時，被業務方牽著鼻子走。在接到這種需求的時候需要特別小心的甄別，比如：

①一個電商平臺的運營，提需求給分析師說美妝類目的毛利率比較高，讓你收入、成本、優惠、人群等各個維度綜合分析下原因。
②釘釘的產品經理，提需求給分析師問，為什么釘釘的工作日DAU高于周末，讓你做一個專題分析，給出原因。
③一個成長記錄App的產品經理，提需求給分析師，為什么節假日和周末上傳的照片數量會特別多，讓你從各個用戶群體角度做一個拆解，找一找可能原因。

這三個例子，都是業務方提的偽命題類需求，本質上都是對應業務特性導致的，如果一個分析師不懂業務，真的去進行這些偽命題類需求的分析，那就會花費大量的時間進行一個無效的分析，做了無用功還會被認為不專業。

3）思考業務方提的數據需求能不能解決他的問題

如果這個數據需求經過前兩步的考驗，那么恭喜你，你已經有可能接到一個能給業務帶來價值的需求。但是還可能因為業務方對數據方面的專業性不夠，業務方提出想看的數據指標并不能實際解決他的問題。他們可能會發生相關性認為是因果性、本末倒置、人群不合理過濾等等的問題，那拿到這些數據后往往就會得到一個錯誤的結論。

這就是展現一個數據分析師專業性的時候到了。首先你對于自己業務的數據指標體系需要了如指掌；其次每個數據指標背后代表的業務含義要了然于胸；最后業務方想要解決的問題，背后實際的業務含義也是十分之清楚。

那就開始進入砍指標環節了，也就是提問運營的環節。問清楚運營看每個數據指標是為了干嘛，如果不看這個數據指標會怎么樣。問運營對這個數據指標的預期是什么，這個數據指標的好與壞會有什么樣對應的業務動作。經過這樣提問會后，就會砍掉不少無用的指標。

砍完指標之后就會進入加指標的環節。業務方大部分情況下只會站在自己的一畝三分地去思考問題，很可能會缺乏對全局的思考，那我們分析師在了解清楚需求背后真實目的之后，就得思考完成這個目的需要哪些數據指標來進行對比分析，基于業務方原本提出的數據指標進行查漏補缺，最終能形成一個較完善的解決需求目的的數據方案。

這一點對數據分析師的要求也是相對較高的，需要對業務有比價深刻的了解，也有較強的數據思維。

3. 砍需求的好處

如果每個需求都已經通過上面的靈魂拷問后，那就可以拒絕掉很多的業務方沒有想明白的無效需求；也可以弄明白業務方真正的困惑是什么，在焦慮些什么東西，利用我們的專業性優勢給予更多合理的建議；也可能會升級需求類型，從普通的取數需求變成一個有較大價值的分析需求。

那長此以往的合作下去，業務方很可能就不會再來提取數需求，都是來找直接找你聊他的困惑是什么，和你一起探討什么樣的數據可以解決的他的問題，那么這種往往都會變成最能體現數據分析師綜合能力的分析類需求，最后一般都是會產出一份分析報告的。

那我們數據分析師就可以翻身農奴把歌唱，從一個取數工具人變成一名業務迭代參與者，最終成為一名真的能創造業務價值的數據分析師，做到了數據驅動業務的增長。

1）建立完善的數據報表體系

對于日常需要看的數據指標，我們需要落地成對應的數據報表或者對于核心的部分開發自定義的數據看板。業務的變化是十分之快的，如果跟著業務的需求去做對應的報表，那是永遠無法滿足業務當前的訴求的，就會無止境的陷入報表的開發當中。

你需要站在業務方的立場，去想業務的核心是什么，最需要關心的是什么，然后抽象總結出一套能監控業務現狀，發現業務問題、指導業務分析的數據指標體系，落地成對應數據報表。

這個推薦用OSM模型來搭建數據報表體系，由于這里篇幅有限，后面會單獨寫一篇文章來介紹OSM模型的實際應用。

提前規劃好業務方需要看數據報表體系后，就可以避免很多常規性的重復取數。幫助業務方了解自己該重點看什么數據，提早發現業務有什么存在的問題。

一個好的報表體系不僅僅是展示一推數字，更是一個能幫助業務方進行分析的思維模型，當業務發生異常時，順著報表的設計思路，業務方能自行分析定位出問題所在，最后落地對應的解決方案后還能通過報表得出改動的效果如何。

利用報表體系解決業務方的日常性的看數據需求，只有一次性開發報表的工作量，搭建的過程中可能會比較痛苦，也會持續較長的時間，但是一旦數據報表體系搭建完成之后，就會避免很多后續的臨時性取數任務。

2）深度參與業務重點項目

數據分析師一定要多參與到重點項目中去，這種參與并不是通過幫助項目簡單的做一些報表，取一些數據。而是自己當成項目owner去想問題，去做事情。主動用數據幫助項目發現一些問題，并且根據自己對業務的理解給出一些解決方案，利用數據分析項目已執行方案的具體效果，把一些不好的業務動作去掉，把更多的資源給到實際帶給項目正向效果的事情。

站在業務方視角想一些能帶來的增量的事情，并且利用數據分析師的優勢把想法用數據來衡量可能會帶來的收益，讓事情能更好的落地。

當然做這個點對應數據分析師要求十分之高，需要真的的理解業務。一個好的數據分析師必定是一個好的運營和產品經理。那在你深度參與到項目中之后，并且給項目帶來看得到的效果，業務方就會明白你的價值之大，會讓你越來越多的參與到項目中去，也就能做越來越多的分析報告，也是真的讓你的數據分析結果落地到實際的業務中去，實踐了數據驅動增長。

這樣業務方自然而然會舍不得讓你做哪些沒什么用的臨時取數需求。業務方也不是傻子，自然會懂怎么樣與你合作對他的利益是最大的。

4. 總結

要想避免成為業務方的“取數機”，下面這些點要特別注意：

• 懂業務，了解業務看起來很簡單，其實難之又難，要懂商業本質，要有產品sense，也要有運營思維。所以一個好的數據分析師必定是能勝任產品經理和運營的崗位的。
• 把自己想象成老板，用經營的視角的去思考公司的業務。想一想公司商業模式的本質，也可以時常去關注競品的動向，想明白的目前業務的核心到底是什么，思考公司和管理層需要什么樣的數據幫他們了解業務的發展情況，監控業務的迭代效果。
• 多站在運營的視角去想當前的業務現狀是什么，運營目前的困惑是什么，什么事情是他們當下該關注的核心，什么樣的北極星指標能指引運營朝著正確的方向前進。

如果一個數據分析師能把以上3點掌握透了，那必定已經達到一個新的高度，擺脫初中級分析師的瓶頸，擁有了自己的核心競爭力，向著新的成長道路出發。

作者：杭州@阿坤，母嬰電商行業數據分析師兼數據產品經理，致力于研究電商行業的數據驅動增長以及數據產品從0到1的搭建；“數據人創作者聯盟”成員。

本文由@一個數據人的自留地 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。