CDA數據分析師 出品

作者：林葉

編輯：Mika

大家好，先介紹下我自己。我在畢業那會兒剛好遇上了數據分析這個風口，因此畢業后一直從事數據方面的工作，至今大概已有7年多的數據工作經驗了。

我曾經分別在純互聯網跟產業互聯網企業中從零開始組建過大數據團隊，也成功操盤過數據分析體系和數據產品體系在企業的從零到落地的過程。我前兩年有在喜茶負責大數據團隊的組建。

今天想跟大家分享的主題是，如何從“取數工具人”變身“分析小能手”。

我將主要從以下兩點進行展開：

• 揭秘成為“數據工具人”的根本原因；
• 分享“取數工具人”破局的著力點。

對于考慮轉行數據分析行業的人群而言，在本文中你可以了解到數據分析職業在目前的工作環境是怎么樣的，會面臨什么樣的問題，以及解決這些問題所需要的核心競爭力有哪些，從而判斷一下自己做轉行是否合適。

對于已經入行數據分析的人群來說，希望我接下來的經驗分享可以在你之后工作上要做一些改變的時候，能提供一些方向性的指引。

不知道大家有沒有遇到這些問題：

在轉行數據分析一段時間之后，但是其實找不到成長的路徑，有點不知所措，感覺每天上班很多事做，但是很多事做完之后，好像自己并沒有很大的成就感或者突破。

感覺每天在做重復性的工作，不斷的去取數，但是輸出的一些報表之后，其實沒有什么很大的技能提升感，覺得自己各方面都會受到天花板的壓迫感。

每天很忙，取數的數據的需求永遠都做不完，已經無心力學，995在996在做了，但是還是會頻繁的被業務催著要數據，感覺無從著手，自己的價值存在感都很低。

下面帶著這些問題，讓我們開始今天的分享。

01、揭秘成為“數據工具人”的根本原因

首先跟大家從兩個方面去分析一下，形成這種問題的原因大概有哪些？

先看一下客觀環境。

從基點上來，數據分析部門職能有先天不足性。

數據分析其實并不是公司必備的職能部門。數據分析的能力是從業務中抽象出來的，近幾年因為信息化的成熟催生，數據分析也隨之越來越重要了。相比其他沉淀幾十年的業務崗位，數據分析工作范圍和職能缺乏成熟的經驗。而且數據分析沒有標準答案，公司的數據意識非常難統一。

還有一個客觀原因就是，數據資源的不足。

主要體現的情況就是信息化的程度不高，能獲取數據的信息很有限。去做很多體系化更豐富或更立體的分析報告時，要有大量的數據資源做支撐。另外業務在線化沒有形成閉環，會導致獲取的數據信息很有限。

在這些客觀環境下的話，會延伸出數據從業工作人員的工作環境，導致在工作狀態或職業成長方式會存在很大的問題，從而讓主觀環境有以下幾點原因。

首先，很容易就造成定位不清晰。

沒有成功的借鑒經驗，大家還是摸著石頭過河，這里面很容易出現問題。數據團隊很容易脫離業務，然后過于獨立。

另外點的話，數據從業人員基于這種環境下去做的時候，一直都是做著我可以做的事情，而不是我應該去做的事情。比如說業務部門提的需求是取數，數據人員覺得做取數就可以了。但除了取數之外，更重要的其實是在分析層面上。

還有就是，市場缺少可遷移能力方法論的借鑒。現在市面上缺乏比較體系化的或相對成功的適配經驗。

雖然說現在線上的知識付費渠道很多，但是其實很多大部分是停留在職能、技能以及專業層面上的知識分享。目前有很多好用的數據工具，但這些工具如何去用好才是真正的難點。

下面我們具體聊一聊，怎么從虛到實，真正有效發揮數據分析在業務中的作用。

02、“取數工具人”破局的著力點

清晰哪些是最重要且能和業務預期達成一致的事情

這里可以分為兩個步驟。

第一步，對標公司的經營戰略。

因為我們在通過單個部門，比如說數據部門去拉通業務部門時，其實業務部門都有自己角度的思考，每個人的出發點肯定是不一樣的。因此單靠數據部門去拉起大家，這是不現實的。而且如果只是數據部門單方面去溝通，我們的決策也會有失偏頗，到底要做什么事情其實也定不下來。

因此出發點應該是，大家能夠達成一致的事情，基于公司整體的利益上去思考，我們接下來的戰略目標是什么？數據基于這個戰略目標下可以做的事情有哪些，這才是能夠把跟業務達成一致的最好方式。

這里還涉及到數據口徑統一的問題，這背后依賴的就是KPI考核方式的指標。對標了公司經營戰略之后，數據部門到底要如何利用好經營戰略這些內容呢？

第二步、化被動為主動，輸出戰略上的數據可為的價值。

也就是把數據可以做的事情也拉動到戰略層面去驅動。

之類可以看到兩個案例，大家來對比一下，這兩種銜接方式分別有什么樣的不同。

第一種方式是，公司把戰略定出來了以后，每個部門會有自己的年度規劃或季度規劃。一段時間之后，每個部門都會提需求，然后提到數據部門說每個月要做什么，這個月我做了什么，你需要幫我去分析什么，出什么樣的報表。

我在前幾年帶數據團隊的時候，大部分公司都是這種銜的方式。

提到數據的時候數據團隊輔助其他部門。但是從數據分析以及數據價值驅動業務這個角度去考慮，這些數據真的賦能了嗎？通?；谶@種協作方式的公司里，數據分析團隊都會出現這些問題，要求都是緊急調整，然后出了很多的報告，但是存在感價值還是很低。

• 每天從早忙到晚，取數的需求永遠都做不完，頻繁的被業務催
• 明明已經很努力了，把所有時間都用上了，但是還是覺得你做的不夠多不夠快
• 自己想要去摸索一些價值的分析點，但是業務部門覺得可有可無

......

這里面最重要的問題在于，我們在一開始就把自己放在了被動接需求的位置。那么如果要化主被動為主動，我們可以去做哪些方面的調整呢？

下面看到另一種協作方式，這是我三年前對部門需求做的協作方式調整。

第一步、看看可以主動規劃些什么。

我們其實可以把各部門當做數據分析部門的資源，而不是把數據分析團隊作為每個業務部門下的支持部門。這是完全不一樣的，基于這些資源下，我們可以主動規劃去做什么事情，要解決每個部門目前的痛點和存在的問題。

第二步、考慮每個部門制定策略時，需要哪些分析支持。

各部門在制定策略規劃時，需要哪些數據分析的支持。而不是在策略落地時，我們可以做哪些數據分析或者報表。

為什么？

因為數據分析最容易發生價值的場景，就在于每個業務部門去做決策的時候。最強決策的時間點是在制定策略的時候，如果那個時間點能夠把數據的意識觀念拉起的話，那么后面做一些事情，數據再去承接需求時都會變得很順暢。

在承接需求時要確保業務部門做的這件事情，在早期就有很充分的數據分析參考。在需求延伸的階段就已經把一些偽需求給過濾掉了，那么報表取數的工作就會減少很多。

第三步、看看每個部門策略落地的時候，我們需要支援什么。

在這里三個方向里，第一步可以作為數據部門價值發揮作用的最重要著力點。第二步數據部門要在各部門規劃過程中強參與。第三步也要作為側重點。關鍵在于，搭建與戰略相融合的分析體系，把數據分析的工作從被動需求變成主動引導業務部門用好數據。

工作時明白自己“應該做什么”，而不是“可以做什么”

首先應該要知道，是數據分析的定位，不是自己的定位。

如果你是一名數據分析師，你工作做到位的標準不是完成了多少取數的需求，而是要看你到底為業務的痛點做到了什么程度，到底是有沒有解決業務的痛點。

這方面還要求我們有多視角的思維，不同的角色重點要做什么決策，以及決策時所需要的核心信息會有什么？

總的來講，我們不能只是聽對方說他要什么，而是站在對方的角度上去考慮。

這里面跟大家分享一些實操技巧分享。

• 做有價值的事情，把80%的精力放在深挖真需求上。
• 練好需求辨別基本功、管理好“偽需求”
• 習慣性超預期輸出

不斷提升認知是分析師的成長主路徑

不斷提升你的認知是數據分析師成長最核心的主路徑。

這里分享一下我理解的分析師的成長路徑到底是怎么樣子。

首先，大部分的話會處于報表的階段。

就是頻繁的取數，然后取的數多了，可以通過數據去了解業務以及對接需求多了，就會知道業務形態大概是什么樣。

然后，會成長為主題型分析師。

當某個業務或某塊主題，比如用戶主題里面的增長模塊出現了異常，就能去分析一下大概是什么樣的問題，并分析一下渠道增長出了問題。

接著，進階階段是經營分析師。

更多分析的是除了單個模塊之外，每個綜合模塊下公司經營的狀況是怎么樣的，會更加的體系化立體化。

到最后的話達到商業分析師。除了看到公司經營狀況的數據之外，還需要結合自己對市場的了解，以及說更多業務上更深層次的理解，綜合考慮戰略變化的方向是什么。

這里舉個例子：

用戶增量已經持續5個月迅速下降，增長部門提出“想要了解近半年各渠道增量趨勢的數據取數需求”。

這里如果是不同階段的分析師，分析出來的側重點會有什么不一樣？

如果是報表人員的話，會解答出哪個部門出了問題，哪個渠道可以優化。

如果是主題型分析師，分析的內容更多一些。比如不同渠道用戶新增、LTV價值分對比。還能探討一下目前渠道增長能否能完成預期目標。

到了經營分析師跟商業分析師的階段，考慮的問題就完全不一樣了，比如

• 分析到用戶新增和流失的平衡度是否健康；
• 用戶拉新的ROI是否合理；
• 目前階段是適合“燒錢”獲客還是ROI持平增長。

總之，分析能否切中核心關注點，在于自己是否能有對方角色應有的認知。認知則需要豐富的閱歷，以及通過不斷的感悟和總結。

以上就是我今天的分享內容了，希望對大家能夠有所幫助。