曾经,我们怀揣着“数据驱动改变世界”的梦想,相信了“数据科学家是21世纪‘最性感’的工作”的高大上说法,进入了数据分析师的行业,本以为选对了职业方向,从此可以成为受人敬仰的“科学家”,在商业世界中运筹帷幄,决胜千里。
    image.png
    但理想很丰满,现实很骨感。。。

    自从成为数据分析师后,每天面对的场景是:

    数据提取师的痛苦:每天都有无数的业务提数需求,永无止境的写SQL、跑数据,找HIVE表、问字段逻辑,没时间分析、没时间思考,数据分析师变成了“数据提取师”;

    报表制作师的无奈:除了无数的一次性提数需求,还有众多的报表看板建设工作,时间紧,任务重,需求变更频繁,来自业务方的push压力大,直接变成了“报表制作师”;

    落地难,难于上青天:好不容易有机会做分析、写报告,商业知识、统计模型、算法应用,十八般武艺统统用上,却被吐槽“这个结论我们凭经验都知道,就是一句大家都了解的废话”“肯定是数据错了,我们的目标完成率/转化率不可能这么低”。终于等到被认可一次,却发现根本无从落地,要么业务团队无法深刻理解分析结论的价值,要么没有可落地抓手,要么业务团队仍旧自行其是,分析结论仅仅听一听,无法合作落地;

    image.png
    那么,拿什么来拯救你,每天都在吃土的数据分析师?

    从吃土3年,到转型解决吃土问题4年多,简单谈一下我对这个问题的看法,大致可以分为四个方面:

    1. 文化和认知:寻求公司高层的支持,告诉大家“数据分析师不是用来取数的”

    数据分析师如果在公司内部有独立的部门组织和管理者,会更方便实施这一对策。通过数据分析高管、CTO甚至CEO的文化宣导,提高数据分析师的地位和定位,比如在公司各业务团队中巡回演讲,告诉大家数据分析师的本领,上可进行宏观战略分析指导方向、下可建立策略模型提升业务,应该成为大家的军师、参谋、智囊,帮助大家运筹帷幄决胜千里,而不是用来取数的。

    1. 流程:进行需求管理,对各类“提数”“做报表”的需求进行严格排期

    实际上,即使在公司确立了数据分析师的定位和地位,“提数”、“做报表”的需求和工作仍然无法避免,切实可行的一步便是建立需求管理和排期机制。部门内确立机制后,进行公开透传,并严格执行。机制的设计可以大致分为3个环节:

    1. 需求确认:需求是否真的有必要,能否解决某一个具体问题,解决问题的思路是什么,得到数据结果后有什么样的行动计划,问的越具体越好。如果需求方没有很好的答案,那就可以直接拍死,如果没法达成一致,那就上升来决策,由双方老板来拍板。
    2. 需求排期:确定需求不是伪需求,有实际的业务价值,则进行时间排期,原则是给分析团队留出buffer、时间一定是分析师说了算,如果需求紧急或者需求方push压力大,则继续上升决策和拍板,拿老板来当挡箭牌。上升决策时,有一个配合打法,就是负责执行的分析师一定要在工作量上有专业而强硬的态度,分析师老板则取折中的结论和缓和的态度。
    3. 交付和追踪结果:交付成果后,一定记得追踪需求方的业务行动计划和结果,是否真的有落地和业务改进,是否产生了实际的价值。如果没有产生实际收益,则计入bad case作为未来需求确认的参照案例,一方面拍需求,一方面也让时间更好地投入在真正能产生价值的工作上。


    1. 培训:授之以渔,把你的“敌人”变成你的朋友

    授之以鱼,不如授之以渔。这个方法很多团队都有尝试过,但有成效的一定是建立在确立定位、建立流程的基础上。授之以渔的具体落地方法可以参照这两种:一是内部现场授课,由分析师团队讲解SQL、Excel等实操技能,结合公司内实际库表、业务常见需求进行讲授的效果最佳;二是线上录播课程,会比现场授课在时间、空间上有优势,但效果会略差些。在课程培训之外,还需要有一些配套机制,比如:常用库表汇总、语法和报错答疑沟通、选拔业务团队指定同学进行培养等,一套组合拳打下去,才会有更好的效果。

    1. 数据产品:工欲善其事,必先利其器

    从数据分析师到数据产品,在定位、流程、培训之外,很多分析师同事都走向了这一条路,既是一种职业选择的变化,也是一种让广大数据分析师不再吃土的解决方法。

    数据产品,让人人都是“数据分析师”,解放人力不再吃土

    业务团队的数据需求,可以根据频次、重要性进行划分,对于高频使用的日周月报、核心分析框架,都可以通过数据产品化来解放人力。通过定制Dashboard,还可以更好的培养业务团队的用数习惯,建立“看数用工具,分析讨论找数据分析师”的氛围。同时,数据产品还可以统一数据出口和口径,减少分析师拉起口径和数据的繁琐工作,统一分析思路和拉高分析水平。
    此外,数据产品作为分析数据的载体,除了立竿见影的解放人力外,另一个重要价值是建立了一个升级迭代的机制和基础,而且相比于文化、流程和培训,更有抓手、更稳固。通过对数据产品的不断升级和创新,能够更好地降低数据获取、数据处理、数据分析的门槛,比如OLAP自助式分析工具,集数据获取、处理、可视化展现和分析功能于一身,能够更好地满足80%固化高频需求外的灵活数据分析。随着技术的发展和数据产品的建设,终有一天会实现“人人都是数据分析师”的美好愿景。

    数据产品,通过产品更直接的落地和影响业务,不再假手于人

    对于分析结论难落地,分析建议业务方只是听一听的落地难题,更直接的方法就是将分析方法和逻辑直接落地成产品或服务,依靠数据分析内核,用产品和服务直接对接线上系统,直接得到分析结论、推荐策略建议等,实现对业务的干预和改进。
    这种方式打通了从数据分析到业务改进的通路,建立了数据分析的内核引擎,开辟了一条没有止境的探索创新和创造价值之路,持续升级数据分析的方法论,挖掘可通过数据分析来优化和改进的业务场景,就能真正实现数据驱动业务增长、价值可描述和量化的终极目标。

    简单分享这些,欢迎大家随时交流、指正。