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。
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；
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：
- 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。
- 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：
- 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。
- 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。
- 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。
- 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。
- 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。
若有收获，就点个赞吧
0 人点赞
