CDA数据分析师 出品

作者：林叶

编辑：Mika

大家好，先介绍下我自己。我在毕业那会儿刚好遇上了数据分析这个风口，因此毕业后一直从事数据方面的工作，至今大概已有7年多的数据工作经验了。

我曾经分别在纯互联网跟产业互联网企业中从零开始组建过大数据团队，也成功操盘过数据分析体系和数据产品体系在企业的从零到落地的过程。我前两年有在喜茶负责大数据团队的组建。

今天想跟大家分享的主题是，如何从“取数工具人”变身“分析小能手”。

我将主要从以下两点进行展开：

• 揭秘成为“数据工具人”的根本原因；
• 分享“取数工具人”破局的着力点。

对于考虑转行数据分析行业的人群而言，在本文中你可以了解到数据分析职业在目前的工作环境是怎么样的，会面临什么样的问题，以及解决这些问题所需要的核心竞争力有哪些，从而判断一下自己做转行是否合适。

对于已经入行数据分析的人群来说，希望我接下来的经验分享可以在你之后工作上要做一些改变的时候，能提供一些方向性的指引。

不知道大家有没有遇到这些问题：

在转行数据分析一段时间之后，但是其实找不到成长的路径，有点不知所措，感觉每天上班很多事做，但是很多事做完之后，好像自己并没有很大的成就感或者突破。

感觉每天在做重复性的工作，不断的去取数，但是输出的一些报表之后，其实没有什么很大的技能提升感，觉得自己各方面都会受到天花板的压迫感。

每天很忙，取数的数据的需求永远都做不完，已经无心力学，995在996在做了，但是还是会频繁的被业务催着要数据，感觉无从着手，自己的价值存在感都很低。

下面带着这些问题，让我们开始今天的分享。

01、揭秘成为“数据工具人”的根本原因

首先跟大家从两个方面去分析一下，形成这种问题的原因大概有哪些？

先看一下客观环境。

从基点上来，数据分析部门职能有先天不足性。

数据分析其实并不是公司必备的职能部门。数据分析的能力是从业务中抽象出来的，近几年因为信息化的成熟催生，数据分析也随之越来越重要了。相比其他沉淀几十年的业务岗位，数据分析工作范围和职能缺乏成熟的经验。而且数据分析没有标准答案，公司的数据意识非常难统一。

还有一个客观原因就是，数据资源的不足。

主要体现的情况就是信息化的程度不高，能获取数据的信息很有限。去做很多体系化更丰富或更立体的分析报告时，要有大量的数据资源做支撑。另外业务在线化没有形成闭环，会导致获取的数据信息很有限。

在这些客观环境下的话，会延伸出数据从业工作人员的工作环境，导致在工作状态或职业成长方式会存在很大的问题，从而让主观环境有以下几点原因。

首先，很容易就造成定位不清晰。

没有成功的借鉴经验，大家还是摸着石头过河，这里面很容易出现问题。数据团队很容易脱离业务，然后过于独立。

另外点的话，数据从业人员基于这种环境下去做的时候，一直都是做着我可以做的事情，而不是我应该去做的事情。比如说业务部门提的需求是取数，数据人员觉得做取数就可以了。但除了取数之外，更重要的其实是在分析层面上。

还有就是，市场缺少可迁移能力方法论的借鉴。现在市面上缺乏比较体系化的或相对成功的适配经验。

虽然说现在线上的知识付费渠道很多，但是其实很多大部分是停留在职能、技能以及专业层面上的知识分享。目前有很多好用的数据工具，但这些工具如何去用好才是真正的难点。

下面我们具体聊一聊，怎么从虚到实，真正有效发挥数据分析在业务中的作用。

02、“取数工具人”破局的着力点

清晰哪些是最重要且能和业务预期达成一致的事情

这里可以分为两个步骤。

第一步，对标公司的经营战略。

因为我们在通过单个部门，比如说数据部门去拉通业务部门时，其实业务部门都有自己角度的思考，每个人的出发点肯定是不一样的。因此单靠数据部门去拉起大家，这是不现实的。而且如果只是数据部门单方面去沟通，我们的决策也会有失偏颇，到底要做什么事情其实也定不下来。

因此出发点应该是，大家能够达成一致的事情，基于公司整体的利益上去思考，我们接下来的战略目标是什么？数据基于这个战略目标下可以做的事情有哪些，这才是能够把跟业务达成一致的最好方式。

这里还涉及到数据口径统一的问题，这背后依赖的就是KPI考核方式的指标。对标了公司经营战略之后，数据部门到底要如何利用好经营战略这些内容呢？

第二步、化被动为主动，输出战略上的数据可为的价值。

也就是把数据可以做的事情也拉动到战略层面去驱动。

之类可以看到两个案例，大家来对比一下，这两种衔接方式分别有什么样的不同。

第一种方式是，公司把战略定出来了以后，每个部门会有自己的年度规划或季度规划。一段时间之后，每个部门都会提需求，然后提到数据部门说每个月要做什么，这个月我做了什么，你需要帮我去分析什么，出什么样的报表。

我在前几年带数据团队的时候，大部分公司都是这种衔的方式。

提到数据的时候数据团队辅助其他部门。但是从数据分析以及数据价值驱动业务这个角度去考虑，这些数据真的赋能了吗？通常基于这种协作方式的公司里，数据分析团队都会出现这些问题，要求都是紧急调整，然后出了很多的报告，但是存在感价值还是很低。

• 每天从早忙到晚，取数的需求永远都做不完，频繁的被业务催
• 明明已经很努力了，把所有时间都用上了，但是还是觉得你做的不够多不够快
• 自己想要去摸索一些价值的分析点，但是业务部门觉得可有可无

......

这里面最重要的问题在于，我们在一开始就把自己放在了被动接需求的位置。那么如果要化主被动为主动，我们可以去做哪些方面的调整呢？

下面看到另一种协作方式，这是我三年前对部门需求做的协作方式调整。

第一步、看看可以主动规划些什么。

我们其实可以把各部门当做数据分析部门的资源，而不是把数据分析团队作为每个业务部门下的支持部门。这是完全不一样的，基于这些资源下，我们可以主动规划去做什么事情，要解决每个部门目前的痛点和存在的问题。

第二步、考虑每个部门制定策略时，需要哪些分析支持。

各部门在制定策略规划时，需要哪些数据分析的支持。而不是在策略落地时，我们可以做哪些数据分析或者报表。

为什么？

因为数据分析最容易发生价值的场景，就在于每个业务部门去做决策的时候。最强决策的时间点是在制定策略的时候，如果那个时间点能够把数据的意识观念拉起的话，那么后面做一些事情，数据再去承接需求时都会变得很顺畅。

在承接需求时要确保业务部门做的这件事情，在早期就有很充分的数据分析参考。在需求延伸的阶段就已经把一些伪需求给过滤掉了，那么报表取数的工作就会减少很多。

第三步、看看每个部门策略落地的时候，我们需要支援什么。

在这里三个方向里，第一步可以作为数据部门价值发挥作用的最重要着力点。第二步数据部门要在各部门规划过程中强参与。第三步也要作为侧重点。关键在于，搭建与战略相融合的分析体系，把数据分析的工作从被动需求变成主动引导业务部门用好数据。

工作时明白自己“应该做什么”，而不是“可以做什么”

首先应该要知道，是数据分析的定位，不是自己的定位。

如果你是一名数据分析师，你工作做到位的标准不是完成了多少取数的需求，而是要看你到底为业务的痛点做到了什么程度，到底是有没有解决业务的痛点。

这方面还要求我们有多视角的思维，不同的角色重点要做什么决策，以及决策时所需要的核心信息会有什么？

总的来讲，我们不能只是听对方说他要什么，而是站在对方的角度上去考虑。

这里面跟大家分享一些实操技巧分享。

• 做有价值的事情，把80%的精力放在深挖真需求上。
• 练好需求辨别基本功、管理好“伪需求”
• 习惯性超预期输出

不断提升认知是分析师的成长主路径

不断提升你的认知是数据分析师成长最核心的主路径。

这里分享一下我理解的分析师的成长路径到底是怎么样子。

首先，大部分的话会处于报表的阶段。

就是频繁的取数，然后取的数多了，可以通过数据去了解业务以及对接需求多了，就会知道业务形态大概是什么样。

然后，会成长为主题型分析师。

当某个业务或某块主题，比如用户主题里面的增长模块出现了异常，就能去分析一下大概是什么样的问题，并分析一下渠道增长出了问题。

接着，进阶阶段是经营分析师。

更多分析的是除了单个模块之外，每个综合模块下公司经营的状况是怎么样的，会更加的体系化立体化。

到最后的话达到商业分析师。除了看到公司经营状况的数据之外，还需要结合自己对市场的了解，以及说更多业务上更深层次的理解，综合考虑战略变化的方向是什么。

这里举个例子：

用户增量已经持续5个月迅速下降，增长部门提出“想要了解近半年各渠道增量趋势的数据取数需求”。

这里如果是不同阶段的分析师，分析出来的侧重点会有什么不一样？

如果是报表人员的话，会解答出哪个部门出了问题，哪个渠道可以优化。

如果是主题型分析师，分析的内容更多一些。比如不同渠道用户新增、LTV价值分对比。还能探讨一下目前渠道增长能否能完成预期目标。

到了经营分析师跟商业分析师的阶段，考虑的问题就完全不一样了，比如

• 分析到用户新增和流失的平衡度是否健康；
• 用户拉新的ROI是否合理；
• 目前阶段是适合“烧钱”获客还是ROI持平增长。

总之，分析能否切中核心关注点，在于自己是否能有对方角色应有的认知。认知则需要丰富的阅历，以及通过不断的感悟和总结。

以上就是我今天的分享内容了，希望对大家能够有所帮助。