當數據分析之路遭遇困惑，你還需要提升這8個能力

• 2019 年 12 月 9 日
• 筆記

「這個數據分析，怎麼就越干越糊塗了呢？轉行以前，看著學習的書單很清晰，Excel，Sql，Python一點點學過來。可轉行後反而迷茫了，越干越感覺自己在打雜」一位轉行的同學向我抱怨道。實際上他不是唯一抱怨的一位，即使是一直在做數據分析的同學，也照樣有一堆問題。諸如：

• 每天就是寫sql，也不知道分析了啥……

• 你寫sql還不錯了，我每天都在寫ppt！每個月經營分析會的ppt，我要改到開會前1小時為止！寫的漢字比數字還多……

• 你們還有人理，我每天都在寫excel！寫完了理的都沒有！報表發出去石沉大海，完全不知道碼這些數字有什麼用。

• 你們就消停點吧，沒人理多好。我天天被業務diss。出的分析如果合他們的意，就說「這我早知道了」，不合他們意就說「不符合業務特點，是不是分析漏了什麼」我去他大爺的。

• 呵呵，來我這試試，領導指定必須分析出：「本次活動效果非常好，歷史最佳」的結論，不管真實數據有多難看，你丫給我做！

• 不管咋樣，你老闆起碼有個指示啊！我老闆天天就跟我說：「你看看能分析點啥」。我辛辛苦苦做了東西，丫就回一句：「你再看看」「你多想想」。擺脫你不會做分析就直說嘛！天天讓我想，我才幹了不到1年我想啥啊。

• 那換你該來伺候我領導？人家可牛逼了：「你們要想辦法，大數據精準預測下次活動銷量，把活動的庫存和費用都控在萬元以內的誤差」我勒個乖乖，感覺要失業了。

• 哈？你們都那麼閑啊！我寫了一天sql了快5000行了，嗚嗚嗚嗚。

• 真羨慕你們還有的數據做，我清垃圾數據都搞了一天了╮(╯﹏╰）╭
• 真羨慕你們還有的這麼多事情弄，感覺我天天都在打雜，領導也不關心，話說到底數據分析是幹什麼的？是不是大型互聯網公司會好一點。

以上吐槽均來自真實場景，數量太多，聽得太多，以至於隨手都能寫出一頓重的怨氣來。這和當年大家入行前的美好期望有巨大反差。為什麼呢？難道那些數據分析學習文章漏了些什麼？這裡漏了一個關鍵問題：數據分析工作到底是幹什麼的。

作為一門技術，數據分析是個人都可以掌握。既不像演算法有著較高的技術門檻，也不像運營、產品那樣，需要大量的實踐才能積累。數據分析的技術相對客觀，數據獲取-存儲-清理-展示-計算-建模-輸出報告，完全可以不依賴任何人一氣呵成。那種看書練習的過程，就彷彿回到學校。打怪升級撿裝備，給人的體驗是相當舒暢的。

可作為一個工作，數據分析崗位不是個對新人很友好的崗位。首要因素，是數據分析自身的工作特點：

1.數據分析是輔助崗位，不是核心崗位。

傳統型企業銷售最大，互聯網企業產品最大，數據總是打輔助的。只有賣數據分析產品的乙方公司，可能數據分析的地位稍微高那麼點。打輔助也就意味著晉陞通道小，立功機會少，成就感低。這是尷尬點之一

2.打輔助就得到處求人，看人臉色，小心伺候。

業務部門不重視數據分析，不尊重數據分析科學性與客觀性，利用數據相互甩鍋，都是從這裡開始的。但脫離業務，單靠數據分析部門，也很難看到自己的分析成果落地。這是尷尬點之二

3.看人臉色的部門，會很大概率遇到不負責的領導。

有的公司沒有獨立數據部門，掛在運營/市場/IT下邊，不被領導重視。有的有數據分析部門，但領導自覺升級無望，不怎麼用心。總之很大概率不負責，可憐了下屬。（你問業務部門？業務部門不負責的領導很容易被踢滾蛋，但數據分析這種打輔助的部門，反而容易成為養懶人的地方）。這是尷尬點之三

缺少自主權，缺少重視度，缺少負責的領導，導致很多新人難以看到未來發展方向。再加上這幾年很多企業鼓吹「數據思維」/「數字化轉型」。上有所好，下必甚焉。一幫銷售/運營/產品/策劃都在大談數據分析。一些運營和產品還天天嚷嚷著：讓我寫sql比他們水平高多了。搞得做數據分析的同學們更加容易吐槽。

另一個重要因素，是新人們缺少從思想到能力上的準備。

其實每個崗位都有自己的苦水。說起被人懟，銷售被人懟的最多。說起打雜，運營每天都在雜七雜八。說起科學性與主觀意願的衝突，產品每天都在「科學設計理念」與「老闆就是這麼要求的」之間掙扎。大家各有各的難處。誰不比誰好過。

但其他崗位，在入行的時候大多做好了死豬不怕開水燙的準備。做銷售的就是有被客戶從門裡踢出去再從窗戶里爬進來的精神；做運營的就是懷著「再懂點開發我就是全棧CEO」的理想；做產品的就是會為了「按鈕放左邊還是放右邊」跟老闆打一架。這也是專業性的一部分。而數據分析的同學們在這方面準備稍欠一些。因為大家習慣了科學、理性、數據，習慣了像實驗室一樣認真的琢磨問題。現實與理想的落差，就特別容易引發失落感和吐槽。

其實強化了能力以後，大家就會發現這些並沒什麼大不了的。如果我們明知道會有這麼多坑，在開展工作的時候，就會主動避免。我們知道業務部門可能對我們不理不睬，就會主動收集資訊；我們知道領導的思路很亂，就會主動幫他梳理思路，定義清楚問題；我們知道別的部門不懂科學方法，就會主動挑選適合當前問題的方法；我們知道這些不懂的人會懷著各種目的來質疑我們的分析成果，就會準備好對戰手段，見招拆招。最後，我們會精心挑選出那些可以深度合作的戰友，一起做一些有價值的項目。

當然，以上所有工作都和人有關係，都是在摸清業務方情況，幫業務方/領導規劃分析方案，推動分析項目的落地。面對數據，我們會練習excel，sql，pyhton這些技術。面對人，我們需要培養工作能力，簡單總結一下，至少需要八種能力：

1.資訊收集能力：既然我們不是大爺，就不等業務部門來伺候了，我們自己動手豐衣足食。

2.需求溝通能力：把「分析下銷售唄」轉化成具體的一個分析題目；從「你自己看看有啥可分析的」當中，找到可以分析的問題點。

3.定義問題能力：不要再到處百度「如何分析活躍下降問題」「如何分析用戶流失問題」了，掌握拆解問題的套路，自己就能構建分析思路。

4.梳理流程能力：不要再到處百度「零售行業分析指標體系」「生鮮電商分析指標體系」了，自己動手梳理流程，做出監控指標體系來。

5.樹立標準能力：什麼算「好」，什麼算「壞」，是所有分析的起點，也是所有甩鍋的源頭。會樹立標準，會檢驗標準，會牢記標準，是不被業務方任意擺布的起點。

6.尋找原因能力：找一個原因簡單，找幾個原因也簡單。找到幾個有邏輯，有順序，可以被改善的原因，就需要認真思考問題邏輯，了解業務可行性範圍了。會尋找原因，是數據分析的重要輸出成果。

7.提供建議能力：提一個主意容易，提幾個主意也容易。提幾個分輕重緩急、評估過快慢優劣、預測過效果的建議，就得結合業務能力，建立預測假設再說話了。能改善業務，是數據分析的重要輸出成果。

8.總結彙報能力：結束改PPT改到死的狀態，就得想明白要說什麼。做的再多，彙報要好。不然成績算誰的。臨門一腳非常重要。

限於篇幅，這裡只起個頭。脫離具體場景談能力太過空洞，後續會拿具體問題場景，來看如何推動分析工作，作出成績。希望大家的抱怨越來越少，能講出來的分析成果越來越多。