資料分析師如何避免成為業務的"取數機"？

前言

資料分析師在工作大概一年之後就會開始有一些困惑，每天都被一堆業務人員糾纏，要各種各樣的資料，導致每天工作量很大，經常加班到深夜。卻發現自己的能力也沒什麼提升，天天都在做重複的工作，對業務的提升也沒有拿的出手的專案，因此績效也不會太好看。開始質疑資料分析師根本不是做網上說的那種資料驅動增長的工作，而是一名被業務支配的“取數機器人”。這往往就是大多數初中級分析師遇到的第一個較難突破的瓶頸，那麼該如何突破這個瓶頸。

01、砍掉無效的需求

01）、砍需求的初心

首先砍需求的時候大家不需要有心理負擔，覺得拒絕業務方的需求會被認為是偷懶的行為，害怕業務方一來投訴就會影響自己的評價。

大家需要明白砍需求並不是一種為了減輕自己的工作量而去偷懶的行為，反而砍需求往往需要花費更多的精力去和業務方argue，大部分情況下比直接接下需求要花更多的時間以及很可能會特別的心累。

那砍需求的目的是什麼呢?砍需求是為了減少業務方和資料分析師在不正確的地方浪費時間，把節約下來的時間花到更加有意義的事情上面去，從而提高整個業務的運轉效率。

在明白砍需求背後的終極目的後，我們就能毫無負擔的與業務方進行battle。

02、砍需求的流程）

1.瞭解業務方提出的需求是否有明確的目的

很多業務方在提出一個資料需求的時候自身並沒有想清楚看這些資料是為了解決什麼問題，如果一個業務方提需求的時候並沒有明確指出要解決什麼問題，就是單純的想看看資料，這個時候需要果斷的直接拒絕。這種看看類的資料需求是無窮無盡的，並不會實際解決業務問題，反而在浪費雙方的時間。

當然在實操過程中，拒絕需求也是有比較大的難度，可能雙方有職級上的差異，這種時候也首先需要和你的上級對砍無效需求這件事情上達成一致，必要時尋求上級的幫助。對於自己能拒絕的需求，需要儘量拒絕，學會恰當又不失和氣的拒絕也是一門值得研究的藝術。這種需要基於對方的性格靈活應對(看人下菜)。

2.判斷業務方想要解決的問題是不是一個“真實”的問題

如果業務方的資料需求已經有明確的目的了，這個時候你就需要去思考他這個想要解決的問題到底是不是一個問題。當然這個判斷會有一些難度，需要資料分析師對業務有比較深刻的理解，才能避免業務方丟擲一個偽命題時，被業務方牽著鼻子走。在接到這種需求的時候需要特別小心的甄別，比如：

一個電商平臺的運營，提需求給分析師說美妝類目的毛利率比較高，讓你收入、成本、優惠、人群等各個維度綜合分析下原因。

釘釘的產品經理，提需求給分析師問，為什麼釘釘的工作日DAU高於週末，讓你做一個專題分析，給出原因。

一個成長記錄App的產品經理，提需求給分析師，為什麼節假日和週末上傳的照片數量會特別多，讓你從各個使用者群體角度做一個拆解，找一找可能原因。

這三個例子，都是業務方提的偽命題類需求，本質上都是對應業務特性導致的，如果一個分析師不懂業務，真的去進行這些偽命題類需求的分析，那就會花費大量的時間進行一個無效的分析，做了無用功還會被認為不專業。

3.思考業務方提的資料需求能不能解決他的問題

如果這個資料需求經過前兩步的考驗，那麼恭喜你，你已經有可能接到一個能給業務帶來價值的需求。但是還可能因為業務方對資料方面的專業性不夠，業務方提出想看的資料指標並不能實際解決他的問題。他們可能會發生相關性認為是因果性、本末倒置、人群不合理過濾等等的問題，那拿到這些資料後往往就會得到一個錯誤的結論。這就是展現一個資料分析師專業性的時候到了。首先你對於自己業務的資料指標體系需要了如指掌;其次每個資料指標背後代表的業務含義要了然於胸;最後業務方想要解決的問題，背後實際的業務含義也是十分之清楚。

那就開始進入砍指標環節了，也就是提問運營的環節。問清楚運營看每個資料指標是為了幹嘛，如果不看這個資料指標會怎麼樣。問運營對這個資料指標的預期是什麼，這個資料指標的好與壞會有什麼樣對應的業務動作。經過這樣提問會後，就會砍掉不少無用的指標。

砍完指標之後就會進入加指標的環節。業務方大部分情況下只會站在自己的一畝三分地去思考問題，很可能會缺乏對全域性的思考，那我們分析師在瞭解清楚需求背後真實目的之後，就得思考完成這個目的需要哪些資料指標來進行對比分析，基於業務方原本提出的資料指標進行查漏補缺，最終能形成一個較完善的解決需求目的的資料方案。這一點對資料分析師的要求也是相對較高的，需要對業務有比價深刻的瞭解，也有較強的資料思維。

03）、砍需求的好處

如果每個需求都已經通過上面的靈魂拷問後，那就可以拒絕掉很多的業務方沒有想明白的無效需求;也可以弄明白業務方真正的困惑是什麼，在焦慮些什麼東西，利用我們的專業性優勢給予更多合理的建議;也可能會升級需求型別，從普通的取數需求變成一個有較大價值的分析需求。

那長此以往的合作下去，業務方很可能就不會再來提取數需求，都是來找直接找你聊他的困惑是什麼，和你一起探討什麼樣的資料可以解決的他的問題，那麼這種往往都會變成最能體現資料分析師綜合能力的分析類需求，最後一般都是會產出一份分析報告的。那我們資料分析師就可以翻身農奴把歌唱，從一個取數工具人變成一名業務迭代參與者，最終成為一名真的能創造業務價值的資料分析師，做到了資料驅動業務的增長。

02、建立完善的資料包表體系

對於日常需要看的資料指標，我們需要落地成對應的資料包表或者對於核心的部分開發自定義的資料看板。業務的變化是十分之快的，如果跟著業務的需求去做對應的報表，那是永遠無法滿足業務當前的訴求的，就會無止境的陷入報表的開發當中。你需要站在業務方的立場，去想業務的核心是什麼，最需要關心的是什麼，然後抽象總結出一套能監控業務現狀，發現業務問題、指導業務分析的資料指標體系，落地成對應資料包表。這個推薦用OSM模型來搭建資料包表體系，由於這裡篇幅有限，後面會單獨寫一篇文章來介紹OSM模型的實際應用。

提前規劃好業務方需要看資料包表體系後，就可以避免很多常規性的重複取數。幫助業務方瞭解自己該重點看什麼資料，提早發現業務有什麼存在的問題。一個好的報表體系不僅僅是展示一推數字，更是一個能幫助業務方進行分析的思維模型，當業務發生異常時，順著報表的設計思路，業務方能自行分析定位出問題所在，最後落地對應的解決方案後還能通過報表得出改動的效果如何。

利用報表體系解決業務方的日常性的看資料需求，只有一次性開發報表的工作量，搭建的過程中可能會比較痛苦，也會持續較長的時間，但是一旦資料包表體系搭建完成之後，就會避免很多後續的臨時性取數任務。

03、深度參與業務重點專案

資料分析師一定要多參與到重點專案中去，這種參與並不是通過幫助專案簡單的做一些報表，取一些資料。而是自己當成專案owner去想問題，去做事情。主動用資料幫助專案發現一些問題，並且根據自己對業務的理解給出一些解決方案，利用資料分析專案已執行方案的具體效果，把一些不好的業務動作去掉，把更多的資源給到實際帶給專案正向效果的事情。站在業務方視角想一些能帶來的增量的事情，並且利用資料分析師的優勢把想法用資料來衡量可能會帶來的收益，讓事情能更好的落地。

當然做這個點對應資料分析師要求十分之高，需要真的的理解業務。一個好的資料分析師必定是一個好的運營和產品經理。那在你深度參與到專案中之後，並且給專案帶來看得到的效果，業務方就會明白你的價值之大，會讓你越來越多的參與到專案中去，也就能做越來越多的分析報告，也是真的讓你的資料分析結果落地到實際的業務中去，實踐了資料驅動增長。這樣業務方自然而然會捨不得讓你做哪些沒什麼用的臨時取數需求。業務方也不是傻子，自然會懂怎麼樣與你合作對他的利益是最大的。

04、總結

要想避免成為業務方的“取數機”，下面這些點要特別注意：

懂業務，瞭解業務看起來很簡單，其實難之又難，要懂商業本質，要有產品sense，也要有運營思維。所以一個好的資料分析師必定是能勝任產品經理和運營的崗位的。

把自己想象成老闆，用經營的視角的去思考公司的業務。想一想公司商業模式的本質，也可以時常去關注競品的動向，想明白的目前業務的核心到底是什麼，思考公司和管理層需要什麼樣的資料幫他們瞭解業務的發展情況，監控業務的迭代效果。

多站在運營的視角去想當前的業務現狀是什麼，運營目前的困惑是什麼，什麼事情是他們當下該關注的核心，什麼樣的北極星指標能指引運營朝著正確的方向前進。

如果一個資料分析師能把以上3點掌握透了，那必定已經達到一個新的高度，擺脫初中級分析師的瓶頸，擁有了自己的核心競爭力，向著新的成長道路出發。

作者介紹

杭州@阿坤

母嬰電商行業資料分析師兼資料產品經理;

致力於研究電商行業的資料驅動增長以及資料產品從0到1的搭建;

“資料人創作者聯盟”成員。