數據分析究竟是在做什么？什么是數據分析，如何做高質(zhì)量、有價(jià)值的分析工作？這篇文章給你答案。數據分析不只取數，一起做高價(jià)值數據分析師！推薦對數據分析，數據運營(yíng)感興趣的童鞋閱讀。

有一個(gè)做數據分析師的朋友，向我表達了他的焦慮。他覺(jué)得每天的取數沒(méi)有技術(shù)含量，知道自己要做分析，但不知道怎么做分析。這位朋友是很多人的縮影。

很多人從第一天入職開(kāi)始就是從取數做起的，以為取數就是工作的全部?jì)热?。從?lái)沒(méi)見(jiàn)過(guò)真正的分析是什么樣的，也沒(méi)有參與到業(yè)務(wù)的決策中去，想跳出來(lái)也不知道從何做起。困在取數這個(gè)枯燥且低質(zhì)量的工作中。

我之前也給過(guò)很多建議，比如少做取數多做分析等等，現在我覺(jué)得還是從數據分析師這個(gè)崗位設置的意義說(shuō)起可能更容易理解，今天了解數據分析究竟是干什么的。

01 數據分析是干什么的

首先要注意，數據分析是干什么的，和數據分析師是干什么是兩回事。要知道數據分析師是干什么的，先得知道數據分析是干什么的。

數據分析是一種決策的方法，是從歷史數據總結經(jīng)驗并推演出結論的完整分析過(guò)程。和數據分析的決策方法對應的，是拍腦袋決策和經(jīng)驗決策。

拍腦袋決策拍腦袋決策，有時(shí)候并不是做出的決策不好。而是你很難持續的優(yōu)化。而有數據記錄，并用數據驅動(dòng)的方法，未必一開(kāi)始做的就很好。但是你可以總結過(guò)去的。經(jīng)驗不斷的優(yōu)化這樣不管你的起點(diǎn)是怎么樣，最終一定會(huì )達到一個(gè)相對較好的水平。

這里講一個(gè)瓷器的故事你就能理解兩者的差異。

在歷史上很長(cháng)一段時(shí)間，中國的瓷器都是世界頂尖的。在明朝末期的時(shí)候，只有中國和中國的兩個(gè)藩屬?lài)r越南能夠制作瓷器。瓷器能夠帶來(lái)大量的白銀，所以朝廷對于瓷器工匠的管理非常嚴格，其他國家的人接觸不到瓷器工匠，無(wú)法得到制作方法。

當時(shí)的歐洲瓷器是非常昂貴的，歐洲人實(shí)在是太想自己做瓷器了。到了十八世紀，一位叫做伯特格爾的煉金術(shù)師開(kāi)始研究瓷器，但伯特格爾不知道瓷土的成份，所以只能不斷嘗試。好在他有煉金的基礎，懂一些化學(xué)實(shí)驗的方法。用了整整一年的時(shí)間，只燒制出了一個(gè)品相非常差的陶器，非常難看且不經(jīng)用。

到了第三年，他非常幸運的在德國的某地區發(fā)現了適合燒制的土壤。但那些土壤和中國瓷土的成分不完全相同。不能直接燒制瓷器。后來(lái)伯特格爾進(jìn)行了很多次的實(shí)驗。終于發(fā)現在這些土當中添加一定比例的長(cháng)石，便可以燒制出潔白的瓷器。

在這四年的時(shí)間里面，他做了3萬(wàn)次實(shí)驗。他不僅記錄了全部的實(shí)驗過(guò)程和結果，而且把每一次實(shí)驗之間的細小差異全都記錄下來(lái)了。

有了這些記錄，歐洲人不斷地對瓷器進(jìn)行改進(jìn)。比如法國發(fā)明了琺瑯瓷器，英國人發(fā)明了骨質(zhì)瓷器。18世紀的時(shí)候，琺瑯瓷器被歐洲人帶到了中國，康熙皇帝非常喜歡，并要求大內仿制。這標志這當時(shí)中國的瓷器在制造技術(shù)上已經(jīng)落后于歐洲了。

這個(gè)故事里中國瓷器和歐洲瓷器的發(fā)展就是經(jīng)驗決策和數據決策的區別。古代中國是經(jīng)驗決策。瓷器的燒制方法都考口口相傳以及多年的經(jīng)驗，手藝經(jīng)常失傳。雖然在歷史中中國瓷器一直領(lǐng)先世界，但由于不重視量化度量，也沒(méi)有實(shí)驗記錄，很長(cháng)時(shí)間沒(méi)有進(jìn)步。

而歐洲是數據決策。歐洲瓷器由于記錄下了陶瓷的成分配比工藝流程等等，雖然一開(kāi)始的起點(diǎn)較低，但很快就超過(guò)了中國瓷器。這就是數據分析的價(jià)值。企業(yè)經(jīng)營(yíng)和瓷器制作一樣，有很多需要改進(jìn)的地方。如果不用數據決策，很快就會(huì )被其他人追上然后失去競爭力。

02 數據分析師是干什么的

數據分析的決策流程在推進(jìn)的過(guò)程中會(huì )遇到一些問(wèn)題，比如沒(méi)有數據、數據雜亂、數據獲取困難、缺少數理統計知識等。所以為了推進(jìn)這個(gè)流程，數據分析師登場(chǎng)了。舉個(gè)互聯(lián)網(wǎng)公司的例子：

分析背景：運營(yíng)做了一次營(yíng)銷(xiāo)活動(dòng)投放，想要分析一下外部廣告哪類(lèi)人群更有效，從而決定下一次的外部投放側重哪類(lèi)人群。獲取數據：于是運營(yíng)給數據分析師提了這樣一個(gè)需求：獲取投放期相比平時(shí)的新用戶(hù)、老用戶(hù)、流失回流用戶(hù)的規模提升規模。分析數據：運營(yíng)拿到數據后，發(fā)現活動(dòng)期流失回流用戶(hù)提升比例較大，初步?jīng)Q定下一次營(yíng)銷(xiāo)針對流失回流用戶(hù)提供回流福利。但還需要評估用戶(hù)回規模用來(lái)確定營(yíng)銷(xiāo)預算。再次獲取數據：于是給數據分析師又提了一個(gè)需求：獲取累計流失用戶(hù)的用戶(hù)數。再次分析數據：運營(yíng)拿到數據后，根據上一次活動(dòng)的回流比例估算了一下回流人數，計算出回流福利所需的預算。分析結果：預估活動(dòng)預算，向業(yè)務(wù)領(lǐng)導提交方案。

這整個(gè)決策過(guò)程都是數據分析。只不過(guò)這個(gè)數據分析中，運營(yíng)同事是主角，數據分析師是配角。整個(gè)分析框架是運營(yíng)同事主導的，數據分析師在其中只承擔取數的工作。數據分析師不知道全貌是什么樣的，有點(diǎn)像盲人摸象，只看到局部，看不到整體。

但如果沒(méi)有數據分析師，這個(gè)流程走下來(lái)也確實(shí)會(huì )比較麻煩。原本一天時(shí)間可以搞定，可以要變成三天。所以這個(gè)案例中的數據分析師的價(jià)值是提高了數據分析的效率?？偟膩?lái)說(shuō)，只要是推動(dòng)完成數據分析流程的工作，都可以是數據分析師的工作。為了完成數據分析的整個(gè)過(guò)程，我們一般要做三件事：獲取數據，處理數據，分析數據。這幾件事對應的工作內容有：

（1）獲取數據：

數據采集：前端開(kāi)發(fā)、CRM錄入等數據存儲：數據庫開(kāi)發(fā)、數據倉庫開(kāi)發(fā)等數據提?。号R時(shí)取數、數據產(chǎn)品開(kāi)發(fā)、報表開(kāi)發(fā)等

（2）處理數據：通過(guò)sql、excel、python等數據處理工具對數據進(jìn)行維度下鉆、聚合等操作。

（3）分析數據：通過(guò)結合業(yè)務(wù)知識、機器學(xué)習等方式，從數據中獲得結論

上述這些工作都和數據分析師有關(guān)，有些公司分得細一些，數據分析師只負責處理和分析。

有些公司比較粗，數據分析師一人多職，什么都要會(huì )一點(diǎn)。

做著(zhù)不同的工作的崗位但都叫數據分析師，這也是目前業(yè)內數據分析師崗位要求非常亂的原因之一。應聘時(shí)也要注意，這些數據分析師的崗位要求千差萬(wàn)別，有些要會(huì )excel，sql，有些要會(huì )hadoop，有些需要咨詢(xún)公司經(jīng)驗等等。要想有準備地應聘，就得事先搞清楚這個(gè)崗糾結側重什么。

03 數據分析師平時(shí)做什么

數據分析師不是出入高層會(huì )議室的光鮮亮麗的軍師角色，而是一個(gè)很苦逼的崗位，有大量的臟活累活。經(jīng)常遇到的臟活累活有：取數、對口徑、底層重構，號稱(chēng)數據分析師三座大山。

取數：

取數是絕大部分數據分析師平時(shí)干的最多的活。領(lǐng)導做決策要你取數、業(yè)務(wù)做匯報要你取數、自己做分析也要取數。有時(shí)候為了取一個(gè)數，要對整個(gè)數據底層做一個(gè)梳理?；舜蟀胩鞎r(shí)間，只取出了一兩個(gè)數。領(lǐng)導看來(lái)還覺(jué)得你工作效率低，取個(gè)數取半天。其中的苦真是一言難盡。

對口徑：

取數的痛苦不僅僅來(lái)自于工作量，還來(lái)自于口徑還經(jīng)常對不齊。取出來(lái)的數據和報表對不上、和業(yè)務(wù)系統對不上、和上次取得數據對不上等等都會(huì )把人心態(tài)搞崩。有時(shí)候辛辛苦苦搞了一個(gè)下午取出來(lái)的數據，發(fā)現對不上。又要花時(shí)間去對兩個(gè)數據的口徑差異到底是什么？如果自己錯了又要重新取。

有時(shí)候一個(gè)數據和其他人不一致，整個(gè)報告就得推到重新寫(xiě)?？趶讲唤y一不是創(chuàng )業(yè)公司特有的問(wèn)題，大廠(chǎng)一樣存在，一個(gè)公司內新用戶(hù)數這個(gè)口徑就可能有多個(gè)版本。我想每個(gè)數據分析師的新年愿望一定是每個(gè)口徑都能夠對齊。

底層重構：

隨著(zhù)業(yè)務(wù)的發(fā)展，數據底層表中的維度和指標經(jīng)常會(huì )變化，就需要底層重構。這個(gè)工作的痛苦之處在于底層變了，那么和它對應的報表也得變，然后周報月報的模板也要變，然后業(yè)務(wù)會(huì )對新的數據反饋一些取數需求……

真是子子孫孫無(wú)窮盡也。以上這些工占到了數據分析是在日常工作當中的百分之七八十的時(shí)間，真正產(chǎn)生價(jià)值的工作只集中在剩下 20%的時(shí)間。所以開(kāi)篇那位朋友提到的數據分析師工作價(jià)值感低。是非常普遍的現象。那么如何提升價(jià)值呢？

04 如何提升數據分析師的價(jià)值

數據分析師的價(jià)值就要看他在這整個(gè)的數據分析過(guò)程中發(fā)揮的作用。一般來(lái)說(shuō)，高價(jià)值的工作有：

提出好問(wèn)題給出好答案總結分析套路提供高效工具解決困難問(wèn)題

1. 提出好問(wèn)題

一個(gè)好的問(wèn)題是決定分析價(jià)值上限的最核心因素。

以下問(wèn)題，哪個(gè)問(wèn)題的價(jià)值更大？

兩組運營(yíng)投放的文案a和文案b哪個(gè)更好用戶(hù)規模下降的原因。目前的運營(yíng)重點(diǎn)應該是繼續提升用戶(hù)規模還是嘗試商業(yè)化？

第一個(gè)是具體執行的問(wèn)題，關(guān)系到某個(gè)具體的業(yè)務(wù)同事的工作，分析的結果是最終選擇一套方案。

第二個(gè)是戰術(shù)層面的問(wèn)題，關(guān)系到一個(gè)運營(yíng)團隊的工作，這個(gè)問(wèn)題的結果可能導致運營(yíng)團隊的工作重點(diǎn)發(fā)生變化。

第三個(gè)是戰略層面的問(wèn)題，關(guān)系到整個(gè)項目組的工作。分析的結果可能導致項目組的KPI變化甚至組織架構調整。

所以很明顯是第三個(gè)戰略層面的問(wèn)題更有價(jià)值。

不過(guò)很少有數據分析師能夠直接參與到戰略層面的分析，分析戰略層的問(wèn)題?？赡懿磺袑?shí)際。但戰術(shù)層面的問(wèn)題還是可以切入的，還是盡量的分析一些更高維度的問(wèn)題。

2. 標題

日常的分析往往淺嘗輒止：

銷(xiāo)售額為什么低？因為轉化率低。轉化率為什么低，因為落地頁(yè)轉化率低為什么落地頁(yè)轉化率低？因為……

這幾個(gè)回答都太淺，只給出表面的原因。這種結論給多了，業(yè)務(wù)以后就只會(huì )找你取數了。因為你給不了他想要的結果。

分析的結果有幾個(gè)層次：

最低的是what：告訴我業(yè)務(wù)同學(xué)目前發(fā)生了什么事兒？是好還是不好？是會(huì )繼續還是會(huì )結束？其次是why：再然后是告訴他目前發(fā)生了這件事背后的原因是什么？最后是how：最后是這件事兒能怎么辦？

盡量的多給出how，如果給不出號就給出why。如果都是what，那么價(jià)值就太低了。

3. 總結分析套路

前面兩個(gè)方向是把數據分析做得更深。挖掘更深物體。給出更深的解答。如果你不能在深度上提供更多的價(jià)值，那么你可以考慮在數量上。提供價(jià)值.

這不是說(shuō)你做更多的分析。一個(gè)人的時(shí)間總歸是有限的。再怎么加班努力也很難產(chǎn)出比平時(shí)高一個(gè)數量級的結果。但是你可以通過(guò)總結一些類(lèi)似問(wèn)題的分析方法論，并將這些方法論推廣到全公司，甚至直接沉淀在業(yè)務(wù)系統中。那么更多的人采用這樣的方法，全公司提升的效率都是來(lái)自于你的產(chǎn)出。

4. 提供高效工具

另一種提高數量的辦法是提供高效的工具。這是最容易做到，但也很辛苦的一類(lèi)工作。

每家公司或多或少都會(huì )有一些報表，但是報表好不好用就是另外一件事了。大部分的報表只是滿(mǎn)足一些基礎的數據查詢(xún)的需求，但往往數據口徑煩雜不清。報表的成績(jì)結構又比較混亂，而且沒(méi)法解決一些個(gè)性化的下鉆或者聚合需求。

如果你能夠提供一個(gè)統一口徑、層級清楚、持續維護的報表或數據產(chǎn)品，這也是一種高價(jià)值的工作。很多大廠(chǎng)會(huì )有專(zhuān)門(mén)一個(gè)團隊來(lái)維護成熟也許的報表體系，所有業(yè)務(wù)層面的變動(dòng)都會(huì )告知這個(gè)團隊，隨后在報表基礎上修改。

時(shí)間長(cháng)了之后，這套數據產(chǎn)品就成了公司內工作流必不可少的一個(gè)部分。但不是所有領(lǐng)導都能看清這個(gè)工作的價(jià)值?？赡軙?huì )會(huì )出現你在的時(shí)候別人不覺(jué)得這套報表有多重要，等你走了才發(fā)現沒(méi)你真不行。

就算是你的領(lǐng)導非?？粗?，你也要清楚這種成體系的報表系統在初期是沒(méi)什么出彩的地方的，也許在最初的三個(gè)月大家都不認可。但到達一個(gè)量級會(huì )產(chǎn)生質(zhì)的變化。所以要做這方面工作，需要一定的耐心。

5. 解決困難問(wèn)題

最后一種提高工作價(jià)值的方法是解決困難的問(wèn)題。

困難的問(wèn)題類(lèi)型有很多。

溝通問(wèn)題：某個(gè)分析問(wèn)題牽扯到很多的部門(mén)，不同部門(mén)的訴求也不同，跨部門(mén)的溝通非常困難。如果你能平衡各方訴求，解決跨部門(mén)項目，這是價(jià)值。產(chǎn)出時(shí)間問(wèn)題：由于數據量級太大，無(wú)法保證在每天上午8點(diǎn)前產(chǎn)出數據。如果你能夠通過(guò)巧妙的數據模型設計使得產(chǎn)出時(shí)間提早兩個(gè)小時(shí)，這是價(jià)值。團隊合作問(wèn)題：業(yè)務(wù)團隊沒(méi)有數據驅動(dòng)意識，數據分析團隊開(kāi)拓合作不順利。你通過(guò)找出對方的業(yè)務(wù)痛點(diǎn)，主動(dòng)提供分析結論，并推動(dòng)建立流暢的合作機制，這是價(jià)值。高層決策問(wèn)題：高層討論決策時(shí)，希望能即時(shí)清楚業(yè)務(wù)現狀，加快決策效率。你把絕大部分的業(yè)務(wù)指標都記在腦子中，成為高層決策時(shí)的人肉取數機，聊到任何業(yè)務(wù)問(wèn)題都能馬上說(shuō)出是否符合數據現狀，這是價(jià)值。

業(yè)務(wù)需要，但別人做不到但你能做到的困難工作，就是有價(jià)值的工作。

05 小結

對企業(yè)和組織來(lái)說(shuō)，數據分析是必不可少的，但數據分析師不一定。我們能做的就是盡量提高自己在數據分析流程中的價(jià)值。如果數據分析師不能在數據分析流程中提供更大的價(jià)值，那么數據產(chǎn)品+業(yè)務(wù)解讀能取代大部分的數據分析師。

數據分析師這個(gè)崗位其實(shí)是不太標準化的，你能做什么完全看你各方面的總和能力。搞清楚數據分析是干什么的，可以讓我們理清自己可以發(fā)揮價(jià)值的地方都有哪些。如果不知道數據分析師要解決的問(wèn)題，也就不知道自己可以在哪里發(fā)力。

結合自身優(yōu)勢，找到流程中自己能發(fā)揮最大價(jià)值的環(huán)節，一起做高價(jià)值的數據分析師。

專(zhuān)欄作家

三元方差，公眾號：三元方差（sanyuanfangcha），人人都是產(chǎn)品經(jīng)理專(zhuān)欄作家。專(zhuān)注用數據驅動(dòng)業(yè)務(wù)增長(cháng)，擅長(cháng)數據分析、用戶(hù)增長(cháng)。喜歡閱讀、思考和創(chuàng )作。

本文原創(chuàng )發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉載。

題圖來(lái)自Unsplash，基于CC0協(xié)議

該文觀(guān)點(diǎn)僅代表作者本人，人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務(wù)。