3

数据分析有时不是科学,而是人情世故

 1 year ago
source link: https://www.yunyingpai.com/%e6%95%b0%e6%8d%ae%e5%88%86%e6%9e%90/933263.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

本文作者依据自己从事数据分析多年的经验给大家一些工作处理中的经验,贴和需求的分析在职场中往往比生硬的数据更有意义,作者分析原因给出建议,希望给大家带来帮助。

ykuE7ZcJXsG5xuGDIMX8.jpg

我在数据分析领域8年,加上做自媒体2年,遇到许多场景与案例。

今天,想从行内人的角度,给刚入行不久的同学分享一些认知。

当然,家家都有本难念的经:产品经理常被甩锅、程序员也要和产品打擂台。接下来我说的这些不是说数据分析没价值、劝退大家,而是暴露问题,才能解决问题

国内这波数据分析浪潮是伴随着2015年增长黑客从硅谷引进后开始的,但绝大部分企业的基建并没有跟上,导致有时数据分析师处在一个尴尬的境地。

以下讲的是占大多数的中小公司的现状。

首先,是与各个需求方的「矛盾」。

01 与老板

先不说数据分析结果有没有用。

光是说它有没逻辑?其实很多时候老板说了算,老板说不是就不是,甭管你用了多严谨的统计概率学方法。

导致数据分析基本上是在面向老板分析,迎合老板想法。

02 与直接上级领导

和老板差不多,但上级领导还有一个属性:办公室政治

例如,开会就是在老板面前表演,领导就需要你的数据分析来佐证观点,show业绩

此外,对于独立的数据部门,还会有个怪像:老大会阻止数据分析师讲太多给业务听,有时明明做个模板就能解决的重复问题,也不能做 为什么?很简单,如果业务拿到模板自己就能做了,甚至学习到了分析逻辑,那还要数据分析部门干嘛?价值就没了?所以要手动构建数据部门的护城河。

03 与业务同事

数据科学中有个概念叫:可解释性,说的是你的分析方法包括算法逻辑,如果不能讲清楚,不只是你老板,你同事也不会认账。

但往往,尤其是涉及算法的部分,很多时候是黑盒子,或许你很清楚,但业务同事不懂,甚至没有数据思维,就无解了。

那同事不认账的结果是怎么样?

要么是数据分析师妥协,把分析逻辑改简单,结果就是不严谨,误差大,但业务能接受

要么就是业务同事不帮你把分析结论和建议落地

04 与HR

甚至是hr,其实也会来找茬,你的工作到底有没价值?

价值来自哪里?只有一个检验的地方,就是业务增长

此时就知道上一个小点,业务同事不帮你落地,你的分析就是飘在空中的,无价值。

当然,你的工作也不完全没价值:

  • 间接价值,给的分析洞察能给业务带来新的认知;
  • 自动化流程,用Python或RPA开发机器人,帮业务省时间;
  • BI报表,就是往数据产品的角度,把产品做出来,业务用起来,就可以算是价值。这也是BI发展比较快的原因。

OK,聊完外部的问题。其实很多数据分析师新人自身的知识结构也有「矛盾」。

05 重技术轻业务

很多新人以为懂Python学SQL就是数据分析师,其实这些技术没有门槛,不会是你未来5-10年的核心竞争力,对业务的洞察才是

数据分析与数据运营相比,反而后者更好落地。为什么?因为后者是在业务团队,而前者经常是独立的部门,或者中台部门,离业务很远。

这会导致什么结果?分析逻辑脱离业务现实,给的建议远离业务目标。

给同学们一个很简单的道理:永远做离钱最近的事,而钱来自业务。

说句夸张点的,不懂业务,你连指标体系都建不起来

要怎么办?

开头说了,我们暴露问题是为了解决问题。进而能成为能产生价值的数据分析师。

06 锻炼能力

1、理解业务,抓住重心

到一线跑,甚至是轮岗到一线卖卖货,把手弄脏,才能了解业务是怎么干的。接下来,结合点线面体的思路,从梳理业务流程、到搭建业务模型,参考文章:数据分析师如何建立「业务模型」深入理解业务

2、 沟通能力,积累人脉

平时和业务保持良好关系,会吸烟的递根烟就是好朋友但我不吸烟,中午聚一起吃饭也能了解到很多。

3、 向上管理,想领导所想

首先你得懂你上级:如果是部门领导,要知道他的处境是要体现部门价值,还要防止其他部门背刺 如果是老板,要懂他想要什么?

4、 分析逻辑,时刻围绕着「落地」

从前3点得到的信息,拿来干嘛?需要落到数据分析的逻辑中:

1)分析逻辑要融入业务知识。例如复购率的计算,这个指标有很多个计算方式,到底要定哪个?就是基于业务属性。

2) 把分析看做是一个项目,这个流程要让业务也参与进来。及时与业务同步分析过程中你发现的问题,拉上业务讨论,可能有什么原因,甚至是共创一些建议。让业务有参与感,这个分析逻辑ta才看得懂。

3) 结论建议要与业务KPI捆绑搞人脉关系的原因除了是要了解业务外,还有就是获得业务最新的动向,例如月报里暴露的问题、季度的目标、业务线的规划,如果你的分析结论能解决这些问题,还愁业务不落地吗?

4)及时运用向上管理工具,帮领导分担

  • 定期向领导汇报,让他有安全感。
  • 站在上级的角度考虑问题,从点线面体的理论,就是在「面」上思考,多想一步
  • 如果在与业务沟通的过程中有问题,把上级拉出来压对方,务必让建议落地,分析项目才有价值,领导在会议上才有东西说。

作者:饼干哥哥;公众号:饼干哥哥数据分析

本文由@饼干哥哥数据分析 原创发布于运营派,未经许可,禁止转载

题图来自Unsplash, 基于CC0协议。


About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK