野生数据分析师脱困指南

从本质上看，数据分析是个技术工种，不像运营/产品，非常依赖成功案例。作为数据分析师，有能力提取/加工数据，了解常见的业务场景，能梳理清晰需求，能搭建看板/模型，能做好测试，就足够我们安身立命了。

没人带、没人教、没团队，你占了几条？如果三条占两条，就是所谓的“野生”数据分析师了。如果再加上：

1、公司数据基础建设一塌糊涂

(资料图)

2、其他人都催着你赶紧给数据

3、领导总嫌弃你分析不够深入

那就是传说中荒野之神——野中野的数据分析师。

没几个人喜欢这种状态。没人带会让人迷茫，没人教上手很慢，没团队则在干活的时候经常被欺负。如果再加上被人嫌弃，那简直不用干了。隔三差五，就有同学来抱怨。该怎么破局呢？大家知道，陈老师一向不喜欢灌鸡汤，今天我们就脚踏实地来研究下，该怎么脱困。

一、从识别生存环境开始

注意！对数据分析师来说，真正最难的是没数据。如果连基础数据建设都没有，每天拿着各种来源的数据东拼西凑，自己搭草台数据库，那就真的没啥搞头了。相比之下，分析要求多，流程乱，都是疥癣之疾。因此在识别生存环境时，首先看的是公司的数据基建情况。

虽然都有可能出现“没人带”的情况，但是具体到数据基建上，可能有五种状态：

状态1：公司刚起步，啥都没有，依赖阿里、亚马逊等平台提供简单、基础数据。

状态2：公司有一定规模，有业务系统（比如进销存，ERP）但数仓没搞起来，也没有数据团队。

状态3：公司有一定规模，数仓有人管，但是没有专门的数据分析师，现在刚开始招人起步。

状态4：公司有数据部门，但是自己被散养在外边了，比如丢在运营、产品、用户增长团队。

状态5：公司有数据部门，自己也在数据部门，但是领导不愿意教，也不带！总让我自己多想想……

这里，状态1、状态2是没数据的状况。这种时候相当麻烦，一来，这时候连基础数据都没有，大量的工作要处理基础数据；二来，因为团队缺失，没有人能凭一己之力把所有开发做完，肯定会有很多野路子搞法，会有很多东拼西凑的东西；三来，小公司的业务很多依赖平台，基于平台数据，能挖掘到的东西也有限，运营经验比分析能力要有用的多。更不要提，小公司流程不规范，同事之间摩擦是很有可能的。

划木筏的经验，不见得对造航母有用。所真在这种团队，先问自己一句：“我喜欢这个团队吗？”如果喜欢，那么尽可能满足团队需求，野路子/正路子无所谓，先把团队所需要的做好，等团队规模做大，能招人了，再逐步补齐能力短板。

如果不喜欢，就润吧。注意！想润其他公司，有一技之长即可，不见得要满足所有需求。特别是很多从业3年内的同学，有取数能力，了解常规业务指标，熟悉数据看板、报表做法，润走是问题不大的。

状态3、4、5，实际上是有数据的，更大的困难是没人教，没人带，用不好。和没数据相比，起码有工作的基础。更多要看怎么应对工作挑战。

二、区分面对的挑战

在有数据的情况下，如果缺少团队和指导，很有可能面临的压力，都是业务给的：

1、业务为什么拿数据，不跟你说

2、业务拿到数据以后干了啥，也不跟你说

3、你提的意见，业务不是不理，就是“早知道了”

4、业务主动问你的问题，都是算命，比如“准确预测下销量”

5、业务直接把他们问题甩到你面前“你说我该怎么做活动……”

随便碰上一个就能把人气半死，碰到3个以上，就会让人有离职的念头，甚至自我怀疑：“到底这个数据分析该咋干？？？”

这里的核心问题，是需求分类的问题。

【以下部分是重点】

数据分析支持业务，是分步骤，分层级的：

第一步：梳理业务流程，建立指标体系

第二步：提供基础数据，满足基础需求

第三步：建立判断标准，增加监控/警报

第四步：分析问题原因，积累分析经验

第五步：建立业务标签，提升测试能力

第六步：总结业务规律，提升预测能力

第七步：建立业务标签，分析复杂问题

这一步是一步步来的，特别是前三步，着急不了。如果数据采集不完善，基础数据不全面，今天看到10%下跌觉得很正常，明天就为1%下跌急得抓耳挠腮，那还做啥深入分析。

但是业务部门并不理解这些。很多人都认为：“不就是一个数字吗，为啥要这么麻烦”还有些人认为“你看数学/统计学/机器学习的公式那么复杂，丫一定有魔法，我输入一个12345，丫就能算出惊天秘密”。因此业务部门总是嫌弃基础工作浪费时间，总是想一步迈进魔法时代。

这时候，数据分析团队的领导就非常重要。如果是有团队，而非野生状态。团队领导就会帮助业务梳理需求，把需求分层，基础类的数据采集、指标体系、数据监控，以固定报表/看板的形式满足。满足个性化需求时，优先满足老板们的需求。一个独立的部门经理/高级经理/总监的身份是很必要的，可以利用职场规则，挡掉很多不靠谱的事。

但是，没团队的野生哥们就惨了。特别是那种人就在运营、用户增长、产品、销售部、市场部，却挂了个“数据运营”“数据专员”“数据支持”的哥们。本来就是业务部门的人，又吃业务的饭，业务会理所当然认为你能搞掂这些。所以被虐得最惨的就是这些哥们。这些哥们连讲理都没地方讲理——上司就是业务的头，丫不听呀。

这个时候，问问自己“我喜欢这个团队吗”如果喜欢，就坚持住，尝试按照正常的流程，先解决基础问题，再输出复杂分析结论。如果不喜欢，直接润是没啥问题的。

三、提升自身的能力

还有一种情况，就是虽然有数据团队，但是上头的领导不！管！事！没啥工作指导，也不会出头和业务沟通，说不定还转过身PUA下属：“你看，你的独立工作能力还不行呀！”搞得很多同学心生疑虑：“这人是咋混上来的……”以及“我要怎么扛过去……”

注意！一个人能当上领导有很多原因：

1、大厂镀金出来的

2、熬资历熬上来的

3、伺候老板很舒服

4、丫就是靠卖下属上台的

特别是第四种，有很多数据团队的领导，如果发现项目成果很好，就自己去汇报。如果对分析报告/预测模型没信心，就让下属去汇报，让下属顶第一波雷再说……

所以，如果真遇到上司不顶事。仔细看看他自己交付给老板/其他团队的成果质量如何。如果他自己都不着四六，老板也不满意，那就说明丫是个水货。如果他自己交的质量不错，但是不怎么给你意见还PUA，那就是在卖队友。

此时怎么办呢？注意！数据分析，是少数不需要领导审批也能工作的岗位。因此即使独立面对业务，也不用着急，一步步去做。

1、把不属于数据分析的，比如“我该怎么办”摘出来

2、属于数据分析的，按照前文所属流程，一步步做

3、碰到诸如“建模/预测”一类复杂问题，先把需求搞清楚

4、在数据允许的范围内，提供输出，数据都没有的，直接放弃

这样可能会得罪一些人，遭一些差评。但说实在的，在你的领导散养你那一刻，遭差评、得罪人就是命中注定的。所以不用纠结这些。等自己技术经验/业务知识积累够了，就再问自己一句：“我喜欢这个公司吗”如果不喜欢，我们润的本钱也攒够了。

四、小结

从本质上看，数据分析是个技术工种，不像运营/产品，非常依赖成功案例。作为数据分析师，有能力提取/加工数据，了解常见的业务场景，能梳理清晰需求，能搭建看板/模型，能做好测试，就足够我们安身立命了。自己的硬本事是关键。以上详细的场景拆分，总结成一句话，就是：“不要因为公司基础不好/业务态度冷淡/领导的PUA，而把我们宝贵的精力浪费在积累核心能力以外的事情上”，努力提升能力，更好的公司的是！与大家共勉。

标签：