就光会拉个数，要你数据分析师有什么用？

大数据架构师 2023-07-28 08:37:02

“就光会拉个数，要你数据分析师有什么用？”

这句话是一个数据分析师朋友告诉我的。听到这句话的时候，他感到非常冒犯。为此他很沮丧，不知道该如何应对。

正好，上周末听了宋世君大佬做的一次内部分享。分享前，收集了一些共性的问题，有些也与我朋友的诉苦类似。就比如这个：

感觉自己快撑不住了，每天都很”拧巴”，周围身边的同事都在言必谈分析，自己这个专门做分析的人却做不了分析，与同事的交付基本都是中间态，比如这个报表什么口径，那个地方有没有上报，这么计算有没有问题，总不能像唐僧似的，逢人便说“你别做分析，还是让我来”，既不能劝退，又不能主动，那就等待，可是想等别人分析出问题（非恶意），似乎一直也等不来。

一、企业的数据分析文化

很多数据分析师都以“SQL Boy”、“SQL Girl”自嘲，这个外号其实透露着非常多的无奈。很多数据分析师都感叹，每天都是在写SQL、拉数、出报表。运营和业务拿走数据之后也不知道干了些啥，然后就一个大锅扔过来，说数据错了。

还有就像上面那位朋友描述的场景一样的，言必论“分析”，但是数据分析师却做不了分析，实在是太拧巴了，根本体现不出数据分析的价值感。

宋世君大佬其实讲的很透彻，这就是企业数据分析文化导致的。甚至，绝大多数公司给数据分析师安排的岗位目标就是这个，保证有数，数据对。工作任务自然就变成了每天都处理数据、做报表、背锅。

诚然，很多人对数据分析的理解不一样，当然结果就不一样。我一直就跟很多人表达一个观点，工作最重要的不是把事情做好，而是是教育。用“教育”这个词不太好听，换个词可能比较合适“拉平认知”。因为只有理解一样了，对一个问题的难易、解决的时长才能有理性的认知，才能坐下来一起好好商量对策，才能把事情顺顺利利的做好。我理解，这也是宋世君大佬所说的企业数据分析文化。

二、数据分析师生存之道

在宋世君大佬的位置上，当然可以去推动数据分析文化的发展了，但是我等“SQL Boy”、“SQL Girl”面对这种：

【有问题又不细说，说问题只让提数，提了数又不让分析，分析了也不听结论，听了结论又说早知道，知道了结论又要策略，给了策略又不用，用了策略又不好好执行，执行不好又甩锅过来】的情况，你说我们能干啥？

我们还能抱着“数据分析是一种艺术”这样高高在上的感觉继续自嗨吗？给你一个3.25信不信？

所以啊，我们真得好好盘算盘算一下，看看数据分析师都能从哪些方面体现自己的价值，都能在那些方面使劲。这样也好规划出进化的方向不是？

其实体现自己价值也就这几个方面：

我懂，你不懂，这是认知差，体现知识的价值；
我会，你不会，这是能力差，体现技能的价值；
我快，你很慢，这是效率差，体现高效的价值；
我有，你没有，这是资源差，体现独特资源的价值；
我知，你不知，这是信息差，体现掌握信息的价值。

这些是从哪里来的呢？当然不是我瞎编的了。我是参考生产要素整理出来的。核心的生产要素就是劳动、资本、土地。劳动又分为工作时间、知识智慧等，资本又可以分为资金资本、人脉资本、设备资本等等。反向梳理一下，上面的5点就出来了。

当然啊，按照这个逻辑，你还可罗列出来更多。但是我觉得有这么多，就已经足够我们分析了。我们挨个来分析哈：

跟运营、业务比，其实信息差优势不大。我们是对数据更了解，但是他们对业务更了解，细节知道的更多。所以信息差没啥优势。

对于我们数据分析师个人来说，设备、数据等资源都是公司的，虽然我们的权限会大些，但肯定不能当做我们的核心奋斗目标。而且你越是藏着掖着，到最后这些绕不过去的活肯定就都成了你的。而人脉这个东西，谁加个数据分析群群还不是分分钟的事情啊？资源差不可取。

至于工作时间，谁还不想早点下班啊！凡是用疯狂加班体现自己价值的，我个人是不太建议的。工作效率咱倒是有自信的，但是架不住N多的需求，和不断的改需求啊！效率越快，成为SQL Boy的可能性越高。效率差策略完败！

至于技能，这是最让我们哭笑不得的地方。现在那个运营还不会写几个Select啊？就算不会SQL，放excel里也一样做分析啊，看看趋势、各种对比、细分，数据分析的方式方法其实也就那么多。啥？你说指标体系？正规公司那会老规划啊？再说了，谁都见过指标体系，从上家公司抄几个过来也能糊弄事。更不用说现在各大厂都在全力推进数据产品建设，数据分析这种事情变得门槛越来越低了。能力差越来越小了。这也是数据分析师们越来越恐慌的核心原因。

唉，我们这么盘算下来，也只有认知差这一条路了。知识、智慧、洞察力，才是我们的核心价值所在。那该怎么做呢？

三、奥义·大分析术

前面唠叨的够多的了，下面就直接上干货了。

提升知识、智慧和洞察力，首先第一条就是不能下牌桌

什么数据分析要懂业务这种废话就没必要再强调了。你再懂，不跟运营一起开会，也就是不在一张桌子上打牌，他们就不会听你的。不信你看，牌桌上的人听谁的，不听谁的？他们对旁观者的言论是最讨厌的，在牌桌上的牌友骂他都得认，因为他知道是真的打错了。

不下牌桌这个比喻不太好听，那我们换个词吧，叫“共生”。数据分析和业务运营一定要在一个体系上共生，否则数据分析师就会因为分工，变成SQL Boy了。个人可以通过参与某个项目的方式加入进去；数据分析团队可以通过建立“DABP 数据分析商业伙伴”的形式散播人员到运营团队去。

别以为我是在瞎扯啊，阿里之前就这么玩过，我自己也这么安排过，效果非常好，这样我们就能跟整个组织紧密的“共生”。

第二条原则就是一起面对难题

有些牌品不好的人，赢钱了就跑，输钱了不让人下桌，非得回本不可。这种人最后的下场都不咋地。作为一个合格的“DABP”，我们必须得有与运营、业务共同面对难题的勇气和担当。

当然啊，“运营”、“业务”也不是一个整体，也有管理层和执行层的区别，也有产品线、分工的区别。同时呢，难题和难题也是不一样的，有需求导向的，有问题导向的，有KPI导向的，有任务导向的。我们肯定是要细化思考、区别对待的。篇幅有限，我只举一个例子展开分享一下。

我之前在电商公司担任数据负责人的时候跟业务联系很紧密。有一次，广东省地推负责人在微信上跟我吐槽，说广东是新开的区，运营又不给政策，业务拓展太难了。我对运营也比较了解，新区的红包政策是有的啊，了解之后才知道，新区的红包给的都是小额的红包。但是广东都是二批商居多，小门店基本都从二批商那边进货。那我做了一个什么事？跟运营负责人聊，两边搭桥，把广东的小额红包改成大额红包，但是总体优惠力度不变。这样瞄准的目标就从小门店转向二批商，切口变了，效果自然就好了。当然，这种事情不能一直干，否则就离公司拉拢门店的目标越来越远了。

什么是精细化管理？这就是啊，面对具体的问题，制定具体的策略。之前看贝壳的管理，他们都是一城一策，有些特殊城市甚至是一区一策。如果我们数据分析师不能跟运营、业务一起了解细节、面对问题，出来的方案肯定让人嗤之以鼻啊！这个我称之为“共死”。