优秀的数据分析师有哪些特质(一)?

一年一度的互联网晋升季又到了!每天的春季都是互联网的多变之时。绩效、年终奖、晋升、调薪都挤到到这一两个月,每到这个时候,脉脉上的舆论也变得活跃,吐槽的,炫耀的,装x的什么声音都有。毕竟辛苦劳作一年,员工们看重的也就是这几件事情了,爆出各种叽叽喳喳的声音也是可以理解的。

对于我司而言,今年的春季对所有人都是一个milestone,因为我司首次公测晋升啦。我是一直鼓吹尽快建立晋升制度的, 这倒不是我势利老想着升职加薪,而是我从心底里认为,晋升制度的设置对员工的成长有着不可替代的作用。

首先有晋升,就必须有晋升标准,这个标准可是很有讲究和学问的,它对员工的成长方向有着直接的引导作用,尤其对于初入职场的新人无异于是个指明灯。就像我们打游戏升级, 里面每升一级都有详细的标准,而我们平时的游戏操作自然而然也会向这些标准靠拢,成长和升级自然更快。

所以一套科学的晋升标准,不仅给员工明确的指导,让员工少走弯路,而且对于其leader也能更好地评估、帮助下属的成长。否则大家就是根据各自的理解,自由成长,难免很多人长成一颗歪脖子树。

由于我司是首次尝试晋升,对于数据分析师的晋升标准自然是还有很大优化空间的(我挺着大肚子当了四场juninor同学的评委,看了晋升标准后对HRBP提了一通建议) 。和HRBP吐槽完标准后,我觉得还不过瘾,就打算在自己的公号里讲讲自己的看法,以示我对尽快完善这套晋升标准的期待和重视。

既然是数据分析师的晋升标准,自然要问的是,数据分析师应该具备哪些能力项?

我们应该先有个framework,然后才好一一展开。对于这个framework,我其实很久之前就开始思考了,但是想来想去,发现百度的数据分析师晋升framework是最好的,如下图:

优秀的数据分析师有哪些特质(一)?

为什么是这四个能力项,我打算写四篇文章一一讨论,这期的文章我们就先讲为什么有”业务洞察”。

大家回顾下自己做的分析专题,通常会分为以下步骤(示意引用书籍《如何用数据解决实际问题》):

优秀的数据分析师有哪些特质(一)?

我们可以看到,数据分析的第一步就是要明确目的或者定义好要解决什么问题。如果这一步都没有搞清楚,后面的无论做的再fancy,都是白做,对真正想解决的问题没有丝毫帮助。这也就是我们常说的,比努力更重要的是方向啊!

重点来了,如何能够准确地定义好要解决的问题呢?

具体如下图所示,这就需要对业务有深刻的洞察。想要对业务有深刻的理解,只有两个杀手锏:一个是多问(加强对业务的了解),一个是思考(留意“问题之外的问题”,试着从高出自己一两个级别的水平进行思考)。

优秀的数据分析师有哪些特质(一)?

问有两问:

  • 第一问就是平时就要和业务多接触,多聊天,问业务人员他们最近的项目,了解下项目的背景、进展和他们的看法。
  • 第二问就是当分析需求来的时候,要问下为什么要做这个分析,想解决什么问题。

尤其是第二问,特别重要,因为很多时候,需求方(无论是老板还是产品经理)的需求都是在他们自己的假设下提出来的需求,有可能是片面的甚至不合理的。我在成甲《好好学习》书中看到的一个例子非常形象。这个例子是成甲为一个景区提供咨询服务。我们来看下面的对话。

景区:“成老师,我们想新开发的景区二期项目,已经找了好几个团队做了策划,但我们对选哪个策略方案,一直没有拿定主意。您觉得哪个团队的方案好?”

成甲:“能先问下,您为什么要开发二期项目?”

景区:“因为我们一期项目虽然游客不少,但是并没有赚到钱。我们期望通过二期建设的项目来增加景区的收入。”

成甲:“我看了你们的收入数据,现有的景区有着非常好的客流量,只是目前仅仅依托门票经济,客单价比较低。为什么不想办法提高客单价呢? 比如增加娱乐或者餐饮消费,这样投资更少、更稳妥。”

很明显,景区的问题实际上并不是判断“做哪个方案更好”,而是“怎样提升景区赢利能力”。开发二期是景区自己判断出的一个解决方法,但很有可能不是最优解。成甲提供的思路给了景区很大启发,他们一致同意先尝试提高客单价,视情况再决定是否需要开发二期。

看了这个案例,大家再回顾自己的分析项目,是不是觉得自己也在类似情景栽过?

需求方经常急冲冲跑来说,我要看最近一年xx数据的变化趋势。当你辛苦跑出来了,需求方发现数据和自己想的不一样,又进一步提出其他的数据需求。这种反复的工作不仅让你烦躁,还在解决问题的道路上走了弯路。正确的做法是问清楚需求方提这个需求的背景,了解他想分析的问题,然后运用分析师专业的分析问题思路,拆解定位原因,全套地帮助需求方解决问题。

任何一个领域中的顶尖人才都不会仅仅停留在做的具体事情上,而会思考做这些事情背后的原因。在这里,再分享下成甲总结的看透问题本质的利器-黄金思维圈。

具体如下面图所示:最外的what就是我们日常工作中接到的指令,比如跑个数据,做个效果评估;第二层的how通常是如何更快更好地做好这些工作;第三层是why,也就是我们为什么做这样的事情。从why入手进行思考和表达,听起来是一件理所应当的事情。

然而我们都知道,说起来是一码事,做起来又是另一码事。我们大多数人在开始思考问题的时候,根本不是从why出发,而是从具体的what出发。只有从why上出发,才能激发更多解决问题的方案也就是how(正如上述讲的景区案例)。

优秀的数据分析师有哪些特质(一)?

优秀的数据分析师有哪些特质(一)?

另外一个提高业务洞察的方法是多思考。这里的思考不仅仅是思考如何去解决定义的问题A。更重要的是在对要解决的问题A时,不只看问题A本身,而是试着从高出自己一两个级别的水平进行思考,即留意“问题之外的问题”,例如问题B或者C。很多时候我们从更高级别思考的时候,会把原来定义要解决的问题A重新定义。

举个例子,市面上很多app都有邀请拉新的活动,即给老用户一定奖励,让其邀请新用户,比如说趣头条。假设小明是趣头条的数据分析师,现在负责邀请拉新产品经理来给小明提需求,对话如下:

产品经理:“小明,我想看下最近邀请码的填写成功率是否有变化。能帮忙跑个数吗?”

小明:“我们为什么要看这个数据,是最近业务有调整吗?”(comment:小明按照我们之前提到的多问的方法,没有马上去做,而是先问背景。)

产品经理:“不是。我们发现最近通过邀请来的新用户在降低,想确认下是不是因为邀请码填写成功率降低,邀请者没拿到相应奖励,体验不好降低了他们邀请积极性导致的。”

小明:“奥!那你想解决的问题是先定位邀请拉新人数降低的原因,再采取对应措施提升这个指标吧?”(comment:小明重新定义了问题)

产品经理:“对!Exactly”

小明:“当下业务的总目标应该是总拉新人数吧。邀请拉新只是渠道中的一种。我刚看了下数据,最近的总拉新人数是上涨的,但是邀请拉新人数确实在下降,是个有意思的现象。”(comment:小明从更高的角度来理解目标和业务)

产品经理:“我只关注邀请拉新数据了,没有去看总拉新数据。这确实是个有意思的现象,或许它们之前有些关联。”

小明:“恩,对的,新增渠道之间会相互影响。我觉得我们现在问题是,为什么在总拉新人数上涨的时候,邀请拉新反而是下降的?”(comment:小明从更高的角度重新定义了问题)

看完上面的对话,是不是很有启发?从更高或者更广阔的视角定义问题,会防止我们漏掉真正的原因,所做的分析才能对业务更有指导意义!

最后总结下,优秀的数据分析师对业务具有深刻地洞察,从而从更高更广阔的视角定义要解决的问题。这是优秀数据分析师的第一个特质。既然定义了问题,那就要定位产生问题的原因,下一篇文章我们就着重分享原因定位的方法论!

 

作者:阿娇;公众号:后厂村AJ

本文作者 @阿娇

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部