本文转自知乎
作者：接地气的陈老师
—————————————————————————————————————————————————————
辛辛苦苦跑的数据没人理，对数据分析师/专员来说是一件极具挫败感的事情。如果在日常更新数据的同时，还要接大量没头没尾的临时性需求，就更有挫败感了。如果发现接的临时性需求其实可以用日常数据替代，就更有挫败感了。“求求各位大爷看一眼报表好不好！”一股怨气油然而生。每天埋头跑数没人理，葬送数据新人职业发展的头号杀手。
有意思的是：没人理不代表数据没人看。其实业务部门对待数据的态度，大概有这么几类：
本质上数据分析是一种能力，是个人就能掌握，自然业务部门也有能力高低之分；终于意愿吗，就看个人态度了
自有主张型和自视甚强型本质上是一类人：懂数据的业务。他们自己有分析能力，所以不是很依靠数据部门给意见。大部分时候他们只需要原始数据，分析都是自己做的。唯一的区别在于：分析结果是否对他们有利。如果看到结果有利，自然嗷嗷叫的写报告，把好看的指标往上摆。如果看到结果不佳，就祭出“数据不能全面客观反映事实”“业务发展有多种复杂因素”来替自己洗地。
这两类里，自有主张型相对好沟通一些，至少他们主观上有意愿分析数据。和他们合作，要么在专业性上压倒他们，参见《运营都会写分析报告了！数据分析师该怎么办？》。要么安心提供基础服务，把常用的指标固定成数据产品，既方便业务应用，又能够增加数据部门的成果。
自视甚强型就难办了，因为你很难叫的醒一个揣着明白装糊涂的人。常见的，比如业务部门KPI没达标，然后变着法的给自己找理由，你提数据不好看，他说：“你还有XX因素没有采集到数，分析不全面”或者业务部门老板已经打定了注意，你提数据不能支持他的观点，他说：“数据只是过去的结果，未来行不行得看业务逻辑”总之总有理由。确实，我们无法量化所有的影响因素，也没有本事预测所有未来，所以对这种人就敬而远之吧。毕竟我们希望多争取朋友，而不是四处招惹敌人。╮(╯﹏╰）╭
谁来帮忙型很多是靠经验、资历、人脉、运气做上来的老人。可能在一个行业里混的久，有经验积累，但是能力真的不咋样。特别是数据分析能力。最常见的表现就是逻辑性差，遇到问题喜欢拍脑袋，吃经验。等到经验不够用的时候就蒙了。其实他们不是不想回复数据分析的报表和报告，八成是没看懂。往往处理问题，也是拉上一堆人开拍脑袋大会，会场上啪啪之声不绝于耳。O(╯□╰)o
这时候如果直接丢一堆数据分析转业概念，比如描述性统计，探索性分析，假设检验，因果关系blaba，估计就把他们直接整晕了。我们可以提供一个简单的思路来梳理问题：
其实就是：描述性统计-探索性分析-假设检验等等过程的土味说法，简称土味Q5
在讨论问题的时候，一步步推演，把每一步建立在坚实的数据基础上。比如当业务部领导问道：“为什么业绩增长这么乏力”的时候。可以拆解出几层问题：
- 信息来源：业绩增长乏力这个感觉哪里来的？看没看过数据？
- 是多少：业绩增长的数值是多少？从什么时候开始看？
- 是什么：怎么就叫乏力了？标准是什么？依这个标准，是从什么时候开始乏力的？是全局性乏力还是局部乏力？是持续性乏力还是偶发乏力？
- 为什么：有没有怀疑对象？有没有过往类似经验？
这样一步步来，很容易就从千头万绪中缕出一条主线，排除一堆无需缥缈的恐惧。全程没有一个专业名词，非常适合不懂数据的人参与进来讨论。就像医生诊病一样，医学很专业，但医生问的问题却是个人都答的上来：“哪难受？什么时候开始难受的？之前有过没有？……”
所谓久病成医，和这些部门过几次分析思路以后，就慢慢能让他们学会一些分析思路。起码遇到问题不要急着拍脑袋，而是去找一下报表，看看哪些数据指标真的有问题，量化思考一下。能达到这一步，后续的合作就不愁了。
晕头转向型大部分是新人，或者是一线人员，在销售部/业务部/渠道部/分公司最多。要么还没有认识到数据的作用；要么忙于一线事物顾不上做计划；要么刚刚入门，不知道一堆数据从哪里看起。这时候可以循序渐进，三步走，先从吸引大家注意力开始。
如何吸引大家，这里有很多做法。能拿到组织的授权，安排正式环节最好。比如销售部强制要求晨会必须做数据分享，否则扣绩效。比如市场部每月例会必须安排数据分享环节，领导亲自监督。问题是，这样需要来自高层的支持。如果没有正式授权，可能就得采取一些旁门左道。这里有很多小技巧：
比如销售部最爱用赛马打比方，相容团队发展。好，我们就玩赛马。每次就只放一个业绩完成指标，就把图表做成赛道，还给一个团队的起上不同的名字：骏马、老马、瘦马。搞得销售部的人都相互喊XX马的绰号，自然每天关注我成什么马了……
比如大家都喜欢看美女！于是我真在某个女性销售占比高的公司做了巾帼图。每天让业绩最好的销售头像大屏霸榜。女士们一看自己上榜都可劲的化妆PS，然后大家形成习惯定时开报表看美女(✧◡✧)
总之有了吸引力，就会让大家长期关注，有了关注度，就会引发各种思考：为什么总是这个人业绩第一？他有什么独门秘籍吗？为什么大家都喊难的时候，他能增长这么快？有了这些疑问，能力强的就会自己做分析，产生大量分析需求。能力差的就会向我们求助：帮帮忙分析下为啥这个人会一直霸榜。如此一来，机会就来了。
以上只是一些小小的心得分享，想让大家在抱怨之余，看到一线希望。通过我们自己的努力，可以慢慢扭转默默无闻扒数据的尴尬地位。当然，有很多新人是直接选择跳槽，换个坑。可坦白的说：选坑碰运气，爬坑靠实力。想找一个完全没有坑的数据分析岗位是很艰难的。因为本质上数据分析是一个服务部门，服务部门就是会遇到各种难伺候的顾客。所以即使是想换坑，提升内功也是必要的。毕竟频繁跳槽本身，又是另一个坑了。
然而，别人不理自己不代表全是坏事。有一类需求可能是很多新人听了兴奋，老人听了一阵寒气从裤衩顺着脊梁涌到脖颈的：要精准预测未来XX业务情况！业绩发展全看预测的了。为啥？且听下回分解：
更多分享，关注公众号：接地气学堂
扫一扫
4022
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
