沦为“取数工具”的那些日子，我懂得了这些道理

场景一：入职第一天，领导给了张50M的EXCEL说：这里有100多万条客户信息，来个大数据分析下。震惊！

场景二：千辛万苦整理的数据，发现数据非常真实，75%的记录缺失，10%记录出错，5%记录不全，大坑！

场景三：好不容易整完数据，领导觉得同比环比太简单，要求搞点模型，结果太复杂，还没讲完领导就摇头，无语！

场景四：终于得到输出结果，和业务经验认知差不多时：“你做的这些我们都知道，做的意义在哪，翻白眼！

结果与业务认知相差很大时：“你做的数据不对，和我们的经验完全不同，肯定有问题，怀疑人生！

相信稍微有些经验的数据人员，都或多或少经历以上的崩溃瞬间。大部分时间沦为取数工具，一堆口径不统一，填写不规范的表让你头晕脑胀，在数据质量这条坎坷之路上辛苦排雷的同时，偶尔还要被动的接收来自管理层、业务人员的不知所云的“需求”，最后结果也只是有好处想不到你，出了问题肯定都是数据的锅。

1、数据人的苦，条条苦入心扉！

1）沦为取数工具人

每天都在取数，永远有着一大堆做不完的取数需求，但感觉都是些重复性的工作，即便是输出报表后，也没有多大的成就感。天天还是被领导催、被业务催，需求都很急，好像就没有不急的。

2) 不懂业务

都说做数据分析要懂业务，可是自己又没干过运营，又没干过销售，怎么去了解业务？想深究业务的想法，但不知道从何入手，和业务的对话效率很低，即便自己摸索出来的感觉有价值的分析点，业务部门也觉得可有可无，找不到自己存在的价值。

3) 企业认可度低

数据分析不是公司的职能部门，数据分析职责范围不明确，没有标准答案，企业领导层对数据部门的认可度，支持度低。

数据部门的构建是一个需要长期投入的部门，常常在技术上花费了大量的时间和金钱，但对业务的提升价值见效慢，很难快速证明数据的价值。

即便从早忙到晚，需求也永远做不完，领导只觉得这是你的工作效率低下，对数据的信任度低，出了问题那也都是数据有问题，很容易陷入到恶性循环中。

2、数据分析的坑，能避则避！

那么如何能够让数据人在数据分析的这条路上少吃一点苦呢？

老李结合了自身的实际经验总结出以下几点，希望能对数据人有些帮助。

1）流程标准化

接手需求时，拒绝口头提需求，先填表！建立一张完善的需求申请表，以此你才能了解业务部门要数据的目的，需求的类型、需求的轻重缓急、需求的维度和指标口径、数据的安全性，以便你能更好的调整自己的工作节奏进行资源配置。

其次，保证数据字典的完整性。数据字典主要是用来存放数据库的有关信息，在数据可设计初期就要重视数据库的重要性，以相同原则为数据使用者提供一系列的标准，以数据字典进行相应条目的解释，规范使用者的数据输入，避免了一词多义，一义多词，同样一个字段在不同表里有不同的定义。

2）懂些业务

都说做数据分析必须要懂些业务，可你没做过运营，又没做过销售，怎么去懂业务？

首先你可以从公司的组织架构去了解你们公司的业务逻辑，然后了解公司的商业模式和所在行业的情况。通过以往数据了解公司的各项指标的大概水平，以此了解以及整个产品的服务流程，前期做到心中有数。

后期可以努力提高数据敏感度，多参与业务会议，查看业务资料，掌握业务流程及其产出数据的作用和归属部门，了解业务的达成目标和实际问题，并帮助业务优先考虑最有价值的计划。

3）充分利用BI实现自助分析

当你发现一个或者相似的报表需求反复被提及时，而且这种报表需求可以汇总成一套标准流程时，你可以尝试借助BI来减轻你的工作负担。工作从被动接受需求到借助BI主动满足需求，让业务人员也拥有了制作可视化报表的能力，按照自己的需求在权限管理范围之内准备数据，做出各式各样的报表，探索数据更深层次的价值。当然仅仅是上线了BI系统还不够，你还需要定期收集BI需求，不断对其进行优化迭代，以便满足业务的变化需求。

4）建立危机意识

当前大环境下，企业的发展速度很快，紧随着其业务变化也增快。业务重心与方向的时常调整，业务部门的需求也自然发生变化。所以你要时刻以发展的眼光去学习，多多去了解行业的前沿技术和思路，去不断修正自己的职业规划。

仅仅只满足于取数，终将被人所取代。你要在能解决问题的过程中主动通过数据去挖掘和发现需求，推动业务的成长，从报表人员成长为主题型分析师到经验分析师。

最后，愿所有数据从业的苦逼之人，还依然对数据分析保持热心之人，并打算长期从事此行业之人，能够借此有所启发，调整自己的职场思路与方向！