身為數據分析師,卻被業務當做取數機?
本人身為一名數據分析師,每天卻被一堆業務人員纏著要數據,加班到凌晨之後。我不想陷入泥潭,沒時間做分析。我該怎麼解決這一困境呢?
這是一個很有趣的話題,以至於我經常跟很多數據分析總監探討過。
首先每件事都有雙面,所以我分別採訪了數據分析師和業務/產品經理,他們對這件事的看法。
通過以上聊天,能了解到數據分析師和業務人員都不好過,總結就兩點:
1、技術變化趕不上業務變化
2、業務人員沒有能力/許可權去獲取想要的數據
數據分析師作為業務與IT的橋樑需要解決這個問題,
下面有人回答需要適當的拒絕,這顯然是不現實的,數據部門本身就是支持部門,業務部門上戰場打仗的,你需要隨時隨地給這些戰士們準備好武器。毋庸置疑,在一個公司裡面賺錢的部門就是比支持部門地位高。
以上你覺得可以通過溝通解決嗎?顯然不行,這需要一套體系去解決。
接下來我會用通俗易懂方式來解答:)
我們先來看一張圖
從這張圖我們總結幾點
1、業務人員必須長時間等待
2、很難能一次性讓業務人員滿意
3、整套周期太長
4、業務變化太快,經常發生業務一月提出,三月開發出來,就不要了。
5、數據分析師經常因拉數據的事情佔據,沒法開展自己想做的有價值的分析
6、有時候只要五分鐘能搞定的數據都要排期,氣人
7、一線業務人員往往不需要數據分析師太多的分析內容,只要每天給他們一份數據源,他們自己多維度琢磨。反過來,數據分析師又會覺得一線業務人員沒Sense
那怎麼辦呢?
一、基礎建立(這裡包括流程、系統、許可權的開放、數據安全)
請看下圖
二、人員的培養
各業務線學員自己獲取數據,數據分析師要給業務線的其中一個經常運用到數據的人員進行培訓,對每個部門種下一名種子選手,當這名選手學會之後,他有個任務就是把技能擴散到部門中的各個人員。
大概為期2-3天的集中培訓,就可以讓這些選手自己輕鬆獲取數據,減輕了數據分析師的工作。
三、數據文化的推廣
人員的培養很重要,但會遇到一個問題:業務部門本身就是一個人員容易流失部門,剛培養好一個會自己取數的業務人員,就跳槽了。那怎麼辦呢?跟大家說說我是怎麼做的?
作為數據部門把數據分析文化推廣到新員工培訓裡面去。
一般來說,我們的新員工培訓經常會培訓到規章制度、福利政策、企業文化等。
當時我跟培訓部溝通,把數據也放入兩天的新員工課程中,我們部門會派一個人去做培訓。
內容主要是:
1、公司大致的數據有哪些,哪些業務場景產生哪些數據欄位
2、如何操作數據平台
3、需求數據流程是什麼?
4、介紹對應各業務線的數據分析師,聯繫方式
好處:
1、這件事解決掉了80%數據分析師被新來的業務人員打斷的時間;
2、新員工培訓里不止一線業務人員,還有高管,也能讓高管迅速了解到數據部門,從而進行密切合作;
3、數據分析部門的知名度大大提升,成為企業文化的一部分,讓每個員工都知道這個公司是數據驅動,數據管理的公司;
最後,技術不是問題,這中間最大的難題是「人」,大家經歷了,也就能深刻感受到了:)提取數據是數據工作的一個基礎內容,也是大多數「入門」級別數據工作人員(例如數據分析師、ETL)的基本職責。取數對於前期的數據概況和業務需求會是一個熟悉和漸進了解的過程,因此這個過程必不可少。——對於剛入職的新人,千萬不要排斥這個過程。
但是,如果一個數據工作者(尤其是分析師)長期從事取數工作(例如超過1年),那麼其價值確實會很小,就跟題主這種情況類似。
要解決這類問題,無非是幾個維度:
1.替換法(讓別人做)。取數總要有人做,如果你不想做,那麼你需要交給別人去做。
思路一,給新來的人做,這是基本規律。
思路二,給業務部門自己做,通常提數的需求源於業務,如果能適當的賦予許可權給他們,還是有很多人願意自己「代勞」,畢竟有了許可權,他們可以折騰更多東西。所以放權是一個好方法。(當然不能指望它解決所有問題)。如果是那些因為技能等問題無法自己實行的,你可以最簡單的把日常他們用到的SQL寫好,以後他們要做什麼內容改改裡面的值就好;並且SQL無法就是select場景,裡面增加各種形式的join、where而已,再加上多個條件一般都能滿足他們的需求。——這種方法對於比較上進和好學的業務通常是管用的。
思路三,換你部門的其他人做,要實現這個,你就要讓你的領導看到你的價值,如果你能完成比別人更好的事情或展示出更好的實力來,那麼儘管給領導開口。如果確實你能力不行(或沒人),那麼這個工作暫時也只能由你來做。
2.工具法(自主提數工具)。如果沒有適當的工具,讓非技術人員寫SQL(姑且認為分析師是技術吧),可能普通業務會排斥,此時需要給他們提供一個界面化、可點擊、可拖拽的工具。這種系統如果只是簡單的基於底層數據來開發不難,無非是將用戶界面的點擊和篩選條件,映射到後台的sql「模板」,並生成一個sql語句然後再去資料庫執行。這種方法往往比較容易接受且非常靈活(欄位-變數都是固定的,值和條件都隨他們填)。——這種方法對於大多數對技術「排斥」的業務。
3.流程和制度管理。取數(不僅是取數,還包括其他任務跨部門的、流程性的工作)一般都需要一個制度,從需求發起、評估、執行到反饋都要做約束。並且並不是所有的取數都要做支持的,具體是否支持,什麼時間支持,優先順序等都要通過制度明確出來。這是數據管理工作的基本內容。如果你們還沒有,那麼儘快跟你們的領導溝通確定。溝通和確定要跟下面一點結合起來,不是為了單純的制度而做制度。
4.自我績效管理。公司任何一個部門和個人的存在都是有目標的,同樣你作為一員,你的領導對你也有一定的期望,並且希望你能做越多事情越好。但是,你自身要有自我目標,尤其要把你有價值的工作安排好,並且充分讓你的領導理解、看到,尤其對於有價值工作的勞動成果要主動彙報。這樣的目的是,當你的領導看到你正在做很多有價值的事情時,如果來了很多比較「初級」的取數需求,那麼稍微有責任感和價值感的領導都會想法設法給你擋、拖等。所以,關鍵是你要能有取數之外的其他價值存在。
5.換工作。當然,上面的幾個內容都是比較短期能見效的。還有很多是跟企業文化、價值化、工作作風相關的,這些都不是一朝一夕能改變的。在數據工作的底層(管理數據工作最高管理層),他/她的認知也間接決定了你(以及其他數據工作者)的價值存在。所以找一個好的環境以及老大特別重要。如果你自身比較優秀(最起碼能脫離取數並能做一些有價值的分析結果出來),但你的領導任何視而不見聽而不聞,那麼你得考慮換工作了,無論是調部門,還是換公司,要根據你自身情況而定了。
想不成為提數工具,身為分析師必須了解自身職業的定位是什麼?先看兩個問題和答案
1.分析師應該做一些什麼?
分析師的自我定位: 讓業務更清晰,讓決策更高效
2.為什麼分析師可以和業務一樣懂業務/或者更懂業務?
因為分析師需要具備(更)綜觀的視角, (更)客觀的立場
在完成自我定位後,分析師的日常要求便清晰了,如下:
1商業理解是根本
2還原業務本質的數據體系3洞察/釐清商業問題的分析4沉澱方法與數據,必要時通過產品/工具泛化數據能力如果沒有上面提及的職業意識和素養,難免淪為提數工具,總而言之打鐵還需自身硬,不要責怪業務方看輕自己的職業,首先需要自身的修鍊,才能從繁雜的需求中梳理業務脈絡,找到業務的短板和痛點,從而形成自己的工作計劃,成為業務的驅動者和助力者。
你這個場景其實很簡單,最重要就是讓業務部門自己能低成本獲取數據。
你不願意開放,就得自己干到死咯。
開放之路:
1,建立足夠多的ER資料庫表,能涵蓋當前業務需求2,在1的基礎上建個Cube(OLAP),並開放許可權3,給數據需求方發送一個說明文檔,文檔內是數據schema,以及使用說明:如何使用excel鏈接到cube,並使用pivot table進行快速查詢。
4,拒絕日常查詢需求,僅接受增表需求和Cube升級需求。
說起來很簡單,但我不確定你能搞得定。建表建cube,得看該公司的數據基礎。數據基礎好的幾天就全搭好了。數據基礎差的,單做數據清洗異常處理邏輯可能就得改上幾個月。
---------
多說一句,我見過的企業里,上述工作多是數據工程師的職責。
數據分析師和PM或者RD一樣,都是數據的使用者。
我想了有三種可能:
- 題主是一個剛剛進入數據分析師行業卻變成取數機的情況;
- 題主已經可以勝任數據分析中的絕大多數工作,在新工作中遇到這個問題;
- 題主已經是一個身經百戰的數據分析師了。現在遇到的只是工作崗位與入職聊的職責不同。
針對上述身份,有幾種解決方案:
- (正面剛,適合多面手)深度理解解決問題要的是怎樣的數據。然後利用其他的ETL或可視化工具來解決他們的問題。用工具來替代服務,自己再去做分析;
- (改變定位)嘗試從數據提取和處理出發,了解數據情況,往數據處理方向轉型;
- (改變工作流)嘗試向領導或同事求助,改變目前數據分析工作流;從人人向你求數的狀態,變為人人可以獨當一面的數據分析師,將自己的任務下方給他們,將他們的一部分任務歸為自己;
- (換地方)尋找一個自己更為舒適的地方。
如果是第一種可能,請往下看。我建議選擇先忍耐一段時間,了解數據邏輯後,再向1-3的選擇轉換。
如果是第二種可能,個人建議:程序向的選1;業務和商務向的選3;往ETL轉的選2。
如果是第三種可能,個人建議選4。一個厲害的數據分析leader應該是帶著團隊解決核心問題,而不應該是解決這麼細節的工作流問題。
詳細說明
一般來說,數據分析師這條鏈路上會有如下幾個工作職責:
- 理解需求,確認需求,確認方案;
- 準備數據(無論是抓取還是自己產生的);
- 清洗、整理、處理數據;
- 理解需求,並將方案中預用到數據按格式進行提取;
- 初步可視化並得到初步結論,形成方案並討論;
- 對數據及假設的鑒別診斷,形成最終結果。根據相關業務,形成最終解決方案。
數據分析這個崗位很特殊:上述第一個職責像是售前商務;第二個職責像是爬蟲或資料庫方向;第三個職責像是數據清洗或簡單的數據挖掘;第四個職責像是ETL;第五個和第六個職責聽起來更像是數據分析應該做的事情,但事實並不是這樣。在一整套數據鏈路中,每一步都對最終解決方案是否有效起到至關重要的作用。
在初期,分析師會有一定的偏向,如商務向、程序向、分析向、PPT向(可視化)等等。狹義的分析師會被定義為分析向,即拿到數據畫出圖表得到結果即可。但這只是分析師最最初步的工作。之後會慢慢涉足PPT向(即慢慢繪製出更加好看的PPT)。但分析師這條路走到最後,其結果應是帶領一個團隊,從對一個問題的解構開始,利用手頭所有的信息及數據,找到多個有效、有邏輯的解決方案。
如果想做到這一步,就必須對數據分析中每一步都要非常了解。根據自己的經驗,一個數據分析項目中,最耗時耗力,同時對結果影響最大就是處理數據和提取數據。如何提取數據,如何選擇透視角度,基本決定了能夠得到怎樣的結果。而得到怎樣的結果基本決定了能夠得到怎樣的解決方案。所以你現在的工作或許很枯燥,每天都是在寫幾乎相同的SQL,但這種工作會加深你對數據的理解:一方面加深對數據結構的理解;一方面加深對數據透視的理解;最重要的是可以加深解決方案與數據之間的聯結的理解。當你對數據理解透徹之後,剩下的就剩業務層和邏輯層的問題了。這就解決了三分之一的大問題。
之後還有兩個問題,一個是業務層需要對客戶的問題及其背景有著深厚的理解;另一個是邏輯層需要對客戶行業解決方案邏輯的理解。可能這些是你追逐的目標。但對於數據的理解對於一個數據分析師的成長是非常必要的。希望能夠在不影響身體、不委屈自己(能忍)的情況下完成現在的工作。慢慢會有起色的。最終的結果要麼到某個時候你會如魚得水完成的更好;要麼會在某個時候決定放棄去尋找其他方向工作。但哪種方向,感覺都會讓你進步呢~
樓主已經解放,實現了項目基本的數據監控體系,而且在代碼設置時要考慮的比業務方多,這樣以防業務方加東西,比如業務方要昨日同比某特定周的某天,我要在後台計算最近7的值與那特定一周的同比,不過只在前台頁面顯示昨日的情況,哈哈。這樣他們想看7天時,我隨時顯示出來就行了。現在我終於有時間做自己想做的事,比如昨天晚上幫產品破解了一個未解之謎,找到用戶未登錄的原因,今天產品帶著開發再加班開發優化產品了,雖然是周末,請開發不要怪我。
謝謝各位的建議
2017.12.23 beauty更新進程題主有沒有想過除了一小部分數據文化已經很好的地方,很多公司說在招數據分析師,但實際的預期基本就是取數機?
作為從取數機到拉出一支能直接賺錢的analyticsgrowth團隊的過來人,我會建議題主先努力做一隻優秀的取數雞:熟悉手上數據源和各種工具,積累可復用的腳本盡量把事情自動化,業務來的常見需求都能快速響應,先解決加班到凌晨之後沒時間的問題。
對了,別指望能教業務自助取數據,別想著做什麼統一數據平台,更別yy什麼推廣數據文化推動數據流程的事,醒醒。
把所有時間投入到一個事情里:理解業務。不理解業務的時候搞的數據分析都是狗屁。被業務纏著可以是個好事,至少你知道需求,比坐在那兒空想強多了。多交流多思考,為什麼他們要這些數據,這對業務的意義是什麼,公司做的生意到底是怎麼運作的,優化的目標是什麼。
慢慢地即使每個業務都催命似的要數據,你自己會對數據需求的緊迫性優先順序有把握不會手忙腳亂,你對業務的了解可以讓你有信心在業務找你要數據的時候跟他們探討:你要的數據是最合適的指標嗎?是不是另一個指標更能體現業務狀況?(這個時候不要懷疑你可能比業務更懂)再到你可以真的開始做深入的數據分析,給出人家一直想知道卻不知道的信息,慢慢地他們也就更倚重你的分析介面而不是取數據介面了。而到你在團隊里和老闆面前有了話語權,手上也控制了足夠多的數據源和信息,你就可能有資格談論數據治理,數據平台之類的事了。
這個從取數機到分析師轉變的過程中,一個容易被忽視的能力就是溝通和presentation的能力:怎麼把你的分析結果說成一個最容易被聽眾接受的故事 —— 不管是寫報告還是做 dashboard. 據我有限的觀察,菜鳥分析師常見的毛病除了不懂業務亂做一氣外,就是炫技+不說人話,雲山霧罩地說一堆業務還是不知道結論是啥。熟悉業務之外,這也是邁向成功分析師必須要邁過的一道坎。
有一段時間,我也是陷入SQL ATM的泥潭。直到後來,我幫他們寫了一個簡單的取數界面。
這個問題的解決方案要看具體情況啊1.有人說做一個自助取數工具,sql又不難學,業務人員自己提效率還高一些,但是看具體企業環境,有些企業的業務就是不願意學,或者學了也還是願意讓別人做。2.有人說生成自動化報表,同志,業務頻繁的臨時取數需求是因為他們自己的分析思路在動態變化好伐3.有人說走向業務和管理,這是一個辦法,但是需要一個轉型過程4.如果數據支持有一個部門或組,可以依靠組織力量共同分擔任務,並利用管理手段讓需求合理化,你一個人過勞的情況可能得到改善。5.以上都是解決方法,但是說句政治不正確的話,很多支持是通過適當減慢結單速度這種方法來換取一定空間的,這個的背後就是自己能做好優先順序原則設計和實施,以及管理客戶期望
我就曾經是那個天天纏著技術部門取數的業務,直到他們自己不堪其擾,給我開放了SQL許可權,從此天下太平。
(我們的數據分析崗設在業務部,數據維護崗設在技術部,所以嘛……)
說一句容易遭記恨的話:題主你被纏著取數,而不是被纏著出分析報告,說明在業務人員眼裡,你並沒有做分析的能力,以至於他們寧可自己費時費力去與原始數據纏鬥。人人都樂意吃現成飯,明明有廚子還選擇自己做飯的,那廚子手藝可想而知。你也不要說,都沒給你機會做分析,憑什麼就認為你不會分析——這麼說吧,能被業務欺負得取數到半夜,說明你對工作的優先順序管理、時間管理、溝通能力都還差著一點,尤其是優先順序管理,這個能力不到位,做分析不可能做的好。
請你不要把業務人員取數這件事當做負擔,請你換個想法,把這些當做你學習的材料。業務需要的數據,基本上和你做分析需要的數據重合,即使業務不來找你取數,你自己不也需要取這些數嗎,否則你的分析模型憑空搭建?而且業務取數的需求本身,可以很直觀地看到一線最關心什麼、用什麼角度最容易打動他們,這個信息可能比數據本身更重要。否則即使你最終有了時間,辛辛苦苦做出了分析報告,結果公司決策層居然完全不care,真是朽木不可雕也——好吧,這是我自己罵過的話,但現在回過頭看看,當年我覺得重要的指標,一半情況下真的不重要,只是我自嗨,另一半情況下確實重要,但我沒能直觀地呈現出它們和主要業務指標之間的聯動關係,被無視怨不得人,而主要業務指標是啥——問問業務們想看啥!
沒有接觸過業務一線的分析師,永遠不可能成為一個好的分析師,我自己後來跑過數以百計的門店之後,感覺看數據的眼光確實改變了很多。很多業內故事把演算法、模型神化了,講些光看數據就能決勝千里之外的故事,那都是用來騙騙外行人,給自己弄點神秘光環加持,不要連自己都騙到,自以為憑著理論知識就能白手做分析。看你提的問題,你現在應該沒什麼機會親身下到業務一線去,那麼看業務要求取的數,也是一種側面接觸一線的途徑。
——再有就是寫自動化腳本了,腳本萬歲!
謝邀。
解決問題,只需要三步:
- 說服老闆,調整自己的考核目標,表示自己能做更有價值的事情,啪啦啪啦啪啦
- 說服老闆,建立流程和制度,自己每天只能響應多少需求,需要什麼流程,啪啦啪啦啪啦
- 給業務提供一款低門檻的工具,讓他們不需要專業知識可以拿到超出預期的報告,啪啦啪啦啪啦
利益相關:網易雲提供企業級大數據可視化分析平台——網易有數,是一款敏捷 BI 工具,以業務人員為中心,讓更理解業務、更了解需求的業務人員可以自助分析。設計理念:
- IT 人員可以在管控許可權的基礎上,從大量枯燥的提數需求中解放出來。
- 業務人員可以根據業務情況實時進行分析,根據分析結果調整業務,再根據數據來驗證調整的結果。
- 管理人員可以隨時隨地了解經營數據狀況。
沒有提出問題的人;
沒有合適的工具,有了好工具,這些取數據工作自然就減少了;行業整體運營文化就是這樣;將所謂「取數據」的工具做好,時間解放出來,自己自然有時間做自己想做的事情.走向業務,走向管理:)
1.業務方取數想要實現什麼需求?
2.業務方取數的類型和頻率?
第一點,擁抱業務,主動和業務溝通需求的最終目的,盡量直接給出可視化結果或解決方案建議。
第二點,固化需求,將高頻但是附加值沒有那麼高的取數需求開發成報表,業務方自主取數。
被題主的問題困擾了9年,然後我選擇了跳到「申請數據」的人行列中去了。。。
原諒我沒有什麼有用的回復,個人感覺大部分單位,數據提取崗位重要但沒前途。悲觀的建議題主從即日起就做好轉崗的準備。
但是你的數據提取和分析能力,在未來(離開了那個崗位後)仍會非常有用。
一家之言,也順便看看其他大神有什麼更好解決辦法。學習了各位的回答,也來提供一下自己的總結:
首先,判斷自己提的數據,是否滿足這樣兩條:
- 分析師本人會使用這個數據,而不是統計出來就交給別人不管了那種
- 這個數據有助於自己理解業務,即提取這個數據提供了對業務理解的新信息
接著,對不滿足如上兩條的,要通過各種(報表)工具來解放自己的人力,把你的時間爭取出來,讓機器來完成。
同時,在工具尚未到位,或者工具仍未能滿足但也還是不符合上述兩條的需求(工具覆蓋不了),可以採用其他答主建議過的方法,比如:
- 想辦法讓別人做
- 想辦法把需求砍掉或者轉換掉
- 增加提需求的成本,同時拉長結單時間等
最後那點,我說下我見過的手法:不提需求單不處理。需求單並不簡單,要列出背景、需求用途和目的,要解決的問題和解決後的效果,數據敏感度評估。還需要雙方領導審批,不審批就不提供結果。要知道領導審批這事,跟領導本人風格有關,有的領導審批神速,有的領導則催辦也沒有卵用。增加了這些步驟,就相當於拉長了結單時間,為自己得到緩衝。
對取數需求,我見過對分析師比較合理的指標:1日接受率,3日完成率。如果靠人力支持的需求,以這種節奏進行,相信會有助於減緩題主描述的情況。若你所在團隊,還沒有類似指標,可以建議領導採納,而且這兩個指標,都基於需求提交系統進行統計,也比較客觀公正。
考慮另一種情況,即,需求滿足上述兩條,這時要做的是,提高自己對工作安排的合理性,找尋並學習能提高效率的方式。我有位同事,曾建議過這樣一個方法:把覺得能提煉出觀點的數據,寫在ppt里,哪怕只有一頁,沒關係,用可視化和講故事的手法,把這個數據背後的洞見表達出來。對同一個業務,這樣的片子積累得多了,就可以相互關聯起來,組合成一份完整報告。用這種方式鍛煉自己的分析水平和表達能力,哪怕開始做得並不好,但是日積月累,只要用心去做,總會有所提高,而且一步一步,踏實可見。
最後,說下暗時間的應用。我接觸暗時間這個概念,是在劉未鵬《暗時間》這本書。分析師這個崗位,可以把要分析的問題放在自己的潛意識中,在各種暗時間(上下班地鐵上,上廁所時,洗澡時)里琢磨,通常,比坐在辦公室裡面對鍵盤顯示器,會更有思路。這種工作方式,會提升做事的效率,且帶來一定的掌控感,而不是一直被追著討要那種情境。相信,也有助於改善你目前的處境。