數據分析師的思維是如何練出來的？| HackLife #10

• 介紹你和你的工作

我是 杜七，2010年研究生畢業後進入阿里，擔任數據分析師，主要負責阿里媽媽產品/業務運營的分析等工作，一待就是5年。

2015年11月從阿里離職，加入創業公司空格，目前在數據平台部門，做「跟數據相關的」任何工作。

額，沒有照片，應杜七同學要求：蝸牛代表我的心！

• 一名數據分析師的日常工作流是怎樣的？

「數據分析師」這個職位，不同的公司，不同的行業，對於它的理解，以及它覆蓋的工作範圍不太一樣。在有些傳統行業，數據分析師工作重點是「做行業報告」等；在阿里巴巴等大型互聯網公司，職位區分比較明確，數據分析師大部分時間只做產品和運營的分析工作，至於「基礎數據處理」、「搭建數據產品」等等不涉及；在創業公司等相對小型公司，「數據分析師」要乾的活可能要不僅僅是「產品和運營分析」，「基礎數據採集和處理」，「數據產品搭建」都屬於「數據分析師」的工作範圍。

明確了數據分析師的工作範圍，大概也就清楚了每天要做些什麼，比如：

• 產品和運營的數據提供（正常分析師工作）

• 基礎數據採集和處理（類似ETL工作）

• 數據產品的思考和搭建（類似數據產品經理工作）

• 數據價值的挖掘（類似數據挖掘工程師工作）

每日的工作流大概如下：

• 上午：日常項目的跟進，包括跟產品，運營，開發同學的溝通，這部分主要通過 Tower 和項目 PM 每天的郵件來互相協作和周知進度，當然，每個項目會有5-10分鐘晨會；

• 每天不定時：日常運營需求的溝通比較多，這個主要是面對面，固化需求以後，郵件周知和記錄；

• 下午晚點和晚上：數據平台自己的活，包括基礎數據開發、數據產品搭建等等，就需要我們自己去安排時間完成。創業公司的一個優點就是人員相對少，大家互相協作都是面對面。

• 如何進行時間和日程管理？

數據分析師工作因為涉及內容比較多，所以經常會被產品/運營叫過去討論某些項目，營銷活動，等等，或者，被不同業務線主管召喚，討論如何對某個業務線效果進行深入分析，所以，很多時候自己計劃的「什麼時間幹什麼事情」，基本得不到保障。就算得不到保障，每天早上過來以後，也要大概列清楚今天要乾的幾件事情，提醒自己去抽時間做完。每做完一件事情，就劃掉。儘管有很多工具使用，比如，Trello，但是我還是喜歡一個筆記本，一支筆的方式。

時間是一個很奇怪的東西，只要你想要，它就來到你身邊。比如，我想晚飯後來寫採訪的內容，就會拒絕同事邀請去做其他事情。我看過很多時間管理方面的書，也嘗試過「番茄」等各種方法，最後發現，任何想基於「時間安排」去做「時間管理」的方法都很難有很好的效果，反而，基於「待做工作」來做時間管理，更合適。

比如，今天需要做三件事情，按照輕重緩急排序，1）2）3），然後就開始做，不想需要多少時間做完，盡量自己控制時間把它做完。很多人可能覺得這樣很糟糕，萬一做不完怎麼辦啊。其實，你自己嘗試一下就行了，為什麼自己會不得不、不情願也要做、非要做完。因為，第二天工作又來了，今天做不完，明天這些工作還是你的。除了一浪一浪每天工作的累加的壓迫，它更需要一個人的「自律」。如果有點時間就刷微信，微博，或者找同事閑扯幾句，很容易打斷工作流，所以最好是一氣呵成。不管計劃如何完美，如果沒有「自律」，也沒有結果。

• 數據分析師的思維是如何練出來的？

可能提到數據分析師這個職業，「思維」是被提到最多的一個詞。或許這個跟數據分析師思考比較多，溝通過程中更理性，讓大家得到的錯覺。個人覺得，任何一個職業，任何一個人都應該有一套自己的思維體系和一個好的思維方式。數據分析師的思維僅僅是其中的一個不同的看世界的方式。比如，每個人的思維是一條道路，條條大道通羅馬，雖然每個人看世界的方式不一樣，但是可能得到的結果一樣。

想知道數據分析師思維，首先要了解「思維」是什麼，bing一下，得到「思維」的定義：

①思維與「感性認識」相對。指理性認識，即思想；或指理性認識的過程，即思考。是人腦對客觀事物間接的和概括的反映。包括邏輯思維和形象思維，通常指邏輯思維。②與「存在」相對。指意識、精神。

顯然，定義①是我們這裡想討論的思維。這個定義也清楚的說明了思維是每個人看世界的方式。

數據分析師通過數據來認識產品/業務，所以，它確實有一套跟別人不一樣的思維，即「類統計學的邏輯思維」。除了這個之外，其他基本跟其他同學一樣。

從我打籃球、乒乓球的經歷，加上5年數據分析師的體驗來說，很難通過一些簡單的訓練就學會某種思維方式，主要還是要自己在工作過程中通過實際的案例多踏幾個坑，多開拓眼界來學習。所謂「九折臂而成醫」，大概如此。

在這裡分享給大家我平時常用的方法：

• 看書，看別人的總結。學習大牛是如何認識世界，分析案例，比如《窮查理寶典》——查理芒格，《把時間當做朋友》——李笑來，《系統思維》——德內拉?梅多斯 ，等等，分析為什麼這些作者的思維如此的獨特？我和他們認識世界的方式為什麼不一樣？我們彼此的認識事物的方式哪個更好，哪個更接近真相？為什麼他們看到的世界是這樣，而我是這樣？多問問為什麼，多找差異，然後再去找其他的書看，一步步豐富自己。這些作者可能也沒得到真相，而是他們可能距離真相近一點。

• 學會舉一反三。做分析師，非常需要「舉一反三」的能力。去食堂吃飯，看到排隊的效率如此低，分析一下為啥效率這麼低？我們的產品上某個地方是不是也有類似的效率問題？滴滴打車這種叫車模式，我們的產品可以用么？為什麼不能用？反正，多問幾個為什麼，多舉一反三，思考，思考。「對或者錯」有些時候不重要，重要的是我們感知世界的能力在變化。

• 研究別人家的產品和別人家的數據。比如，我非常推薦新的分析師看各個公司的財報。為什麼呢？一個大公司的財報如果能看懂了，基本就了解了一個公司的運作模式和重要產品，也明白了如何寫一份報告。再者，研究別人家的產品，不管是工具類還是用戶類，看看他們的交互，設計，體驗上怎麼會不一樣，別人的用戶數為什麼是這個，而我們的是多少？

• 關注「經濟」和「社會」新聞，多串聯起來看新聞。北京大雨了，河北大雨了，南方乾旱，南北方需要什麼？我們的產品是否能提供這些東西？長征7號上天了，哪些東西可能會不一樣？多把不同事物串聯起來想，思考，分析。

  總結一下，數據分析師要有一個「系統、整體和部分的思維」，也要有一個「事物類比思維」，更要對「事物敏感」，可以很迅速的把不同的事物串聯起來(敏感)，很快的抓到事物的本質特徵(類似思維)，然後局部整體的來分析和研究(系統思維)。

• 如何進行跨領域學習？

其實，數據分析師經常面臨「跨領域」，只不過跨的大和小的區別。比如，我之前在阿里媽媽研究廣告的競價，來到空格研究共享經濟、服務，也算是一個很大的跨領域。從「分析方法」和「研究產品」的角度來說，兩者沒有差別，但是研究的領域確實不一樣了。「跨領域學習和交流」對於分析師來說還是比較重要的，畢竟，我們不能保證自己所做的東西都是拿手或者了解過的，很多業務和產品都是新產品，新業務，自己要保證快速的跟上。

跨領域學習其實沒有那麼難。很多事物都是相似的，比如，足球和桌上足球相似，足球和籃球在某些方面也相似，乒乓球和籃球，其實在練習方法上，技巧上也有一些共同的地方。分析師研究產品和業務也一樣。如果學會了分析事物背後變化發展規律，也就不存在「跨不跨」領域學習的問題，比如，一個用戶留存模型，即適合 Facebook 的研究，也適合 Uber 的研究，為什麼呢？因為用戶使用產品過程中，行為和體驗過程是類似的。

大家可能都被教育過，「看事情要看本質，不要浮於表面」。這個對於分析師來說更重要。如果看懂了一個商業模式，比如「共享經濟」的模式，不管它是滴滴，還是Airbnb，還是空格，基於「大眾參與的閑置資源的使用權的讓渡」特徵是不會變的，唯一不同的是三種產品運營和用戶體驗上的差異。所以，推薦大家建立一套自己認識事物的思維模式。

就像一個 VC ，或者巴菲特，為什麼他們可以投資不同的行業的公司和買不同的股票，為什麼他們能看懂看準呢？因為他們各自都有一套認識世界和事物運作的思維模式，這套通用的模式會讓他們在跨領域的投資中都能受益。

所以，大家不要局限於「怎麼樣跨領域學習，怎麼樣學習，學習些什麼」，以為學了這麼多肯定就無所不知，通行天下，但你看到的「星星」還是星星，「太陽」還是太陽，從沒發現「太陽出來了，星星不見了；太陽下山了，月亮出來了」的天體運行規律。

歸根結底，跨領域學習，要學一套「認識事物的思維模式」，而不是一點點具體的知識。推薦大家學習一下投資公司評估公司價值的一些原則和方法。還有，可以看看《易經》等從系統和整體上看待事物相關的書籍，鍛煉自己系統思維和「凡事看本質的」能力。

• 數據分析的本質是什麼？

查理芒格說過一句話：「不要做一個股票分析家，而是做一個商業分析家。」

對於數據分析來說，不管我們通過何種「分析方法」，「挖掘演算法」，還是「數據可視化」，都是為了「分析和研究產品，以及使用產品的人」，而「產品和人」會給我們帶來商業上的利益。做產品的目的是為了讓別人使用，成立公司是為了獲得商業的最大化利潤。所以歸根結底，數據分析的目的是「更好的了解使用產品的人的行為，體驗和想法」，基於這些了解，「再做產品上的改變，獲得商業的利益最大化」。

比如，很多互聯網公司都要分析「用戶行為路徑」，為什麼要分析這個呢？如果我們非常清楚的知道「用戶怎麼進來，去了哪裡，哪裡看的多，哪裡看的少，從什麼地方跳失」，我們就可以優化「產品的交互和設計」，讓用戶的體驗更好，讓用戶點擊「我們想讓他們點擊的東西」，從而實現我們產品上的某些成功。

為什麼亞馬遜會通過分析用戶購買的東西，做「推薦演算法」？如果可以找到每個人購買的東西，然後根據「概率」計算出TA可能潛在購買的商品，然後在用戶經過的頁面上放上「概率大」的這些商品，用戶購買的概率就會高很多。 一切都為了更好的了解用戶，服務用戶，最終讓用戶買更多的東西(或者留存率高，可以賣更多廣告)。

所以，一個好的「數據分析師」是一個好的「商業分析家」。

• 額外的努力有多重要？

之前在其他文章中提到「數據建模」的影響，這個「額外的努力」對於當時的我來說，就是一個愛好和興趣，沒想到會通過它得到什麼。最後因為喜歡「數據建模」而做了「數據分析師」，只能用看似偶然其實必然來解釋了。大家可能都聽過一句話：「從來沒有白費的努力」。我也非常認同。

不說努力，就談工作之外的看似額外的事情吧，比如，看書，運動，聽公開課，業餘時間學學某種語言，跟有趣的人交流一下，做自己喜歡的晚飯，研究一下一年的節氣變化，跟朋友出遊自己計劃路線，等等，這些很生活，很情趣，看似跟工作不相關的事情，真的不相關么？

工作是什麼？工作需要具備什麼技能？工作需要解決什麼問題？工作需要面對什麼？這些問題都是生活的一個側面，什麼側面？工作需要面對「人」，工作要解決「人喜歡不喜歡你的產品」的問題，工作需要具備「規劃、思考、溝通、觀察」等技能。

「跟有趣的人交流」是不是會更好的了解「人」？「研究一下一年的節氣變化」是不是需要一個「研究和思考的」過程？「跟朋友出遊自己計劃路線」是不是需要一個更好的「規劃的能力」？這些看似不相關的東西都在讓「我們」潛移默化中的某些技能得到提高。

因為大學裡面沒有「數據分析師」這個專業，所以，公司招聘「數據分析師」從來不是按照「專業」來招聘，而是通過面試考察候選者是否有「獨立思考、善於觀察、有研究精神」等特質。只要一個人具備了某種技能，TA一定能幹好所有的事情。所以，沒有什麼額外的，只有你不去觀察、體會和思考。

我的習慣是這樣的：

• 微信上，我自己會固化一些「我認為不錯的公眾號」，每天會抽零碎時間看它們推送的文章；

• 微博上，在吃飯排隊過程中，刷完自己「曬選過」的賬號發送的信息，跟「數據」相關的會 @ 我的印象筆記；

• 看到跟商業和「數據」方面相關的書，比如《證析》，《為數據而生：大數據創新實踐》，《商業的本質》等等，都會買，然後晚上抽時間看完。作為一個數據分析師，除了要看必要的數據和統計相關的書之外，更推薦大家看看經濟學、社會學等開拓眼界，比如「預知社會：群體行為的內在法則」，「消費者行為」等看似跟數據分析師無關的書，看似無用其實很有用，任何的產品和分析，最後都會回歸到「用戶」、「用戶行為」的分析上。其他書不再推薦，等有了一定的積累之後，你會發現，一本《易經》或許就夠了。

• 上述過程中，如果有看到很契合工作的內容，自己會找時間在公司的實際產品上「寫代碼/做分析」等研究。

時間花在哪裡，收穫就在哪裡（就算是天天吃東西，也一樣會有收穫）。喜歡做一件事情的時候，從來沒有感覺我竟然在花時間。

• 推薦幾本書給大家吧

開智100本經典書單

這100本書，還是不錯的，可能國外的書居多。先不要問哪些書好，哪些書沒用，自己看多了，比照自己的生活和工作進行反思，自己會有判斷的。當你有了判斷，也就具備了一定的思維能力。

讀完100本，可能自己喜歡讀的會越來越少，把書讀薄了；也有可能自己喜歡反覆讀一本書，然後不時有新的感悟和解讀，把書讀厚了。

#彩蛋時間#

屬於數據分析師的浪漫，奉上杜七同學用 Python 語言為大家畫的禮物，七夕快樂！

【關於BangWork】

BangWork 正在為年輕一代的團隊打造一套「專業」的項目管理工具，我們關注「交互體驗」、「定製能力」、「開放數據」。我們將幫助管理者和所有成員制定「目標」，推進項目完成。

從現在開始訂閱 BangWork：

郵件訂閱：www.BangWork.com

微信訂閱：BangWorkHQ

知乎專欄：https://zhuanlan.zhihu.com/BangWorkHQ

簡書訂閱：＞＞＞

推薦閱讀：