如何避免自嗨型的數據分析？你必知的三大法則

來自專欄 數據從業者6月中旬寫的，發布在中國統計網

身為數據分析師的你，有沒有經歷過這樣的苦惱？

寫了那麼多頁PPT沒人耐心看？

提了那麼多的數據後卻沒有然後？

業務部門覺得你拿著高薪沒幹啥活（O(∩_∩)O哈哈~） ... ...

是的，數據分析師們拉了很多數據、畫了很多圖、建了很多模型，但是，並沒有傳說中的數據驅動業務，或許連裝飾業務都談不上？

這是不是有點令人絕望？

本文主要從源頭角度幫助數據工作者合理判斷識別需求，並通過需求+溝通+落地三大法則，幫助數據人員發揮數據在企業中的價值，少走彎路。

關鍵詞：數據需求、基本要素、落地法則

一、為什麼自嗨？

還記得你的分析報告怎麼出來的嗎？領導的靈感一現？套用各種挖掘演算法的結果？業務部門隨口一提的延伸？等等。

不管是哪種，不管是誰提的，讓我們一起來想想，你分析的需求站的住腳嗎？是偽需求還是真實需求？為什麼會有此需求？最關鍵的是這個需求是數據能夠解決的嗎？

1、需求的主要來源

老大的敏銳眼光：這還用說么

其他部門提出：業務、產品、運營、市場等

業界在做的：BAT的做法，可歸納到前2項

自驅動：不幹活，那怎麼行

2、?需求三大基本要素

數據需求的分析和判斷是一個綜合判斷過程，簡單來說應當具備三大基本元素：

第一元素：現有的需求，是能夠用數據去解決的，這樣數據才有用武之力！

第二元素：現有的需求，必須要有支持分析、解決的基礎數據來源，不管是內部的還是外部的，否則就相當於無源之水，無本之木，只能作罷。所以企業「養數據」很關鍵。

第三元素：現有的需求，用數據的手段解決後可以提取有效的、可執行的落地方案，否則只能是繡花枕頭，看看而已。

當然除了這些還有其他的，比如這個需求是否緊急、投入產比如何、當下是否有足夠的資源支撐等等。

二、如何避免自嗨？

獨樂樂不如眾樂樂，大家利益綁定、戰線統一豈不是更好？（其實操作起來也是有一定難度，但是態度要擺正）

三大法則：需求+溝通+落地

1、需求分析：洞察本質

可以使用場景還原法則：數據需求什麼？具體問題是什麼樣的？需要解決這個問題的是誰？什麼情況下會需要？業務邏輯是什麼？目的是什麼？——需要注意的是，這裡要深入分析需求提出者深層次的目的，洞察根本需求才能找出更合理的對策。

舉個栗子：有個用戶說想吃火鍋，可是，他真的是嘴饞想吃火鍋嗎？周圍可能沒有火鍋店。其實他可能是餓了，如果當時你能快速給他個包子，不僅能滿足其根本需求，還更節省成本。

總結：需求判斷的過程，每個人都有一套自己的方法，適合自己、適合當下即可，多問幾個為什麼會有幫助

2、溝通為先：抱團取暖

數據分析的結果或者說數據的結果最終是要應用到業務中去，那麼尋求業務部門的支持就尤為重要，如果需求直接來自於業務部門就更好了。這樣有2個好處：一是能更好的知道數據的應用場景，提供更佳的解決方案；二是能真正落地使用，避免紙上談兵。

總結：不管是耍酷、賣萌還是秀肌肉，搞好關係很重要，想想產品汪們吧，分析獅也是一樣

3、落地應用：是騾子是馬拉出來溜溜

分析要有落地方案：數據很多，結果也很多，不同的人有不同的領悟和業務解讀，但是，數據的重要性不在於量有多大、演算法有多重要，而在於接地氣，能創造價值。

你說數據很有指導價值，**指標上升了**%，SO WHAT？！

你說你的分析結果很棒，那告訴我，接下來，該怎麼做？！

分析要有檢驗和迭代：數據分析的結果存在一定的概率性、偶然性，而現實業務比較複雜，兩者發生的情況未必一致，所以分析結果要有檢驗標準，做的好與不好要有量化、可衡量的指標。同時，在實際應用過程中，要跟蹤、改進、迭代。這個過程同產品迭代過程。後面有時間會重點說。

總結：避免使用過於專業的術語，使用業務人員或外行人員能理解的溝通方式和語言會提高效率

其實企業中的真實數據分析遠比想像中複雜，在一定情況也並非需要多麼高大上、多麼複雜的模型。因此，對於數據分析工作者來說，如何根據現實情況，判斷、引領需求，快速創造價值就顯得尤為重要。這在一定程度上對數據工作者的綜合能力較高，一句話概括為：用產品的思維做數據，用解決方案的思維做數據。我們不相信高精尖、我們相信最終結果。

tommy（公眾號：data_er），數據落地應用探索者，擁有管理諮詢、數據行業8年從業經驗，擅長數據分析、數據產品領域解決方案

推薦閱讀：