当数据分析之路遭遇困惑，你还需要提升这8个能力

“这个数据分析，怎么就越干越糊涂了呢？转行以前，看着学习的书单很清晰，Excel，Sql，Python一点点学过来。可转行后反而迷茫了，越干越感觉自己在打杂”一位转行的同学向我抱怨道。实际上他不是唯一抱怨的一位，即使是一直在做数据分析的同学，也照样有一堆问题。诸如：

• 每天就是写sql，也不知道分析了啥……

• 你写sql还不错了，我每天都在写ppt！每个月经营分析会的ppt，我要改到开会前1小时为止！写的汉字比数字还多……

• 你们还有人理，我每天都在写excel！写完了理的都没有！报表发出去石沉大海，完全不知道码这些数字有什么用。

• 你们就消停点吧，没人理多好。我天天被业务diss。出的分析如果合他们的意，就说“这我早知道了”，不合他们意就说“不符合业务特点，是不是分析漏了什么”我去他大爷的。

• 呵呵，来我这试试，领导指定必须分析出：“本次活动效果非常好，历史最佳”的结论，不管真实数据有多难看，你丫给我做！

• 不管咋样，你老板起码有个指示啊！我老板天天就跟我说：“你看看能分析点啥”。我辛辛苦苦做了东西，丫就回一句：“你再看看”“你多想想”。摆脱你不会做分析就直说嘛！天天让我想，我才干了不到1年我想啥啊。

• 那换你该来伺候我领导？人家可牛逼了：“你们要想办法，大数据精准预测下次活动销量，把活动的库存和费用都控在万元以内的误差”我勒个乖乖，感觉要失业了。

• 哈？你们都那么闲啊！我写了一天sql了快5000行了，呜呜呜呜。

• 真羡慕你们还有的数据做，我清垃圾数据都搞了一天了╮(╯﹏╰）╭
• 真羡慕你们还有的这么多事情弄，感觉我天天都在打杂，领导也不关心，话说到底数据分析是干什么的？是不是大型互联网公司会好一点。

以上吐槽均来自真实场景，数量太多，听得太多，以至于随手都能写出一顿重的怨气来。这和当年大家入行前的美好期望有巨大反差。为什么呢？难道那些数据分析学习文章漏了些什么？这里漏了一个关键问题：数据分析工作到底是干什么的。

作为一门技术，数据分析是个人都可以掌握。既不像算法有着较高的技术门槛，也不像运营、产品那样，需要大量的实践才能积累。数据分析的技术相对客观，数据获取-存储-清理-展示-计算-建模-输出报告，完全可以不依赖任何人一气呵成。那种看书练习的过程，就仿佛回到学校。打怪升级捡装备，给人的体验是相当舒畅的。

可作为一个工作，数据分析岗位不是个对新人很友好的岗位。首要因素，是数据分析自身的工作特点：

1.数据分析是辅助岗位，不是核心岗位。

传统型企业销售最大，互联网企业产品最大，数据总是打辅助的。只有卖数据分析产品的乙方公司，可能数据分析的地位稍微高那么点。打辅助也就意味着晋升通道小，立功机会少，成就感低。这是尴尬点之一

2.打辅助就得到处求人，看人脸色，小心伺候。

业务部门不重视数据分析，不尊重数据分析科学性与客观性，利用数据相互甩锅，都是从这里开始的。但脱离业务，单靠数据分析部门，也很难看到自己的分析成果落地。这是尴尬点之二

3.看人脸色的部门，会很大概率遇到不负责的领导。

有的公司没有独立数据部门，挂在运营/市场/IT下边，不被领导重视。有的有数据分析部门，但领导自觉升级无望，不怎么用心。总之很大概率不负责，可怜了下属。（你问业务部门？业务部门不负责的领导很容易被踢滚蛋，但数据分析这种打辅助的部门，反而容易成为养懒人的地方）。这是尴尬点之三

缺少自主权，缺少重视度，缺少负责的领导，导致很多新人难以看到未来发展方向。再加上这几年很多企业鼓吹“数据思维”/“数字化转型”。上有所好，下必甚焉。一帮销售/运营/产品/策划都在大谈数据分析。一些运营和产品还天天嚷嚷着：让我写sql比他们水平高多了。搞得做数据分析的同学们更加容易吐槽。

另一个重要因素，是新人们缺少从思想到能力上的准备。

其实每个岗位都有自己的苦水。说起被人怼，销售被人怼的最多。说起打杂，运营每天都在杂七杂八。说起科学性与主观意愿的冲突，产品每天都在“科学设计理念”与“老板就是这么要求的”之间挣扎。大家各有各的难处。谁不比谁好过。

但其他岗位，在入行的时候大多做好了死猪不怕开水烫的准备。做销售的就是有被客户从门里踢出去再从窗户里爬进来的精神；做运营的就是怀着“再懂点开发我就是全栈CEO”的理想；做产品的就是会为了“按钮放左边还是放右边”跟老板打一架。这也是专业性的一部分。而数据分析的同学们在这方面准备稍欠一些。因为大家习惯了科学、理性、数据，习惯了像实验室一样认真的琢磨问题。现实与理想的落差，就特别容易引发失落感和吐槽。

其实强化了能力以后，大家就会发现这些并没什么大不了的。如果我们明知道会有这么多坑，在开展工作的时候，就会主动避免。我们知道业务部门可能对我们不理不睬，就会主动收集信息；我们知道领导的思路很乱，就会主动帮他梳理思路，定义清楚问题；我们知道别的部门不懂科学方法，就会主动挑选适合当前问题的方法；我们知道这些不懂的人会怀着各种目的来质疑我们的分析成果，就会准备好对战手段，见招拆招。最后，我们会精心挑选出那些可以深度合作的战友，一起做一些有价值的项目。

当然，以上所有工作都和人有关系，都是在摸清业务方情况，帮业务方/领导规划分析方案，推动分析项目的落地。面对数据，我们会练习excel，sql，pyhton这些技术。面对人，我们需要培养工作能力，简单总结一下，至少需要八种能力：

1.信息收集能力：既然我们不是大爷，就不等业务部门来伺候了，我们自己动手丰衣足食。

2.需求沟通能力：把“分析下销售呗”转化成具体的一个分析题目；从“你自己看看有啥可分析的”当中，找到可以分析的问题点。

3.定义问题能力：不要再到处百度“如何分析活跃下降问题”“如何分析用户流失问题”了，掌握拆解问题的套路，自己就能构建分析思路。

4.梳理流程能力：不要再到处百度“零售行业分析指标体系”“生鲜电商分析指标体系”了，自己动手梳理流程，做出监控指标体系来。

5.树立标准能力：什么算“好”，什么算“坏”，是所有分析的起点，也是所有甩锅的源头。会树立标准，会检验标准，会牢记标准，是不被业务方任意摆布的起点。

6.寻找原因能力：找一个原因简单，找几个原因也简单。找到几个有逻辑，有顺序，可以被改善的原因，就需要认真思考问题逻辑，了解业务可行性范围了。会寻找原因，是数据分析的重要输出成果。

7.提供建议能力：提一个主意容易，提几个主意也容易。提几个分轻重缓急、评估过快慢优劣、预测过效果的建议，就得结合业务能力，建立预测假设再说话了。能改善业务，是数据分析的重要输出成果。

8.总结汇报能力：结束改PPT改到死的状态，就得想明白要说什么。做的再多，汇报要好。不然成绩算谁的。临门一脚非常重要。

限于篇幅，这里只起个头。脱离具体场景谈能力太过空洞，后续会拿具体问题场景，来看如何推动分析工作，作出成绩。希望大家的抱怨越来越少，能讲出来的分析成果越来越多。