我在数据分析领域8年，加上做自媒体2年，遇到许多场景与案例。
今天，想从行内人的角度，给刚入行不久的同学分享一些认知。
当然，家家都有本难念的经：产品经理常被甩锅、程序员也要和产品打擂台。接下来我说的这些不是说数据分析没价值、劝退大家，而是暴露问题，才能解决问题。
国内这波数据分析浪潮是伴随着2015年增长黑客从硅谷引进后开始的，但绝大部分企业的基建并没有跟上，导致有时数据分析师处在一个尴尬的境地。
以下讲的是占大多数的中小公司的现状。
首先，是与各个需求方的「矛盾」。
01 与老板先不说数据分析结果有没有用。
光是说它有没逻辑？其实很多时候老板说了算，老板说不是就不是，甭管你用了多严谨的统计概率学方法。
导致数据分析基本上是在面向老板分析，迎合老板想法。
02 与直接上级领导和老板差不多，但上级领导还有一个属性：办公室政治。
例如，开会就是在老板面前表演，领导就需要你的数据分析来佐证观点，show业绩
此外，对于独立的数据部门，还会有个怪像：老大会阻止数据分析师讲太多给业务听，有时明明做个模板就能解决的重复问题，也不能做 为什么？很简单，如果业务拿到模板自己就能做了，甚至学习到了分析逻辑，那还要数据分析部门干嘛？价值就没了？所以要手动构建数据部门的护城河。
03 与业务同事数据科学中有个概念叫：可解释性，说的是你的分析方法包括算法逻辑，如果不能讲清楚，不只是你老板，你同事也不会认账。
但往往，尤其是涉及算法的部分，很多时候是黑盒子，或许你很清楚，但业务同事不懂，甚至没有数据思维，就无解了。
那同事不认账的结果是怎么样？
要么是数据分析师妥协，把分析逻辑改简单，结果就是不严谨，误差大，但业务能接受；
要么就是业务同事不帮你把分析结论和建议落地。
04 与HR甚至是hr，其实也会来找茬，你的工作到底有没价值？
价值来自哪里？只有一个检验的地方，就是业务增长。
此时就知道上一个小点，业务同事不帮你落地，你的分析就是飘在空中的，无价值。
当然，你的工作也不完全没价值：
- 间接价值，给的分析洞察能给业务带来新的认知；
- 自动化流程，用Python或RPA开发机器人，帮业务省时间；
- BI报表，就是往数据产品的角度，把产品做出来，业务用起来，就可以算是价值。这也是BI发展比较快的原因。
OK，聊完外部的问题。其实很多数据分析师新人自身的知识结构也有「矛盾」。
05 重技术轻业务很多新人以为懂Python学SQL就是数据分析师，其实这些技术没有门槛，不会是你未来5-10年的核心竞争力，对业务的洞察才是。
数据分析与数据运营相比，反而后者更好落地。为什么？因为后者是在业务团队，而前者经常是独立的部门，或者中台部门，离业务很远。
这会导致什么结果？分析逻辑脱离业务现实，给的建议远离业务目标。
给同学们一个很简单的道理：永远做离钱最近的事，而钱来自业务。
说句夸张点的，不懂业务，你连指标体系都建不起来。
要怎么办？
开头说了，我们暴露问题是为了解决问题。进而能成为能产生价值的数据分析师。
06 锻炼能力1. 理解业务，抓住重心到一线跑，甚至是轮岗到一线卖卖货，把手弄脏，才能了解业务是怎么干的。接下来，结合点线面体的思路，从梳理业务流程、到搭建业务模型。
2. 沟通能力，积累人脉平时和业务保持良好关系，会吸烟的递根烟就是好朋友但我不吸烟，中午聚一起吃饭也能了解到很多。
3. 向上管理，想领导所想首先你得懂你上级：如果是部门领导，要知道他的处境是要体现部门价值，还要防止其他部门背刺 如果是老板，要懂他想要什么？
4. 分析逻辑，时刻围绕着「落地」从前3点得到的信息，拿来干嘛？需要落到数据分析的逻辑中：
1）分析逻辑要融入业务知识。例如复购率的计算，这个指标有很多个计算方式，到底要定哪个？就是基于业务属性。
2） 把分析看做是一个项目，这个流程要让业务也参与进来。及时与业务同步分析过程中你发现的问题，拉上业务讨论，可能有什么原因，甚至是共创一些建议。让业务有参与感，这个分析逻辑ta才看得懂。
3） 结论建议要与业务KPI捆绑搞人脉关系的原因除了是要了解业务外，还有就是获得业务最新的动向，例如月报里暴露的问题、季度的目标、业务线的规划，如果你的分析结论能解决这些问题，还愁业务不落地吗？
4）及时运用向上管理工具，帮领导分担
- 定期向领导汇报，让他有安全感。
- 站在上级的角度考虑问题，从点线面体的理论，就是在「面」上思考，多想一步
- 如果在与业务沟通的过程中有问题，把上级拉出来压对方，务必让建议落地，分析项目才有价值，领导在会议上才有东西说。
