数据分析师“八般武艺”：从“等命令”到“发号施令”

作为一名数据分析师，日常工作我想以下几个问题应该跑不了：

• 问题一：疲于应付临时需求，总感觉所做之事对于自己和团队没有增量价值。
• 问题二：重复性工作内容较多，工作热情逐渐被削减。
  

其实遇到上述问题并不罕见，重要的是，我们要如何解决，以及可以通过主动推动哪些事情，更好体现出数据分析师的价值所在。
数据分析师的价值主要体现在「对于公司的价值」以及「对于合作方的价值」，而为了达到这样的目的，需要从两个方面来调整我们的工作重心：

• 其一：提效「对内」。
  

提效，不是指我们日常工作的提效，而是通过自动化工具的支持，帮助业务方提效。传统的工作方式，往往是业务方给数据同学提需求，数据同学排期处理。这之间的沟通和处理，都会给双方带来时间成本。如若能通过自助化工具，让业务方自行获取，对于双方都有很大增益。

• 其二：增值「对外」。
  

增值，指数据同学，通过科学的方式，探索数据价值的边界，输出业务方无法看到的一些内容，对产品的迭代产生价值。
下面，将从这两方面的重心出发，一起来看看，数据分析团队可以自主推动哪些事情，提升团队的价值。
一、数仓方向
数据分析的上游为数据仓库，很多问题，需拉上数仓同学一起来完成，主要有以下几个方向。
方向1：推动数据集市建设「目的：自助分析基础」
要实现下游业务的自助分析，数据层的设计是不可或缺的。通过ADS层数据集市的建设，将底层数据分门别类的整合成各种主题表，供各方业务应用。方便下游平台对接，实现自助化分析；即便暂时无BI平台，也可供业务方通过简单的SQL语句查询所需内容。
方向2：推动实时数据建设「目的：扩充分析场景」
根据数据仓库的加工类型，可分为离线计算和实时计算，一般情况下，离线数仓的应用较为普遍。然而在一些偏即时的业务场景中，实时数据对于分析及挖掘还是非常有必要的，例如：活动效果即时分析、大促期间即时分析等。在此应用场景下，如果数分团队可以根据所需内容，推动数仓接入实时数据，并将其通用化，对于业务的价值还是非常大的。
方向3：推动数据预警建设「目的：保障数据质量」
日常数据变化，根据类型可划分为正常变化和异常变化。异常变化，指由于数据埋点或者ETL过程，人为造成的数据收集或者解析错误，这类问题会直接污染下游数据，因此，需要从数据源头重视起来。数分团队可推动数仓同学，在数据接入环节增加预警机制，通过设定阈值等方式，对异常数据进行报警，实时关注数据异常现象。
二、分析方向-防守型
分析方面，根据价值体现，可划分为防守型方向和进攻型方向。
防守型方向：侧重于服务好业务需求，偏支持性分析。
进攻型方向：侧重于自发探索数据价值的边界，偏指导性分析。
我们先一起看下，防守型分析方向，数据分析团队可以推动哪些事情。
方向4：主导异动分析工具搭建「目的：快速发现业务问题」
指标日常经常会出现各种各样的波动，有些是正常，有些则是异常的。针对指标异动的排查，是数据分析师常规性的工作内容，但往往由于方式不够系统化，导致效率较低，实效性无法保障。
在这样的背景下，搭建一套科学的异动分析工具，快速找出指标异动原因，将结论自动推送给业务方，则可以很好的体现出数据分析的价值所在。
方向5：推动实验工具搭建「目的：快速评估实验结论」
小流量实验是产品全量迭代前的必备环节，新版本是否优于老版本，主要通过各种评估指标来判定，主要涵盖：样本量、指标值、点估计、区间估计、p值、mde等。如果以上内容均通过手动输出，效率会非常低。因此，可以拉通实验研发同学，搭建一套实验评估工具，为产品的快速迭代，带来增益价值。
方向6：主导即时查询工具搭建「目的：自助化支持日常需求」
日常我们遇到业务所提的数据需求，虽说是多种多样，但其中仍然可以总结出很多共性，将这些共性内容，通过可视化即时查询平台方式进行实现，后续如业务再遇到类似需求，便可自行查询。
要完成这样的工具建设，首先，需要将现有需求汇总到一起，总结出共性的内容；其次，拉动平台研发同学，共同设计一个即时查询工具或者是一个BI平台的功能。
BI是可以解决80%以上的临时取数需求，一方面，提高业务方取数的效率；另一方面，减少数据方在临时需求上花费的时间成本，从而多一些时间在进攻型分析方向上。
三、分析方向-进攻型
下面，我们一起来看看进攻型方向，数据分析可以推动哪些事情。
方向7：发起探索性分析「目的：直接推动产品改进」
探索性分析，往往是业务抛出一个命题，由数据分析同学牵头，通过科学的分析方式，探索其中价值点，并将结论输出业务方。这其中往往需要用到较多的分析方法及模型，从数据的角度，找到问题的本质。这方面的工作，可以很好的体现出数据分析师的价值，提升数据团队的影响力。
举个例子
问题：近期发现产品新用户付费率降低了，是什么因素导致的？
分析：通过漏斗分析等方式，发现在付费流程前，需要用户绑定xxx，该流程阻挡了较大比例的用户群体。其中50岁+群体最为明显，推测是由于文案过于复杂，导致年长群体较难理解。建议业务尝试调整成简明文案，通过实验方式进行验证。
四、BI方向
站在业务的角度，对于BI工具的要求主要体现在两个方面：易用性和高效性。其中，高效性主要依赖于底层的数据存储与计算架构，这方面数据分析同学很难插手；易用性方面，数据分析同学是可以根据业务所提的意见，推动平台进行改进，方便业务方自助查询，提升效率。
方向8：推动普适化BI工具建设「目的：提供快捷分析工具」
如若要实现业务方自行搭建BI看板，平台就需要支持较为简洁的生成方式，例如：推拉拽方式。作为最懂数据的分析同学，需要作为平台与业务的中间方，推动平台改进，体现数据分析团队在业务部门中的影响力。