(, 下载次数: 4)
部分初级数据分析师掌握了数据分析工具和相关的基础技能，但是缺乏实操经验和相关业务知识。通常到了提建议环节，可能连业务方具体的问题还没搞明白，就只能拿出统计学方法论做简单的数据堆砌。
例如，数据分析师小 A 给出“新业务近一周新用户数累计 300 万个，新用户次日留存率为 65%，七日留存率为 17%”的结果。
给出这样的数据之后，就没有后续的意见和建议了。这种情况大部分是没有明确需求，即还没有搞清楚业务方想要的到底是什么，业务方现在面临的问题到底是什么，当然没办法继续进行下一步的分析，更别说给业务方一定的建议了。因此，树立目标意识是分析的第一步，要树立目标意识、挖掘潜在的分析点。
需求不明确这种困境一般是由业务方和数据分析师共同造成的，可能业务方在提需求的时候也没说清楚自己真正想要的数据，或者业务方是个“小白”，根本不知道需要看哪些数据或指标；对于数据分析师来说，面对这些不太清晰的需求，也没有问清楚存在的痛点及分析的目标，其实对于这种情况，数据分析师可以基于自己的知识和业务理解提出可行的分析方案。
明确分析目的，进而分析业务问题，是建立在数据分析师对业务有一定了解的基础上的。一般情况下，企业的指标体系就是业务的抽象形态，而大多数问题是可以通过拆解数据指标初步定位的。所以对于刚入行的数据分析师，即使对于业务不是很了解，仍然可以通过指标体系了解业务形态，并在实际工作中不断积累经验。
说的都对，但确实没什么用，是大部分初级数据分析师提建议时会犯的错误之一。以具体的例子来说，业务方看到最近用户的次日流失率高达 70%，会很着急，过来找数据分析师寻求帮助。而数据分析师却说：“流失率这么高，那你们降低用户流失率啊。”这样的建议是对的，但是对于业务方是没有任何帮助的，业务方也知道需要降低用户流失率，但到底怎么降低，数据分析师并没有从数据层面给出一定的建议。
这类问题，大多数是问题分析不够深入，拆解得不够细致造成的。面对用户流失严重这个问题，业务方找到数据分析师肯定是想要找到什么样的用户流失了，这些用户为什么流失，在哪个环节流失以采取一些针对性的措施。
数据分析师经过较为细致的拆解，可以从渠道、流失步骤等提出以下较为具体的建议：
这样提建议，业务方才有着力点，才能从产品侧对业务进行一定的改进，也才是有意义的建议。
除了上述两种情况，提出的意见无法落地也是较为常见的问题。面对用户流失这个问题，数据分析师经过市场分析和竞品分析之后，发现由于相关竞品以低价夺走了部分市场份额，用户随之流失，因此数据分析师建议降低商品售价并与竞品保持一致。
这个建议的确可以减少用户流失，挽回部分用户，但是公司经营涉及成本问题，可能降低售价，利润就微乎其微了。业务方以 KPI 为导向，所以并不会采纳这类意见。
数据分析师这个岗位并不直接参与到业务决策中，就算数据分析师提出合理、切实可行的意见或建议，业务方也不一定采纳。所以这类问题考验的已经不是数据分析师基础的数据分析能力，更多的是其软技能、沟通能力及影响力。数据分析师在提出意见和建议时可以考虑用图表代替文字说明问题，用业务方听得懂的话代替专业术语陈述建议。另外，如果你的建议能够帮助业务方提升 KPI，那么业务方多少会对你的建议感兴趣。当然，从不同的业务出发，从不同的分析角度着手，都能提出各种不同的建议。所以本节只是抛砖引玉，至于如何在不同业务形态中提出合理、可行的建议，就需要数据分析师在实践中积累了。