本文转自知乎
作者：空白白白白
—————————————————————————————————————————————————————
这位小伙伴发消息给我，描述了他对于从事工作的迷茫。具体而言，这名小伙伴的领导要他做一份公司业务的“增长策略”，这名小伙伴于是立刻开始用python开始分析各类数据之间的关联性，可是分析来分析去，却始终无法找到其与“增长策略”之间的关系，自然这份任务是无法完成的了。其实这类情况在数据分析领域并非个例，很多小伙伴一度非常迷茫，难道作为数据分析师不就是用工具分析数据吗？
其实这个问题说复杂挺复杂，说简单也很简单。大家这样想，公司之所以能够发出薪水，是因为这家公司业务上能够赚到钱。所有公司内的一切行为都是为了保证公司业务发展，在市场上能够持续赚到钱。所以千万不要觉得数据分析师只是单纯得玩数字上的游戏。python的各种库、R里的回归分析等随便拿来就能套用这就叫数据分析了。
我们来想象一个场景：你跟你老板做数据分析汇报，说我对这组数据做了回归分析、我运用了python的x库，结论是¥@#*…
这个时候老板态度：哇，你竟然会回归分析，哇你竟然会x库。抱歉，不会…老板只会觉得你就是一个没有业务Sense的IT，失去和你继续沟通下去的念头。
所以问题在哪里？数据分析师的是业务，不是数字。
我一直坚信一点：一名优秀的数据分析师绝对是公司内乃至于行业中最懂业务的人。因为如果你不懂业务，你分析数据有何意义？又能给公司带来什么价值？你个人凭什么要公司给你升职加薪？然而，在实际工作中，我们看到很多数据分析师不屑于学习业务。所以喜闻乐见的是，数据分析师成了取数机，往往都是业务人员要各种数据后回去自己分析。为什么？因为同样的数据对于不懂业务的数据分析师而言，只是数据；但对于业务人员而言却能通过数据看到其背后真正的商业逻辑和客户行为。
所以一名数据分析分析师正确的打开方式应该是怎样的呢？这里我给大家一套“组合拳”
第一步：一定要去了解你所处公司的业务，而且要深入下去，最好能够去一线全流程的走一遍，切身经历完整的业务流程。我从一家大型金融集团跳到一个物流平台，当时对物流完全不了解，一线的物流枢纽都是脏乱差的，同事都不愿意出差到一线去，宁愿呆在总部的办公室里。但是我依然跑了很多枢纽，去看仓储，看调度，跟司机跑配送，拜访客户。正是因为这样的经历，让我能够切身了解物流业务的全流程，让我了解一线的实际工作情况。当具备这样的能力后，数字在我眼睛里已经不再是数据，而是鲜活的业务，这样的“分析”才能够真正帮助到业务成长。
第二步: 一定紧紧抓住公司战略主线。上一步完成之后大家就有了“深度”，这一步需要大家提升自己的“高度”。所谓战略主线，简而言之就是公司未来一段时间的目标是什么。千万别觉得这些事情是“大佬”的事情，每一名数据分析师都应该对公司战略了然于胸，只有这样你的分析才不会“跑偏”。试问，如果公司近期的战略是高速增长，这时需要你进行产品定价分析。正确的方向是如何通过定价来快速占领市场，而如果你不了解公司的战略，把分析重点放到怎么最大化利润上，你觉得有谁会青睐使用你的分析？我在上家公司时，从来不放过任何一个能够参与到公司战略的会议，哪怕只是列席旁听。这样也保证了我的分析始终与公司主线保持一致。如果说战略会议哪能是一个小兵就能旁听的。那主动旁听你服务的业务部门的会议，如产品、运营、广告部门等。这个就简单多了。
第三步：持续跟进数据分析方案落地，跟进迭代分析结果。没有任何一个分析方案能够自动落地的，不管你做的有多么好。并且在数据方案落地的过程中，还会持续产生更多的数据，这时也需要分析师跟进迭代，不断的修正方案，最终实现数据对业务增长的驱动。
第四步：懂得分析汇报方式。数据分析师往往强于数理逻辑而弱于表达沟通。但要知道，很多业务领导乃至于公司高层都是非常感性的。要想他们接受你的分析结果，一定不能上来就讲数据，而是要讲“故事”，讲业务，多用图表，少用文字。确保你的分析结果在清晰准确的前提下，能够生动贴切业务。这方面比较薄弱的小伙伴建议尽快加强。如果有需要可以翻翻我之前的文章，里面分享过不少PPT模版。
第五步：一定不要受制于“术”，而止步于“道”。很多数据分析小伙伴特别关注python等程序语言，张口闭口大数据，人工智能。其实这些都是技术而已，是我们达到目的的工具。然而，如何达到目的，策略、规划、方法等才是最重要的。GrowingIO的张溪梦大家应该都是熟悉的，他本身是从外科大夫再到美国读MBA，他就算后期自学了写代码技能但是始终没办法和科班的比，但他靠对业务的充分理解和钻研，通过数据分析帮助领英实现高速增长。最终他成为了美国十大数据科学家之一。由此可以看到“术”“道”之间何轻何重了。
做一名数据分析师是困难的，不止要懂技术，还要了解业务，懂得汇报，具有推动力，知道方法论，正因为需要综合的能力，所以市场上优秀的数据分析师供不应求。希望通过这篇文章能够给大家一点启发，沿着正确的方向和道路展开自己的数据分析之路。