序

工作一年左右，数据分析师会开始有些迷茫。每天都被一堆要各种数据的业务人员纠缠，导致每天工作量很大，经常加班到深夜。但是我发现自己的能力并没有太大的提升，每天都在做重复性的工作，也没有什么提升业务的项目，所以业绩不会太好。开始质疑数据分析师根本不是在做网上描述的数据驱动增长的工作，而是一个业务主导的“数据检索机器人”。这往往是大多数初、中级分析师遇到的第一个瓶颈，那么如何突破这个瓶颈呢？

01.削减无效需求。

01)，削减需求的初心

首先，在削减需求的时候，我们不需要有心理负担。我们认为拒绝业务方的需求会被认为是偷懒的行为，害怕业务方的投诉会影响我们自己的评价。

我们需要明白，削减需求并不是为了减少工作量而懈怠的行为。相反，削减需求往往需要花费更多的精力与企业方争论。大多数情况下，比直接拿需求要花更多的时间，很可能会特别累。

削减需求的目的是什么？需求切割的目的是减少业务和数据分析师在不正确的地方浪费的时间，把节省下来的时间花在更有意义的事情上，从而提高整个业务的运营效率。

了解了需求削减背后的最终目的后，我们就可以毫无负担地与业务方并肩作战了。

02.削减需求的过程)

1.了解业务方提出的需求是否有明确的目的。

很多业务方在提出一个数据需求的时候，并没有想清楚这些数据到底是为了解决什么问题。如果一个业务方在提出需求的时候没有明确指出要解决什么问题，只是单纯的想看看数据，这个时候就需要果断直接的拒绝。这种看房类的数据需求是无止境的，不会实际解决业务问题，反而会浪费双方的时间。

当然，在实际操作过程中，很难拒绝该需求，双方可能存在职级差异。这种情况下，也需要和你的上级就切割的无效需求达成一致，必要时寻求上级的帮助。对于可以拒绝的需求，你需要尽可能的拒绝，学会如何恰当而礼貌的拒绝也是一门值得学习的艺术。这种需要是建立在对方性格和灵活反应(看人上菜)的基础上的。

2.确定业务方想要解决的问题是否是“真正的”问题。

如果业务端的数据需求有明确的目的，那么你就需要思考他想解决的问题是不是问题。当然这种判断会有一定的难度，需要数据分析师对业务有深入的了解，避免业务方抛出一个伪命题就被业务方牵着鼻子走。当你收到这种需求时，你需要非常小心地识别，比如：

某电商平台运营告诉分析师，美妆品类的毛利率比较高，让你在收入、成本、折扣、人群等多个维度综合分析原因。

钉钉产品经理，问一下分析师为什么钉钉工作日的DAU比周末高，请你专门分析一下，给出原因。

一个成长记录App的产品经理问分析师，为什么节假日和周末上传的照片数量这么大，你可以从各种用户群体的角度拆解一下，找出可能的原因。

这三个例子都是业务方提出的伪命题需求，本质上都是由相应的业务特性造成的。如果一个分析师不懂业务，真的去分析这些伪命题需求，那么做一个无效的分析就要花很多时间，如果什么都不做就会被认为不专业。

3.想想业务方提出的数据需求能否解决他的问题。

如果这个数据需求已经通过了前两步的考验，那么恭喜你，你可能已经收到了一个可以给业务带来价值的需求。但也有可能是因为业务方在数据方面不够专业，业务方想看的数据指标实际上并不能解决他的问题。他们可能存在因果关系、本末倒置、人群过滤不合理等问题。而他们在得到这些数据后往往会得出一个错误的结论。这是展现一个数据分析师专业素养的时候了。首先，你需要对你的业务的数据指标体系了如指掌；其次，每个数据指标背后的商业含义要清晰；最后，业务方想要解决的问题背后的实际业务含义也是非常清楚的。

然后开始进入切割指标的环节，也就是提问操作的环节。问清楚运营看每个数据指标是为了什么，不看这个数据指标会怎么样。问运营对这个数据指标的预期是什么，这个数据指标好坏会有什么样的对应业务动作。经过这个问答环节，很多没用的指标都会被砍掉。

切割完指标，就进入添加指标的环节。大多数情况下，业务方只会站在自己的角度思考问题，很可能缺乏对全局的思考。那么在了解了需求背后的真实目的之后，我们分析人员就不得不思考需要哪些数据指标进行对比分析来完成这个目的，并根据业务方最初提出的数据指标进行查漏补缺，最终形成一个相对完善的数据方案来解决需求目的。这个对数据分析师的要求比较高，需要对业务的深刻理解和强大的数据思维。

03)减少需求的好处

如果每一个需求都被上面的灵魂拷问过，那么很多业务方不想理解的无效需求都可以拒绝；也可以理解为，业务方的真正困惑是

什么，在焦虑些什么东西，利用我们的专业性优势给予更多合理的建议;也可能会升级需求类型，从普通的取数需求变成一个有较大价值的分析需求。

那长此以往的合作下去，业务方很可能就不会再来提取数需求，都是来找直接找你聊他的困惑是什么，和你一起探讨什么样的数据可以解决的他的问题，那么这种往往都会变成最能体现数据分析师综合能力的分析类需求，最后一般都是会产出一份分析报告的。那我们数据分析师就可以翻身农奴把歌唱，从一个取数工具人变成一名业务迭代参与者，最终成为一名真的能创造业务价值的数据分析师，做到了数据驱动业务的增长。

02、建立完善的数据报表体系

对于日常需要看的数据指标，我们需要落地成对应的数据报表或者对于核心的部分开发自定义的数据看板。业务的变化是十分之快的，如果跟着业务的需求去做对应的报表，那是永远无法满足业务当前的诉求的，就会无止境的陷入报表的开发当中。你需要站在业务方的立场，去想业务的核心是什么，最需要关心的是什么，然后抽象总结出一套能监控业务现状，发现业务问题、指导业务分析的数据指标体系，落地成对应数据报表。这个推荐用OSM模型来搭建数据报表体系，由于这里篇幅有限，后面会单独写一篇文章来介绍OSM模型的实际应用。

提前规划好业务方需要看数据报表体系后，就可以避免很多常规性的重复取数。帮助业务方了解自己该重点看什么数据，提早发现业务有什么存在的问题。一个好的报表体系不仅仅是展示一推数字，更是一个能帮助业务方进行分析的思维模型，当业务发生异常时，顺着报表的设计思路，业务方能自行分析定位出问题所在，最后落地对应的解决方案后还能通过报表得出改动的效果如何。

利用报表体系解决业务方的日常性的看数据需求，只有一次性开发报表的工作量，搭建的过程中可能会比较痛苦，也会持续较长的时间，但是一旦数据报表体系搭建完成之后，就会避免很多后续的临时性取数任务。

03、深度参与业务重点项目

数据分析师一定要多参与到重点项目中去，这种参与并不是通过帮助项目简单的做一些报表，取一些数据。而是自己当成项目owner去想问题，去做事情。主动用数据帮助项目发现一些问题，并且根据自己对业务的理解给出一些解决方案，利用数据分析项目已执行方案的具体效果，把一些不好的业务动作去掉，把更多的资源给到实际带给项目正向效果的事情。站在业务方视角想一些能带来的增量的事情，并且利用数据分析师的优势把想法用数据来衡量可能会带来的收益，让事情能更好的落地。

当然做这个点对应数据分析师要求十分之高，需要真的的理解业务。一个好的数据分析师必定是一个好的运营和产品经理。那在你深度参与到项目中之后，并且给项目带来看得到的效果，业务方就会明白你的价值之大，会让你越来越多的参与到项目中去，也就能做越来越多的分析报告，也是真的让你的数据分析结果落地到实际的业务中去，实践了数据驱动增长。这样业务方自然而然会舍不得让你做哪些没什么用的临时取数需求。业务方也不是傻子，自然会懂怎么样与你合作对他的利益是最大的。

04、总结

要想避免成为业务方的“取数机”，下面这些点要特别注意：

懂业务，了解业务看起来很简单，其实难之又难，要懂商业本质，要有产品sense，也要有运营思维。所以一个好的数据分析师必定是能胜任产品经理和运营的岗位的。

把自己想象成老板，用经营的视角的去思考公司的业务。想一想公司商业模式的本质，也可以时常去关注竞品的动向，想明白的目前业务的核心到底是什么，思考公司和管理层需要什么样的数据帮他们了解业务的发展情况，监控业务的迭代效果。

多站在运营的视角去想当前的业务现状是什么，运营目前的困惑是什么，什么事情是他们当下该关注的核心，什么样的北极星指标能指引运营朝着正确的方向前进。

如果一个数据分析师能把以上3点掌握透了，那必定已经达到一个新的高度，摆脱初中级分析师的瓶颈，拥有了自己的核心竞争力，向着新的成长道路出发。

作者介绍

杭州@阿坤

母婴电商行业数据分析师兼数据产品经理;

致力于研究电商行业的数据驱动增长以及数据产品从0到1的搭建;

“数据人创作者联盟”成员。