歡迎關注天善智慧， 我們是專注于商業智慧BI， 人工智慧AI， 大資料分析與挖掘領域的垂直社區， 學習， 問答、求職一站式搞定！
年底將近， 雙十一大促銷在即， 資料分析師們又到了一年最辛苦， 最悲催的時間段。 然而， 有多少無意義的加班， 是因為業務部門不會提需求所導致的。 需求提的不合理， 業務部門看了不解決問題， 就會反反復複的再提需求。 導致資料分析師們辛苦加班還不落好， 背上一個：“分析沒深度啊！”的壞名聲。
為了提高分析品質。 陳老師總結了資料分析師可以回答&不可以回答的問題。 資料分析師們可以對症下藥， 在業務部門思路不清晰的時候， 幫他們理清思路， 找到他們真正關心的問題。 業務部門的同學們自取學習， 提升資料能力， 能讓你的方案思路更清楚， 減少返工機會。 思路不清， 被老闆退回， 反復改到V28-7F.3版，
簡單來說， 資料分析師可以回答三類問題：是什麼， 為什麼， 會怎樣。
資料分析師可以回答：是什麼是什麼：用資料指標描述某一時間段內的某個問題。 這裡有三個關鍵字：資料指標、時間、問題。 第一個關鍵字是：資料指標。 我們常提的， 比如PV/UV， 用戶數， 活躍率， 轉化率， 留存率都是指標。 討論問題如果不能具體到一個指標， 就無法用資料量化分析。 因此業務部門需要清晰的知道：到底有哪些指標可以用。 這裡強烈建議資料分析師們把自己公司常用指標整理一份《業務常用資料字典》， 方便業務方統一口徑， 也方便業務方新人學習。 儘量不要一個項目就新造一堆指標出來。 公司內部統一口徑， 才是可持續深入分析的基礎。
第二個關鍵字是時間。 業務方往往對時間不敏感， 喜歡張口就來：“我們的用戶量是多少？活躍率是多少？”這時候資料分析師必須提示業務方， 想清楚自己想看的資料的時間範圍。 活躍率是看周活躍率還是月活躍率還是年活躍。 如果業務方自己想不清楚， 就交代一下業務背景， 讓資料分析師幫看看用哪個指標合適。 不溝通清楚時間段， 同一個指標反復取數， 是導致資料分析師加班的重要原因！
第三個關鍵字是問題。 資料指標有可能能直接說明問題。 比如性別指標， 直接統計某個時間點上的性別指標， 就能看出來用戶男女比例。 有些情況下， 需要多指標綜合判斷。 比如要判斷一個推廣管道的品質。
遇到綜合指標&對比判斷指標， 業務方需要先給判斷邏輯。 畢竟業務方才是對業績直接負責的部門。 到底什麼指標對業務發展更重要， 到底什麼程度才算好/壞， 業務方才是最終裁判。 對業務開展有利是最終判斷準則。 如果業務方暫時沒有清晰判斷， 資料分析師可以協助先計算資料分佈， 提高業務方判斷效率。
資料分析師可以回答：為什麼為什麼：用資料分析問題產生的原因。
資料分析師70%時間要花在基礎的資料處理、資料計算、報表製作上。 相比之下， 每天都在一線奮戰的業務方， 反而有可能對問題產生的原因， 有更直觀的感受。 因此， 想精准的分析原因， 最好的方式是業務方先提供業務假設：基於經驗， 可能是在XX方面有問題。 資料分析師通過資料進行驗證， 品質就非常之高了。
資料分析師可以回答：會怎樣會怎樣：用資料預測未來可能的情況。 這裡必須強調：不要高估所謂大資料、人工智慧、科學演算法的能力。資料分析師們預測未來的基本邏輯，是：過去的情況會重現，過去發生的邏輯未來也一樣。完全憑空飛出來的黑天鵝是無法預測的。本質上看，未來業績是多少，是靠業務方做出來的，不是算出來的。如果業務方不努力幹活，單靠演算法、公式、模型、又能怎樣？
因此，高品質的預測，是建立在業務方準確的提供未來計畫之上。未來業務方將開展的計畫越精細，資料分析師們，就能越準確的衡量得失，判斷內外部因素影響。如果沒有計劃，資料分析師們，也只能假設現在的某些趨勢保持不變，簡單拍拍腦袋。
資料分析師不可以回答：怎麼辦重要的事情說三遍：
分析“我該怎麼做”不屬於資料分析師職責
分析“我該怎麼做”不屬於資料分析師職責
分析“我該怎麼做”不屬於資料分析師職責
雖然也有分析兩個字，但是如何設計解決方案是業務部門的事。運營部門就該做活動方案，產品經理就該出產品方案，銷售部門就該想東西怎麼賣。這才是業務部門的本職工作。吵吵著：“你說我不行，你行你上啊”是怠忽職守的扯皮表現。如果連具體的業務方案都讓分析師來想了，分析師也乾脆把業務部門的工資領了算了。
不靠譜的需求大多長這樣一份合格的需求，一定要先想清楚：自己到底要什麼。當方案還在策劃階段，最需要了目標客群歷史上的“是什麼”，通過對過往經驗的回顧，尋找下一個方案的想法。有了初步的想法以後，可以測算“會怎樣”，為選擇方案提供資料支援。當方案落地成項目時，可考慮監控當前的“是什麼”，監督專案進度。當項目完成後，可再分析“為什麼”，總結成功失敗原因。
業務方提需求的時候，最忌諱眉毛鬍子一把抓。腦中一堆問題沒頭緒，就一股腦傾瀉給資料部門。嘴裡講的是看一個XX指標歷史資料，心理想的是：“我靠，未來這個指標不會下滑吧”。嘴裡講的是看兩個AB指標的走勢，心理想的是：“肯定是B影響了A”。如果資料結果和想像不一樣，就懷疑是資料問題，又提一堆亂七八糟的新需求。往往取數的邏輯越來越複雜，到最後都已經不記得最初想解決什麼問題。親，想做預測就直接做預測，想分析原因就直接找原因，不用這麼彎彎繞繞。在如何看資料上，資料分析師們有更豐富的經驗，和他們充分討論，出品品質更高哦。
當然，最大的問題還是不會問：“是什麼”。取數分不清指標，分不清時間狀態。平時沒有養成嚴謹的資料習慣，隨口說：“我們的用戶有1000萬”“消費1000以上”“大部分是男性”之類的話說的太多。導致看似有資料意識，實則認識不清。利用資料思路混亂，輸出結果不嚴謹，導致反反復複取數、核對資料，消耗了大量時間。當然，業務部門沒必要做到專業級的嚴謹，這裡必須靠資料分析師來把關，協助大家提高分析品質。
高品質的需求可以這麼提不直接問“我要做什麼”，不代表資料分析師不能支援到方案選擇。實際上，合理的提問，可以有效獲取參考資料，啟發思路，提升方案品質。比如把“分析一下我該怎麼幹”換成以下問題，就有可能獲得更好的結果：
掌握具體情況越豐富，細節越詳細，越可以幫助業務方看清楚哪些方法好用，哪些方法不好用；掌握的目標使用者行為越多，越可以説明業務方把握目標群體的特點，從而更好的思考哪些方案可行。這裡可能就是基礎的資料分析結果呈現與使用者畫像展示，但對啟發思維是非常有幫助的。
第二：可以來問為什麼。比如：“什麼上個月的活動投入力度那麼大但是響應率不高？是因為宣傳沒有到位還是投放的券力度太小？從環節上看，是訪問率跌了還是轉化率跌了？類似力度的活動，比如去年XX活動轉化率多少？”
找原因的時候，有具體的假設，就能幫資料分析師快速鎖定目標。資料分析師們，可以提供豐富的資料來多角度論證問題。畢竟去偽存真，去偽的難度更低。
第三：可以來問會怎樣。比如：“我已經計畫好了，採取買二贈一的模式，在X月X號-X月X號進行，針對所有用戶開展活動。請幫忙測算一下到時會有多少人參與？到時會不會出現庫存不足？如果參與人不足，在什麼時候再投放一次廣告能彌補問題？”
有了具體的方案以後，資料分析師們就可以為業務量身定制測算方案。可以很細緻的結合具體的活動形式、活動時間、活動群體，來考慮競爭對手的影響，考慮季節性波動與參與率。從而相對精確的給到測算意見，為業務部門行動提供有力的支持。
當然，一個業務技術雙精通的資料分析師，是可以提業務方搞掂上邊所有問題的，不依賴業務方的判斷，因為他自己就是個業務高手，有豐富的實戰經驗與業務能力。但這種人是可遇不可求的。大部分數據分析師還是70%時間處理資料的技術男。
為了提高效率，請珍惜資料分析師的時間，讓他們把智力投入到更有價值的為什麼，會怎樣的分析上，而不是反反復複的當人肉報表機提資料，那樣分析的結論不深入，既浪費分析師的人力，又耽誤業務部門決策。
本文作者：天善智慧社區陳老師，8年經驗資料分析師，資深業務顧問。觀客CRM資料運營總監，在金融，零售，家居，美容等行業有豐富經驗。負責超過25個資料運營，CRM，精准行銷專案落地，參與5個以上資料產品設計與運營。在業務部門最懂資料，在資料部門最懂業務，在資料業務兩個交叉領域吐槽最兇猛。
歡迎關注天善智慧，我們是專注于商業智慧BI，人工智慧AI，大資料分析與挖掘領域的垂直社區，學習，問答、求職一站式搞定！
天善學院雙十一五場微課免費直播，加直播管理員： xtechday ，進入直播交流。
11月6日年邁的資料分析師教你做年終總結報告
陳丹奕：知乎大神，前百度資深資料分析師
11月7日機器學習與工業實踐
鄒博：中國科學院副研究員，天津大學特聘教授
11月8日 貝葉斯演算法與新聞分類實戰
唐宇迪：深度學習領域多年一線實踐研究專家，同濟大學碩士
11月9日破冰Python，1小時快速入門
王大偉： Python愛好者社區公眾號負責人，擅長網路爬蟲、資料分析
11月10日 職場也有雙11--你賤賣自己的5大常用技巧
陳文：8年經驗資料分析師，資深業務顧問
這裡必須強調：不要高估所謂大資料、人工智慧、科學演算法的能力。資料分析師們預測未來的基本邏輯，是：過去的情況會重現，過去發生的邏輯未來也一樣。完全憑空飛出來的黑天鵝是無法預測的。本質上看，未來業績是多少，是靠業務方做出來的，不是算出來的。如果業務方不努力幹活，單靠演算法、公式、模型、又能怎樣？因此，高品質的預測，是建立在業務方準確的提供未來計畫之上。未來業務方將開展的計畫越精細，資料分析師們，就能越準確的衡量得失，判斷內外部因素影響。如果沒有計劃，資料分析師們，也只能假設現在的某些趨勢保持不變，簡單拍拍腦袋。
資料分析師不可以回答：怎麼辦重要的事情說三遍：
分析“我該怎麼做”不屬於資料分析師職責
分析“我該怎麼做”不屬於資料分析師職責
分析“我該怎麼做”不屬於資料分析師職責
雖然也有分析兩個字，但是如何設計解決方案是業務部門的事。運營部門就該做活動方案，產品經理就該出產品方案，銷售部門就該想東西怎麼賣。這才是業務部門的本職工作。吵吵著：“你說我不行，你行你上啊”是怠忽職守的扯皮表現。如果連具體的業務方案都讓分析師來想了，分析師也乾脆把業務部門的工資領了算了。
不靠譜的需求大多長這樣一份合格的需求，一定要先想清楚：自己到底要什麼。當方案還在策劃階段，最需要了目標客群歷史上的“是什麼”，通過對過往經驗的回顧，尋找下一個方案的想法。有了初步的想法以後，可以測算“會怎樣”，為選擇方案提供資料支援。當方案落地成項目時，可考慮監控當前的“是什麼”，監督專案進度。當項目完成後，可再分析“為什麼”，總結成功失敗原因。
業務方提需求的時候，最忌諱眉毛鬍子一把抓。腦中一堆問題沒頭緒，就一股腦傾瀉給資料部門。嘴裡講的是看一個XX指標歷史資料，心理想的是：“我靠，未來這個指標不會下滑吧”。嘴裡講的是看兩個AB指標的走勢，心理想的是：“肯定是B影響了A”。如果資料結果和想像不一樣，就懷疑是資料問題，又提一堆亂七八糟的新需求。往往取數的邏輯越來越複雜，到最後都已經不記得最初想解決什麼問題。親，想做預測就直接做預測，想分析原因就直接找原因，不用這麼彎彎繞繞。在如何看資料上，資料分析師們有更豐富的經驗，和他們充分討論，出品品質更高哦。
當然，最大的問題還是不會問：“是什麼”。取數分不清指標，分不清時間狀態。平時沒有養成嚴謹的資料習慣，隨口說：“我們的用戶有1000萬”“消費1000以上”“大部分是男性”之類的話說的太多。導致看似有資料意識，實則認識不清。利用資料思路混亂，輸出結果不嚴謹，導致反反復複取數、核對資料，消耗了大量時間。當然，業務部門沒必要做到專業級的嚴謹，這裡必須靠資料分析師來把關，協助大家提高分析品質。
高品質的需求可以這麼提不直接問“我要做什麼”，不代表資料分析師不能支援到方案選擇。實際上，合理的提問，可以有效獲取參考資料，啟發思路，提升方案品質。比如把“分析一下我該怎麼幹”換成以下問題，就有可能獲得更好的結果：
掌握具體情況越豐富，細節越詳細，越可以幫助業務方看清楚哪些方法好用，哪些方法不好用；掌握的目標使用者行為越多，越可以説明業務方把握目標群體的特點，從而更好的思考哪些方案可行。這裡可能就是基礎的資料分析結果呈現與使用者畫像展示，但對啟發思維是非常有幫助的。
第二：可以來問為什麼。比如：“什麼上個月的活動投入力度那麼大但是響應率不高？是因為宣傳沒有到位還是投放的券力度太小？從環節上看，是訪問率跌了還是轉化率跌了？類似力度的活動，比如去年XX活動轉化率多少？”
找原因的時候，有具體的假設，就能幫資料分析師快速鎖定目標。資料分析師們，可以提供豐富的資料來多角度論證問題。畢竟去偽存真，去偽的難度更低。
第三：可以來問會怎樣。比如：“我已經計畫好了，採取買二贈一的模式，在X月X號-X月X號進行，針對所有用戶開展活動。請幫忙測算一下到時會有多少人參與？到時會不會出現庫存不足？如果參與人不足，在什麼時候再投放一次廣告能彌補問題？”
有了具體的方案以後，資料分析師們就可以為業務量身定制測算方案。可以很細緻的結合具體的活動形式、活動時間、活動群體，來考慮競爭對手的影響，考慮季節性波動與參與率。從而相對精確的給到測算意見，為業務部門行動提供有力的支持。
當然，一個業務技術雙精通的資料分析師，是可以提業務方搞掂上邊所有問題的，不依賴業務方的判斷，因為他自己就是個業務高手，有豐富的實戰經驗與業務能力。但這種人是可遇不可求的。大部分數據分析師還是70%時間處理資料的技術男。
為了提高效率，請珍惜資料分析師的時間，讓他們把智力投入到更有價值的為什麼，會怎樣的分析上，而不是反反復複的當人肉報表機提資料，那樣分析的結論不深入，既浪費分析師的人力，又耽誤業務部門決策。
本文作者：天善智慧社區陳老師，8年經驗資料分析師，資深業務顧問。觀客CRM資料運營總監，在金融，零售，家居，美容等行業有豐富經驗。負責超過25個資料運營，CRM，精准行銷專案落地，參與5個以上資料產品設計與運營。在業務部門最懂資料，在資料部門最懂業務，在資料業務兩個交叉領域吐槽最兇猛。
歡迎關注天善智慧，我們是專注于商業智慧BI，人工智慧AI，大資料分析與挖掘領域的垂直社區，學習，問答、求職一站式搞定！
天善學院雙十一五場微課免費直播，加直播管理員： xtechday ，進入直播交流。
11月6日年邁的資料分析師教你做年終總結報告
陳丹奕：知乎大神，前百度資深資料分析師
11月7日機器學習與工業實踐
鄒博：中國科學院副研究員，天津大學特聘教授
11月8日 貝葉斯演算法與新聞分類實戰
唐宇迪：深度學習領域多年一線實踐研究專家，同濟大學碩士
11月9日破冰Python，1小時快速入門
王大偉： Python愛好者社區公眾號負責人，擅長網路爬蟲、資料分析
11月10日 職場也有雙11--你賤賣自己的5大常用技巧
陳文：8年經驗資料分析師，資深業務顧問