业务方小A： 喂，小P啊，我那个数据什么时候出来呀，明天开会老板要呢！麻烦快点哦

业务方小B：小P啊，那个报表什么时候好呢？明天产品要上线了，现在一点数据都没有

业务方小C：小P童鞋，那个报表加几个字段，很简单吧，对你这种大神来说，分分钟的事情，明天肯定能好，好了我请你喝饮料哦

某老板：小P，上周的分析报告更新了？今天下午和我过一个版本，明天我要给老板汇报

.....

每当此时，大多数分析师的心情应该是这样的：

曾经怀抱一颗“大数据改变世界”的心，梦想自己有一天也能成为传说中的“数据科学家”，然并卵，现实却是无尽的临时需求，业务方使劲的压榨，老板无尽的催促，加班加点...... 有一天，你是否会觉得：“what are you 弄啥嘞?”

        预知后续如何，我们先来了解一下，这个被称为“未来5年最贵的人才”，与大数据，机器学习，人工智能，这些未来可能改变世界的技术最近的人，到底是什么样的群体？

1. 什么是数据分析师

 百度百科了一下，发现专业定义如下：

数据分析师是数据师的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。

说的有点长，我的理解是 数据分析师就是从杂乱的数据中分析总结规律，并能应用于业务，为公司创造价值的岗位。数据分析师的核心价值是辅助业务正确决策。优秀的数据分析师一定是结果导向，让自己的分析能产生业务价值，辅助甚至引领业务的变化。

互联网数据分析师，一般要具备很强的数据提取和处理分析能力，这就要求分析师一般都是计算机或数学或统计学等相关专业出身。

2. 数据分析师的日常

       一般的创业型公司（1-3年），几乎都没有专业的数据分析岗位（PS. 因为数据都还没有多少），我说的数据分析师是指在成熟的互联网公司，5年以内从业经验的那群人，大部分时间是这样分配的：

       这是我见过的大部分分析师的工作，如果小公司分析师还要兼数据开发的职责，那就更忙了。我们的分析师每天近70%的时间在临时需求（数据提取，报表开发）上，随着业务的高速发展，这些需求会越来越多，对于那些心态不好的分析师或者时间管理以及自我管理较弱的分析师，很可能陷入恶性循环，导致每天重复这些事情......即使效率很高很厉害的分析师，也至少有50%的时间陷入在临时需求里面，难以自拔......

3.  数据分析师之痛

       知道了分析师的日常，很多分析师内心是这样想的：“说好的数据分析师呢，怎么成了数据搬运师？” 我发现很多数据分析师的痛点，总结起来，无非这几点：

 a.  临时性重复性需求太多，占据大部分时间

 b.  数据质量要求很高，出了问题首推分析师

 c.  业务难绞难缠，总是掉进他们“温柔的陷阱”

 d.  分析报告出来了怎么推进落地，业务不屑一顾

 e.  好不容易整出个算法模型，业务大呼看不懂

 ......

 苦逼的分析师感叹道：“业务方咋这么难伺候？？？”

4. 给分析师的“灵丹妙药“

     总结以上分析师痛点，无非就是要解决以下三点：

      1）如何让分析师从海量的临时需求中解脱出来？

      2）分析师如何化被动为主动，引领业务变化？

     3）  分析师和业务到底应当建立什么关系？

第一点，如何让分析师从海量的临时需求中解脱出来？

问题抛出来了，站在分析师角度，无非从三个大方向入手：控制源头，提高效率

   控制源头主要是控制需求，有一句话叫“你必须足够了解它才能控制它”，可以从以下几个方面入手

  a.  端正心态，切勿急躁

     面对需求来临，不要表现出不想做的表情，老板和业务方都在这呢，情绪要控制住

b.  深入了解业务场景，知道为什么做，是否可以不做

      很多业务也是一头雾水，过来取数，自己都没理清楚要分析什么，这时候就需要你很懂业务，知道从哪些角度分析。同时很多业务自己想取的数据，我们的数据仓库里不一定有，或需要耗很大力气才能取到，这种就可以直接和业务说。从源头主动控制需求，你帮业务理清需求后，发现这个其实很简单，同时你自己也能从业务那边“打听”到不少“小道消息”哦

 c.  统一需求模板，降低沟通成本

       对于常规性的数据需求，比如取数，报表开发，很多业务胡写一通，很不规范，你去理解他的需求都要好半天。这时，我们可以让业务方按照我们的模板来提需求，务必写清楚各项字段和统计口径等等，反正就是按照尽可能降低沟通成本的角度去考虑设计模板。（PS. 业务方觉得烦，说不定就不会来骚扰你了，O(∩_∩)O哈哈~）

      提高效率，可以从以下几个方面入手：

a. 需求预处理

       我们可以内部开发需求预处理系统，比如它可能有以下几个功能：a. 能迅速找到之前是否有过类似的报表，分析报告可以复用，无需再次开发。b. 能快速找到之前类似的代码逻辑，可以复用的。

       当然，这部分工作需要领导层有这个意识，一旦这个建立起来，分析师的效率能提高不少，至少日常很多重复性的需求，能马上解决掉。

     b.  建立数据产品化意识

      我们日常做的分析报告，过一段时间，领导或业务方说，把那个数据更新到最新。突然发现，坑又来了，十几页的分析报告的数据又要重跑啊，当时可是跑了很久才跑出来的啊。其实，我们可以考虑将部分分析报告固化成数据产品，比如使用Tableau作可视化，效果就非常好。

    第二点，分析师如何化被动为主动，引领业务变化

a. 培养业务sense

       分析师要想自己的分析成果能引领业务变化，最重要的一点就是提高自己的业务sense。

       何为业务sense？就是对业务场景的熟悉和把握，对业务变化的敏感。这些需要日积月累，分析师在每次接到业务需求后，多问几个“为什么”，力争把业务场景弄清楚，积极主动的和业务进行沟通。在新业务或产品上线时，能主动进行分析，熟悉业务关注的指标和点。

b. 建立积极的双向沟通机制

         分析师在做需求时，接近1半的时间会花在和业务方的沟通上。我们可以派遣分析师常驻在业务方，参加业务方各种产品发布会，需求评审会，月会等。在日常的交流中能深入的了解业务场景。

       组织参加业务数据双向沟通会，比如双周会，会上数据分享主动挖掘的分析报告，业务分享近期业务变化，产品更新，短期目标，KPI达成情况等

       部分公司的分析师是双线考核的，分析师的30%的绩效会来自于业务方老板，这其实对分析师有很高的要求，倒逼分析师站在业务角度考虑问题，如何为业务创造价值，这个方法值得参考。

c. 提高工作效率，留更多时间给自己思考

        尽量快的处理完临时琐碎需求（如何高效，有技巧，自己去思考），留给自己更多的时间去思考一些业务和老板可能会关注的点，近期能会带来哪些数据变化等

第三点，分析师和业务应当建立怎样的关系

还记得文章开头说的，数据分析师的核心价值是“辅助业务正确决策”。大数据时代，我们是三国时期的“诸葛亮”，羽扇纶巾，神机妙算，业务可以比喻成“刘备”，我们帮助他一起“打天下”。大数据时代，数据驱动的公司才能走的更远，我们是数据的主人，需要我们充分发挥数据的价值，但凡脱离数据进行拍脑袋决策的业务方最后都死的很惨，业务方必须依赖分析师。作为分析师，将毕生所学，智慧输出需要业务场景，高大上的分析报告，算法模型，不能应用在业务上产生价值，岂不可惜？所以，分析师也很需要业务方。

曾经一个Boss问过这样的问题：你觉得分析师和业务方是什么关系？ 现场部分分析师的答案有：上下级 、朋友 、情人、甲乙方、合作伙伴。合作伙伴其实有那么点意思了，互惠双赢。业务方将分析师当取数劳力以及分析师完全脱离业务而闭门造车都是不对的，大家相互需求，彼此融合，共赢。

       数据驱动，我们不仅仅是要解决业务需求，更要开动大脑，从数据角度思考如何驱动业务发展，变被动为主动。在一个公司，业务驱动和数据驱动一般是双向的，齐头并进，相互促进，双赢才能创造更大的价值。