写这篇文章灵感来自今天中午吃饭时和运营同事聊天，其因业绩不好心情欠佳，随口问了句运营数据问题被“怼”的社死现场，在此感谢给了我灵感的同事。(注：由于本人行业经验欠缺，或许观点片面，不够客观，大佬请绕道)
你好，我是anti酱，现在入职几月的数据分析师，目前在一家成立5年左右的小电商公司做数据分析，由于一毕业就转行，这个方向非我科班，公司也并非有较为完善的人才培养体系，基本全靠摸索，走了很多弯路，对此有所感悟。
1.数据分析没有想象中的难，也没有想象中的容易。最开始接触数据分析是读研时需要写论文做研究，当时虽然觉得写作过程及其痛苦，但由于需要调研收集数据做分析，后面就去看了些统计方法、数据分析相关的书籍，慢慢入迷就去知乎看了学习路径，从Excel开始学起一直到Python，后面其实才发现好多都慢慢忘完了。后来系统化报班之后才发现，其实整个过程浪费了很多时间，过度重视工具的学习而忽视数据思维、业务的学习就是本末倒置。工具都是不难的，只要学过下次就会，忘了大不了百度下也就可以搞出来。真正难的部分还是数据思维和业务，这部分很大程度上决定了能力分水岭，就像我现在团队的部门经理，哪怕他不懂什么叫数据分析，但任何公司内部电商运营相关的部分都难不倒他，这才是数据分析的内功，也是不去工作永远很难习得的部分。
2.数据重不重要，某种情况下取决于老板重不重视。小公司做数据分析最大的问题在于老板不重视，老板不懂什么叫数据分析，没有自己的数据收集平台（所以大家一定要擦亮眼问问对方有没有自己的数据库或者数据中台包括数据团队啥的，防止进坑），啥都得自己搞，另一方面不舍得在这上面投入，始终觉得花钱雇太多人做这块毫无意义。所以初期能进大公司还是要努力进大公司，进不了大公司还是要积极提升自己业务能力水平，早日跳槽才是，真的不值得在数据拓荒的公司待太久，经验或者能力极强除外。
3.没有指标体系和模型指导的数据分析都是耍流氓。刚开始做数据分析最大的问题就在于没有自己的指标体系和业务模型，不知道要分析什么数据，更不知道要怎样去分析，后面系统学习了一些业务部分才有一些眉目，工作中要特别注意指标体系的搭建和业务模型包括业务分析方法的思考总结，而且要从多维度去拆解问题，以满足自己的业务场景。
4.不可全靠经验，也不可盲目全信数据。干了一段时间，这个工作的一个体会大概就是数据要么被低估，要么被高估了，部分人会过于推崇数据，而另一部分人又会对此嗤之以鼻。大概由于其在国内推广的历史并不长，部分人并未真正意识到它的重要性，在意识到它好的一面的背后，也要知道数据不能分析出什么，尽可能的排除掉一些数据背后的“虚荣”。另一方面也要意识到经验的重要性，两者更好的结合，才能更好的驱动业务。
5.不仅仅是干一份工作，也是生活中的功课。从好的一面来说，数据分析不仅仅是一份工作，也会影响生活的方方面面，无论是每月把钱用在刀刃上开源节流，还是投资理财等等，都与之密切相关。坏的一面大概是需要结合更多维的视角，跨专业的思维去思考问题，要在思维广度上提升，多方涉猎必不可少。
对此的下一步提升策略：
1.关于公司。利用现有项目积累数据经验，梳理总结业务模型和分析方法，另一方面注重技能提升，留意其他机会今年内努力跳槽。
2.关于业务。不要闭门造车，努力与公司运营沟通需求，总结梳理不同业务模型的适用场景与行业业务指标，多做笔试题进行复盘。
3.关于思维深度。培养阅读的习惯，注意积累心理学，经济学包括其他如艺术、哲学等多维度知识体系，并在生活中养成积累思考问题的习惯。
