1、序言

在很多公司，“用数据说话”已经是个共识。在这个前提下，很多产品团队都设了专门的数据分析岗，我本人就是某商业广告产品团队的专职数据分析师。在工作中，经常能感受到这样的疑问：PM、老板也花了很多时间看数据，那么专职的数据分析师看数据的方法跟其他人有什么不同？专职数据分析工作的价值在哪里？数据分析工作真的能回答业务提出的问题，指导业务发展吗？数据分析的工作边界在哪里？

2、专职的数据分析工作，跟PM和老板看数据是不一样的

2.1 数据分析之前，关注的工作重点不同

其实关注重点不同，本质上是由分工不同造成的，所谓屁股决定脑袋。

举个例子：好比有一个卖场，采购部挑选销量好的货品，商品部定价，门店销售员想办法搞活动拉来更多的客户。但是有一个人会观察，现在对整个超市来说，哪些地方还有增加收入的机会。现在是东西不够卖了，还是客户不够多了，还是货品的安排不利于客户选购，导致人来了但是东西没卖掉。这个角色在企业里通常是老板，在业务相对复杂的时候，就出现了专职的数据分析工作人员。

在互联网公司里，商业产品会关注使用场景、交互方式、产品带来的价值、产品定价；平台产品会关注信息流、数据流、平台产品逻辑是否能有效支撑业务正常进行。数据分析师则需要通盘考虑，绘制业务全貌，与团队一起验证和指引业务前进的方向。例如流量是否到天花板了，广告够么，空间在哪里，有更好的卖法么，是否定价不合理。

当然，对于思维活跃的产品经理群体来说，每个人都在放眼观察市场、观察业务，但由于时间、精力、资源是有限的，个人能看到的东西都是有局限的。在业务足够复杂，团队足够成熟的条件下，工种相应也会足够细分。每个人都需要恪尽职守，从自己的角度出发，去揣摩工作无形的边界，才能达到资源产出的最大化。

2.2 做数据分析时，分析的目的不同

产品经理看的数据一般来说会比较有深度，老板关注的更多是一个问题的答案，而数据分析师一般会着眼于广度、数据完整性、逻辑完整性。

举个例子：团队打算在移动流量上开发一款新的产品。产品经理会去看点击分布数据，加上自己的思考、判断、猜测，去揣摩某一类流量，用户想要的到底是什么。老板会去问，这款产品能拿到多少流量，带来多少收入。数据分析师则会立刻准备一个指标逻辑表，用来说明这款产品从流量到收入，业务链条上的关键点可以用什么指标来说明，请团队估值后与公司内其他成熟产品、市场上的类似产品去做对比，用来评估效果、预期产出。

2.3 数据分析完成后，保存使用数据的方法不同

对于产品经理和部门管理者，数据使用完后就等于一个问题已经得到了答案，推导过程可以退场了。但数据分析师的工作还有一部分就在于数据呈现，因此会思考数据知识沉淀方面的工作，以便后续能更方便的获取到某类数据。

3、数据分析工作的价值

曾经有同事问过我一个很尖锐的问题：为什么老板能用你的数据回答某个业务问题，做出一个判断，你有这么多数据，却告诉我不能判断？是不是在害怕背责任？

我的理解是：老板通过自己的知识结构、信息收集，可能已经完成了一个98块的拼图，看到我的数据后，感觉最后2块终于齐了，所以就做出了一个判断。但是显然我是不可能用现有的2块拼图去回答一个问题的，这不是怕背责任，是怕不负责任。

那数据分析能不能回答一个业务问题呢？能，但是需要和业务一起去看，如果要回答这个问题，关键的逻辑路径在哪里，然后致力于获取准确的数据，理清严密的逻辑，给出合理的论点和论证。

举个例子，如果希望用数据回答：“客户在购买产品时，是否有同时购买abc产品的偏好？如果是，可以向购买a产品的客户推荐bc，从而扩大销量”。看起来很美好，但很有可能同时购买abc是销售内部不成文的规定。产品设计、产品运营、销售运营、售出，中间是有很长的业务环境的。单凭数据，是无法得出深入的结论的。

数据分析工作的价值就在于把数据的意义揭示出来，形成团队共识和知识积累，让大家坐在一起的时候，把时间用在对业务的讨论上，形成越来越多对业务的insight，揣摩业务的边界，把自己手里的拼图尽可能拼完整。

4、数据分析工作的边界

数据分析师应与业务方一起讨论，哪些指标最能反映业务的真实情况，数据的获取方式会不会导致某种偏差，然后把工作重点放在梳理、揭示数据之间的关系上：通过数据表现及合理对比发现问题和机会，包括同部门不同指标的对比、不同部门相同指标的对比，跟市场和行业类似指标的对比等。

最容易越界的地方就是，数据分析师单方面决定业务应该如何评定，以及得出后续产品优化的解决方案。