1️⃣data-driven只是手段，不是目的 不是所有问题都要靠数据去解，产品从0到1，影响业务的关键决策，并不靠分析数据，而是靠决策者对世界的感知、对人性的理解和过往业务的经验。 数据分析更多在业务从1到100的迭代中发挥作用，所以，不必看轻DA，但也一定摆正位置。在最需要DA的环节发挥作用，才能最大化我们的价值 2️⃣有分析能力很关键，有“情商”也很关键 即使互联网都快日薄西山了，依然有很多人认为，数据分析师是技术岗位。但凡自己工作中不涉及代码的，都想试试“数据分析”，学学代码，觉得有技术将来不失业 实话说，DA跟技术岗位不能说毫无关系，只能说风牛马不相及。而且，单纯有技术，未来更不稳，毕竟代码这种格式化的东西，AI做得可比人好多了 而至于DA，本质是基于业务目标，通过数据的辅助，挖掘业务需要的insights，并且还要传递出去，影响业务的决策。这么一个岗位，有超强的逻辑思维、扎实的分析方法很关键，但更核心的，是有影响别人的“情商”。纯技术岗位，好好搞代码，别人会竖大拇指；做数分，天天闭门造车，3天就有人举报你 3️⃣分析报告不是越多越好，重要的是贴合目标和建议的可落地 我们很容易陷入关注报告数量的困境，毕竟分析报告太少，显得好像我们很没事儿干。其实越往后越发现，报告不用多，有关键的1-2份足以。和业务对齐核心的目标、当前的困境或者最模糊的方向，然后用数据去找到实现目标的路径、解决困境的可能手段或者明确未来的方向。至于建议的可落地性，只需要在给出建议时问问自己，“如果我是pm/运营，这个todo我能做出来吗？”，确定能，那就是可落地的 4️⃣比业务更懂业务不是个伪命题 我们确实不做业务的执行，但就是可以比业务更懂。这就像很多空降来的老板可能从没接触过这摊事儿，但为什么优秀的人依然能在短时间内拆解目标、规划动作和调集资源，从而推业务顺利运转呢，核心还是做事的方法论问题 这就像DA之于业务。比如okr是提升投稿率，业务同学的思路可能是抄竞品、优化工具、增加投稿激励，但DA可以拆链路，定义各环节指标，寻找benchmark，确定优化空间，定位高ROI方向，然后输出建议。DA确实不做产品，但有方法、懂逻辑，能从全局的视角找到最优解，这就是懂业务、有sense的表现