一些帮你识别优秀数据分析师的tips

1️⃣经常和业务“鬼混” 时不时一起吃个午饭，经常性偷摸出去喝奶茶。21个世纪以来，“信息最值钱”是人类亘古不变的真理。很多影响业务的决策，都是老板不经意间做出来的；所以很多能够推动事情发生的分析项目，也是在日常场景下挖掘出来的 其实资深的数分，根本不用靠别人提需求。一方面确实是业务sense够好，另一方面是和业务同学联系真的很紧密，紧密到随时获取一手信息 2️⃣business driven而不仅仅是data driven 当年我出国学business analysis这个专业时，老师和前辈一直强调data-driven。甚至当时在旧金山的某个独角兽工作时，周围人也总强调data-driven。但工作几年后，我觉得data-driven缺少一个更基本的前提——business driven 数据只是依附在业务上的结果。如果没有真实物理世界中的用户需求，没有商业世界中的业务和产品，所谓数据，就只是数字、文字、图片，无法产出增量价值。只有被放置在业务目标和业务问题的语境下，数据才有可能发挥作用。所以不仅仅DA，几乎大部分岗位，都是从业务本身出发，寻求问题的解法。数据、问卷、算法、甚至是app，都不过是解决问题的手段 3️⃣能像运营一样建立sop，提升个人时间的边际价值 做数分，最害怕被各种埋点和临时取数填满，在这种价值感低的繁杂工作中，不仅没有时间思考关键问题，也容易滋生厌倦、疲惫和迷茫的情绪。所以，建立一套需求提报sop，让自己的时间可以被规范使用，从而提升有效工作时长。另外，很多标准化的东西是可以被沉淀为文档的，比如指标口径、取数逻辑等 当我只负责一小块儿业务，还有精力应付那些杂事儿，甚至能增加我和业务之间的亲密关系；但当我逐渐去负责完整业务的时候，不可能有时间处理这些琐碎问题‼️所以标准化是必然要走的路，也是对抗规模不经济的黄金法则 4️⃣不爱炫技，只爱解决问题 这真的很难，因为在对抗本性。谁不是学了一堆模型然后希望甩出一个大model惊艳全场。但有什么用呢，业务才不管你用什么办法，只要指标涨起来，你就是拿手指头掰着数数做分析都没人care。 所以优秀的DA会更早看穿这一点，忘记工具、忘记技巧，聚焦问题，梳理解题框架，毕竟，不管黑猫白猫，抓到耗子才是好猫