做数分，真希望有人能早点儿告诉我这些事儿

1️⃣数据分析师的核心能力从来都不是数据分析 刚入行时我以为SQL/Python/Tableau就是全部，我以为所有的问题都应该从收集数据开始，用相关性和因果性去论证问题，直到老板听完我的分析说"所以你希望告诉我什么？"后才发现人家从来不在意你分析地多扎实；曾经我以为业务同学会尊重DA，会主动与我们勾兑业务问题，后来才发现你得主动，工作有时候得争取。 所以数据分析师的核心能力哪里是分析数据呀，而是收集业务信息时的敏感、与业务同学建立信任关系时的主动，以及，把业务问题转化成数据需求的能力（人家说想看看“为啥最近功能渗透掉了”，背后真实的问题可能是“功能的优化空间到底在哪里”）和用业务听得懂的方式呈现故事的能力（结论先行，数据置后）。 2️⃣数据驱动，只是个理想，现实中依然是人的意识驱动，数据只是个论证的工具。 很多决策，其实在会议前就已经被确定了。所以，别追求数据驱动，守好自己的定位。数据的作用，就在于论证各类业务的假设，没有它，这个假设就是不成立，这个价值发挥好了，是绝对可以影响业务动作的，但它不叫data- driven，叫hypothesis-driven。 3️⃣分析的目的是解决业务问题，而不是一定要用上什么听着唬人的模型。 工具本身不是目的，问题才是。这就很像现在好多人都迷恋大模型和AI，什么问题都非得带上LLM和AI，实际有点儿本末倒置了。你究竟遇到了什么问题？这个问题的解法可能有什么？AI是更好的解决手段吗？这三个问题想清楚了，才好推进后面的事儿。 数据分析也是，比如你要预估某个节日的电商销量，一定要用时间序列模型吗，但该怎么向业务解释你的各种参数呢？业务又为什么要相信模型预测的结果呢？把销量按照售卖流程拆解出来，每个关键环节的指标给出一定范围的预估（或对标竞品，或对标往年，或结合后续动作），预估得有准又能解释，是不是比模型更好 4️⃣不是谁都会做数据分析的。 之前很焦虑，觉得但凡是个岗位都要求数据分析，好像数据分析师的生存空间正在被压缩。但实际上，大部分岗位掌握的只是工具的使用，就像上面说的，DA核心的能力从来不是工具使用，是业务理解上的全局拆解、假设驱动、数据论证和故事呈现，这才是DA该不断精进的内容。