数据分析师最烦听到的4句话

1️⃣这数据怎么对不上呀 对不上！我怎么知道为啥对不上！谁知道你是又从哪个犄角旮旯看了什么奇怪的口径？或者是自己人间清醒想起了一些不该想起来的模糊数据。 怎么避免，把确定性的东西砸实了。常见方式之一就是指标文档沉淀，包括指标名称、指标口径、取数逻辑，缺一不可。有了文档，还要定期维护，毕竟，人是会作妖的，上周看留存还是看活跃，这周就要加个视频浏览了，所以指标文档，常看常新，常用常新，常改常新🐶 2️⃣你怎么证明这是你的收益 没法证明。PM做个功能有正向收益，难道这就是PM的功劳吗？那可不一定哦，很多好的idea，是运营、PM和数分在反复的讨论中想出来的，PM就是负责把它做出来了，那这个收益就属于PM吗？我现在就是干这个的，说好听点儿，你是方案的CEO，说难听点儿，就是个执行者。所以如何衡量业务收益，这问题本身就不太有解，老板你也心里有点儿13数，别多问。只要底下人日常需求响应及时、业务方评价正向、分析能力过关，那就已经非常难得和靠谱了，不用总是针对一些你自己都没做好的玄学问题 3️⃣请数分们从专业的角度帮我们取几个数据看看 （得，又要接锅了）这在某些假装数据驱动的业务里最为常见。一到什么艰难决策的环节，为了在老板面前显示自己真的在努力，就会开始布置任务，最被“信赖”的肯定是数分，毕竟，别人战术上的勤奋确实有可能掩盖自己战略上的懒惰。讲道理，我自己做了PM后，我发现很多关键决策，数据根本用不上。有些决策，要考虑业务大战略的约束，或者看PM自己对用户诉求的理解，还有经验的作用，甚至有时候决策不了就做个实验，根本不用在前期各种看数。数据是有用的，但不是啥时候都有用，也不是说遇事不决看数据，做业务，得有自己的决断，数据不会一直讲真话 4️⃣这数据结论不符合业务sense，再查查哪里错了 （又来了）每次结果与预期不符，第一反应就是质疑分析过程有问题。很多人往往预设了正确答案，数据只是用来验证的工具。你的数据证实不了，说明你没业务sense。但实际，数据呈现的是客观事实，解读视角需要双方共同校准，再说直白些，所谓的"直觉"本身就是基于过时的经验，提出需求的人不仅要学会质疑别人，也得同样学会PUA自己。如果只是想让数据来迎合假设，那不如直接造数据