数据分析有时不是科学，而是人情世故

1. 与直接上级领导

和老板差不多，但上级领导还有一个属性：办公室政治。

例如，开会就是在老板面前表演，领导就需要你的数据分析来佐证观点，show业绩

此外，对于独立的数据部门，还会有个怪像：老大会阻止数据分析师讲太多给业务听，有时明明做个模板就能解决的重复问题，也不能做 为什么？很简单，如果业务拿到模板自己就能做了，甚至学习到了分析逻辑，那还要数据分析部门干嘛？价值就没了？所以要手动构建数据部门的护城河。

2. 与老板

先不说数据分析结果有没有用。

光是说它有没逻辑？其实很多时候老板说了算，老板说不是就不是，甭管你用了多严谨的统计概率学方法。

导致数据分析基本上是在面向老板分析，迎合老板想法。

3 .与业务同事

数据科学中有个概念叫：可解释性，说的是你的分析方法包括算法逻辑，如果不能讲清楚，不只是你老板，你同事也不会认账。

但往往，尤其是涉及算法的部分，很多时候是黑盒子，或许你很清楚，但业务同事不懂，甚至没有数据思维，就无解了。 那同事不认账的结果是怎么样？

要么是数据分析师妥协，把分析逻辑改简单，结果就是不严谨，误差大，但业务能接受；

要么就是业务同事不帮你把分析结论和建议落地。

4 .与HR

甚至是hr，其实也会来找茬，你的工作到底有没价值？

价值来自哪里？只有一个检验的地方，就是业务增长。

此时就知道上一个小点，业务同事不帮你落地，你的分析就是飘在空中的，无价值。

当然，你的工作也不完全没价值：

间接价值，给的分析洞察能给业务带来新的认知；

自动化流程，用Python或RPA开发机器人，帮业务省时间；

BI报表，就是往数据产品的角度，把产品做出来，业务用起来，就可以算是价值。这也是BI发展比较快的原因。

OK，聊完外部的问题。其实很多数据分析师新人自身的知识结构也有「矛盾」。

5 .重技术轻业务

很多新人以为懂Python学SQL就是数据分析师，其实这些技术没有门槛，不会是你未来5-10年的核心竞争力，对业务的洞察才是。

数据分析与数据运营相比，反而后者更好落地。为什么？因为后者是在业务团队，而前者经常是独立的部门，或者中台部门，离业务很远。 这会导致什么结果？分析逻辑脱离业务现实，给的建议远离业务目标。

给同学们一个很简单的道理：永远做离钱最近的事，而钱来自业务。

说句夸张点的，不懂业务，你连指标体系都建不起来。

要怎么办？

开头说了，我们暴露问题是为了解决问题。进而能成为能产生价值的数据分析师。

6 .锻炼能力

(1) 理解业务，抓住重心 到一线跑，甚至是轮岗到一线卖卖货，把手弄脏，才能了解业务是怎么干的。接下来，结合点线面体的思路，从梳理业务流程、到搭建业务模型。

(2) 沟通能力，积累人脉 平时和业务保持良好关系，会吸烟的递根烟就是好朋友但我不吸烟，中午聚一起吃饭也能了解到很多。

(3) 向上管理，想领导所想 首先你得懂你上级：如果是部门领导，要知道他的处境是要体现部门价值，还要防止其他部门背刺 如果是老板，要懂他想要什么？

(4) 分析逻辑，时刻围绕着「落地」

从前3点得到的信息，拿来干嘛？需要落到数据分析的逻辑中：

1)分析逻辑要融入业务知识。例如复购率的计算，这个指标有很多个计算方式，到底要定哪个？就是基于业务属性。

2） 把分析看做是一个项目，这个流程要让业务也参与进来。及时与业务同步分析过程中你发现的问题，拉上业务讨论，可能有什么原因，甚至是共创一些建议。让业务有参与感，这个分析逻辑ta才看得懂。

3） 结论建议要与业务KPI捆绑搞人脉关系的原因除了是要了解业务外，还有就是获得业务最新的动向，例如月报里暴露的问题、季度的目标、业务线的规划，如果你的分析结论能解决这些问题，还愁业务不落地吗？

4）及时运用向上管理工具，帮领导分担

●定期向领导汇报，让他有安全感。

●站在上级的角度考虑问题，从点线面体的理论，就是在「面」上思考，多想一步

●如果在与业务沟通的过程中有问题，把上级拉出来压对方，务必让建议落地，分析项目才有价值，领导在会议上才有东西说。

天津天迅达科技有限公司经过多年来对APP、小程序、以及网站建设的探索，已经帮助每一个客户快速开发出属于自己的APP、小程序、网站，是万千企业之选。

标签：天迅达科技 天津APP开发 天津网站建设 网站建设