數(shù)據(jù)分析的 8 個狀態(tài)

導(dǎo)讀：看了劉思喆老師寫的「數(shù)據(jù)分析師的生存手記」，其中把數(shù)據(jù)分析的工作流程分成 8 個狀態(tài)，我覺得很有啟發(fā)。

下面談一談我對這 8 個狀態(tài)的理解和思考，為了方便理解，我修改了原文中一些狀態(tài)的名稱。

作者 / 來源：林驥（ID：linjiwx）

01 新的需求

數(shù)據(jù)分析工作流程的第 1 個狀態(tài)，就是忠實地記錄新的需求，純粹地站在需求方的角度，不加任何評判地收集原始的需求。

這個狀態(tài)借鑒了?ORID 焦點討論法的第 1 步，也就是真實地記錄客觀的事實。

關(guān)于 ORID 焦點討論法，我從網(wǎng)上查了一些相關(guān)資料，看到下面這個例子，感覺比較恰當(dāng)。假設(shè)昨天晚上在下班的路上，我遇到一條狗（O 事實），當(dāng)時我很害怕（R 感受），心想應(yīng)該怎么辦（I 思考），為了避免被狗咬，我最終決定繞路走（D 決定）。

02 需求確認(rèn)

需求確認(rèn)是分析任務(wù)成敗的關(guān)鍵，針對不同的情況，應(yīng)該采取不同的對策。

第 1 種情況：需求方無法清楚描述問題。

劉思喆老師說，這類需求方的專業(yè)技能不合格，會禍害上下游，「fire」掉就可以了，絕對不可以手軟。

關(guān)于「fire」這個英文單詞，有「開除」的意思，不過我理解劉思喆老師在這里表達的應(yīng)該是「拒絕」。

對于一般的數(shù)據(jù)分析師而言，需求方可能就是自己的老板，恐怕沒有「開除」的勇氣。遇到這種情況，我個人建議加強溝通交流，主動多問一問具體情況，搞清楚需求方的真正意圖。

第 2 種情況：需求方將很多問題混雜在一起。

這種情況非常普遍，數(shù)據(jù)分析師需要應(yīng)用 MECE 原則，幫助需求方梳理業(yè)務(wù)，變成相互獨立、完全窮盡的問題，并了解其中的主要矛盾和次要矛盾。

第 3 種情況：需求方無法和數(shù)據(jù)進行映射。

這種情況也相對比較普遍，一般企業(yè)是通過「角色前置」來緩解這個問題，比如設(shè)置「產(chǎn)品經(jīng)理」的崗位角色。不過有的時候，前置的角色可能不合格，這就需要數(shù)據(jù)分析師在「數(shù)據(jù)確認(rèn)」環(huán)節(jié)給予專業(yè)的建議。

第 4 種情況：需求方提出了錯誤的數(shù)據(jù)需求。

想象一下，數(shù)據(jù)需求本身就不對，你作為數(shù)據(jù)分析師，居然漂亮地執(zhí)行完成了……結(jié)果需求方不滿意，又提了一遍，后面可能還有第三遍……最終需求方可能很不滿意，數(shù)據(jù)分析師吃啞巴虧。

當(dāng)出現(xiàn)這種情況時，建議數(shù)據(jù)分析師在執(zhí)行之前，先進行合理的溝通，指出數(shù)據(jù)需求本身的不當(dāng)之處。

第 5 種情況：需求方無法預(yù)判可能的分析結(jié)果。

這種情況很正常，畢竟很難碰到非常完美的需求方。我認(rèn)為此時數(shù)據(jù)分析師應(yīng)該多一些包容和理解，多站在對方的角度看問題，自己先學(xué)會預(yù)判，然后再幫助對方學(xué)會預(yù)判，為對方排憂解難。

假如遇到需求方不僅掌握業(yè)務(wù)和數(shù)據(jù)之間的關(guān)系，而且懂得利用數(shù)據(jù)分析的結(jié)果，來指導(dǎo)下一步的行動，那么數(shù)據(jù)分析師應(yīng)該好好珍惜。

03 數(shù)據(jù)確認(rèn)

當(dāng)需求確認(rèn)清楚之后，接下來需要確認(rèn)數(shù)據(jù)源，可能會遇到 3 個問題。

第 1 個問題：期望的數(shù)據(jù)沒有存儲。

作為數(shù)據(jù)分析師，如果你能幫助改善這個問題，讓企業(yè)的數(shù)據(jù)更加完備，那么你的影響力將會得到提升。

第 2 個問題：數(shù)據(jù)分散在不同的位置。

在傳統(tǒng)企業(yè)，這個問題非常普遍，可能還沒有建立數(shù)據(jù)倉庫。對于互聯(lián)網(wǎng)企業(yè)，這個問題體現(xiàn)了數(shù)據(jù)倉庫設(shè)計的不完備。

如果不是經(jīng)常性的問題，臨時解決即可。如果是經(jīng)常性的問題，建議數(shù)據(jù)分析師主動了解底層的數(shù)據(jù)邏輯，編寫自動化的代碼，在可能的情況下，交付給數(shù)據(jù)倉庫團隊。

第 3 個問題：數(shù)據(jù)源錯誤。

這個問題非常致命，如果數(shù)據(jù)源不對，后面的分析結(jié)果可能造成誤導(dǎo)，讓需求方做出錯誤決策，后果不堪設(shè)想。

所以，數(shù)據(jù)分析師提高數(shù)據(jù)敏感度也很重要，在做數(shù)據(jù)分析之前，一定要先確認(rèn)一下，數(shù)據(jù)源是正確無誤的嗎？

04 實現(xiàn)中

在需求實現(xiàn)的過程中，數(shù)據(jù)分析師要管理好自己的分析代碼。

以 Python 為例，盡量使用 Numpy、Pandas、Matplotlib 等比較成熟的包，用 Git 做好代碼的版本控制，特別注意代碼注釋和提交信息的可讀性和完整性，讓數(shù)據(jù)處理的每個步驟都清晰易懂。

另外，配合使用 Jupyter Lab 之類的工具，能大大提升數(shù)據(jù)分析的工作效率。

一方面，我們要把好的經(jīng)驗和方法，沉淀為固定的流程步驟，實現(xiàn)工作的流程化。比如一個數(shù)據(jù)報表，用怎樣的格式和規(guī)范，讀者容易抓住其中最有價值的信息？

另一方面，我們還要實現(xiàn)流程的工具化。因為總有人會「偷懶」，總有人會逾越流程，總有人會偷偷地繞過流程。所以，我們要適應(yīng)用工具來輔助流程的執(zhí)行。

如果流程工具用起來不適應(yīng)，怎么辦？

華為早年引入集成產(chǎn)品開發(fā)?（簡稱 IPD）的流程，大家剛開始也不適應(yīng)。

任正非說了一句話：先僵化、后優(yōu)化、再固化。

05 交付

突出主要分析結(jié)論，這是數(shù)據(jù)分析交付的重要內(nèi)容。

如果分析沒有結(jié)論，就不能稱之為交付。

交付的內(nèi)容，包括文字、表格、圖形等要素。文字表述要條理清晰，表格制作要標(biāo)準(zhǔn)規(guī)范，數(shù)據(jù)可視化的圖形要選擇合理。

06 復(fù)盤

很多數(shù)據(jù)分析工作，最終停留在「交付」這個狀態(tài)，數(shù)據(jù)分析師交付結(jié)果之后，往往沒有去跟進后續(xù)的效果情況，沒有對分析的價值進行判斷，沒有進行復(fù)盤總結(jié)。

交付之后，不妨思考一下，我們通過數(shù)據(jù)分析，幫助需求方做出了哪些正確的決策？給企業(yè)帶來了哪些價值？與當(dāng)初預(yù)期的目標(biāo)相差多少？關(guān)鍵因素有哪些？假如重新再做一遍，怎么做才能做得更好？

在復(fù)盤總結(jié)的過程中，可以鍛煉數(shù)據(jù)分析師對業(yè)務(wù)的理解能力和對價值的預(yù)判能力。

07 等待

當(dāng)你發(fā)現(xiàn)目前還不具備分析的條件時，那么可以選擇等待一下。

比如說，當(dāng)需求還沒有確認(rèn)清楚的時候，應(yīng)該等待需求方有空的時候，把需求溝通確認(rèn)清楚。當(dāng)缺少必要的數(shù)據(jù)源時，因為巧婦難為無米之炊，所以也需要耐心等待。

當(dāng)然，在等待的時候，可以先思考一下大致的分析方向，以便讓后面的實現(xiàn)過程更加快捷。

08 拒絕

當(dāng)需求肯定無法實現(xiàn)的時候，要明確地予以拒絕，不要給人模棱兩可的答復(fù)，此時要避免讓需求方有很大的期待，結(jié)果因?qū)崿F(xiàn)不了而導(dǎo)致失望。

最后的話

本文總結(jié)了數(shù)據(jù)分析工作流程的 8 個狀態(tài)，

為了避免被貼上被動、低價值、重復(fù)勞動的標(biāo)簽，數(shù)據(jù)分析師要主動完善自己的工作流程，優(yōu)化自己的工作狀態(tài)。

最后，我把數(shù)據(jù)分析的 8 個狀態(tài)之間的流轉(zhuǎn)，用一張流程圖串聯(lián)了起來。

以上，希望能夠?qū)δ阌兴鶈l(fā)。

延伸閱讀??

延伸閱讀《數(shù)據(jù)分析即未來》

干貨直達??

• 科普兩個著名人工智能思想實驗：圖靈測試和中文房間
  

• 產(chǎn)品經(jīng)理最重要的3個能力
  

• 終于有人把數(shù)據(jù)挖掘講明白了
  

• 盤點人工智能重點技術(shù)領(lǐng)域

更多精彩??

在公眾號對話框輸入以下關(guān)鍵詞

查看更多優(yōu)質(zhì)內(nèi)容！

讀書?|?書單?|?干貨?|?講明白?|?神操作?|?手把手

大數(shù)據(jù)?|?云計算?|?數(shù)據(jù)庫?|?Python?|?爬蟲?|?可視化

AI?|?人工智能?|?機器學(xué)習(xí)?|?深度學(xué)習(xí)?|?NLP

5G?|?中臺?|?用戶畫像?|?數(shù)學(xué)?|?算法?|?數(shù)字孿生

據(jù)統(tǒng)計，99%的大咖都關(guān)注了這個公眾號

??