我做數(shù)據(jù)分析的十年感受 (三)

識別真?zhèn)涡枨螅詈玫霓k法是去和用戶面對面的聊幾次，去接觸真正的一線業(yè)務(wù)，去和真正的用戶進(jìn)行對話，而不是靠言傳，中間的信息會因?yàn)槿藶槔斫饽芰Φ囊蛩卮蛘劭邸８惺軜I(yè)務(wù)團(tuán)隊的痛點(diǎn)，厘清真正的訴求和需求，才能理解公司其他團(tuán)隊在制定戰(zhàn)略過程中的目標(biāo)，進(jìn)行目標(biāo)拆解，然后再站在數(shù)據(jù)的視角去組織分析框架、指標(biāo)模型，實(shí)現(xiàn)數(shù)據(jù)的可落地性評估，實(shí)現(xiàn)價值；

沉淀的時候?qū)戇^一篇《我在B端走數(shù)據(jù)分析——用戶篇》，之后也會發(fā)出來，從內(nèi)部做用戶分層，到怎么篩選目標(biāo)用戶群體，擬定拜訪計劃，實(shí)際拜訪問題清單，拜訪過程中的控場細(xì)節(jié)，拜訪結(jié)束之后的用戶問題復(fù)盤一系列的過程進(jìn)行具體的闡述。

核心詞：生產(chǎn)力

為什么說工作要說生產(chǎn)力？我們之所以努力學(xué)習(xí)，本質(zhì)上來說，就是要在短暫的幾年里面，盡可能提高生產(chǎn)力。這里面包含兩層：

1、利用好時間、工具、方法，提高自己單位時間內(nèi)的生產(chǎn)力；

2、利用好資源，提高團(tuán)隊整體的生產(chǎn)力，產(chǎn)生綜合影響，實(shí)現(xiàn)共贏；

想說的是，作為一個數(shù)據(jù)分析，會不會用python，寫不寫的好sql，雖然不是一個必須的事情，但是如果不精通，那么在很多層面上就會受制于人，在效率和產(chǎn)出能力上都會大打折扣，無法在第一時間內(nèi)給出相應(yīng)的解決方案，從而消耗了業(yè)務(wù)方的信任度，合作變得沒那么順暢。

核心詞：生產(chǎn)工具

工具必須要要精通1～2個，技術(shù)迭代能夠提升“生產(chǎn)力”。 不再追求華而不實(shí)的“屠龍術(shù)”，能用規(guī)則解決的絕對不會用復(fù)雜邏輯，能用復(fù)雜邏輯解決的絕對不用算法，能用算法解決的絕對不用深度學(xué)習(xí)；

最初，之所以選擇做數(shù)據(jù)分析，可能是因?yàn)樽约旱膃xcel比別人用的熟悉，處理數(shù)據(jù)速度快。其他小伙伴需要用1天統(tǒng)計好的數(shù)據(jù)，通過用公式、寫vba可能幾分鐘就搞定了； 之后，通過R語言學(xué)習(xí)到了ggplot，可以一鍵繪圖，尤其是地圖、關(guān)系圖等復(fù)雜圖形的處理，會比excel方便很多，也成為領(lǐng)先于人的一種優(yōu)勢；

再之后，python 2.3的時代，利用pandas進(jìn)行數(shù)據(jù)分析，可以整合不同的數(shù)據(jù)源，相當(dāng)于打破了一個壁壘，可以通過python作為路由，對excel、word、txt、數(shù)據(jù)庫、html等源頭進(jìn)行整合，因?yàn)榭梢阅０寤木壒首兊酶拥母咝В陀辛藭r間去琢磨業(yè)務(wù)上的現(xiàn)存問題，再深耕進(jìn)去解決，技術(shù)&業(yè)務(wù)并存的情況下，塑造了核心競爭力。 工具的使用，也會成為自己挑選團(tuán)隊成員的一個重要因素，絕對的趨同。

最近幾年，比較喜歡說一句話，在這家公司，只要是在數(shù)據(jù)領(lǐng)域，如果西索不知道，那應(yīng)該就沒人能知道，保持絕對的權(quán)威和話語權(quán)，這些都依賴幾層能力和思維。 所具備的能力矩陣，數(shù)據(jù)分析，最重要的真的是數(shù)學(xué)功底扎實(shí)么？左手概理統(tǒng)計，右手人情世故。

?

管理能力：工作中常用的幾個管理方法匯總

?

分析能力：分析方法、模型和框架

基礎(chǔ)統(tǒng)計分析模型

?

常用商業(yè)分析模型

?

互聯(lián)網(wǎng)營銷策略模型

?

算法能力

機(jī)器學(xué)習(xí)（無監(jiān)督、半監(jiān)督和有監(jiān)督）、深度學(xué)習(xí)（NLP、RNN）

技術(shù)框架：python+sklearn+pytorch

主要分為應(yīng)用價值和影響塑造。在所有的分析項目上，我的團(tuán)隊主要是占主導(dǎo)作用，實(shí)現(xiàn)這個過程總體可以劃分為三個階段：

前期準(zhǔn)備：理解業(yè)務(wù)， 了解產(chǎn)品流程，繪制業(yè)務(wù)流程圖（processon），盤點(diǎn)場景和對應(yīng)的資產(chǎn)；

第一階段：建立信賴 ， 通過日常的一些需求，和業(yè)務(wù)方建立好良好的合作關(guān)系，在需求實(shí)現(xiàn)的過程中，通過快速響應(yīng)、快速交付的方式，以高效、準(zhǔn)確的專業(yè)性，塑造一個好的角色，這個環(huán)節(jié)主要是破冰和建立信賴；

第二階段：心智養(yǎng)成 ，對過往的需求進(jìn)行整合，把臨時對接的需求包裝成為數(shù)據(jù)報告or數(shù)據(jù)方案，幫業(yè)務(wù)方提前去構(gòu)思好問題，或者提前準(zhǔn)備好業(yè)務(wù)方可能需要的內(nèi)容，培養(yǎng)用戶的數(shù)據(jù)意識和心智，養(yǎng)成好的用數(shù)習(xí)慣，讓對方在使用數(shù)據(jù)的時候從弱依賴，慢慢引導(dǎo)成為強(qiáng)依賴；

第三階段：價值共贏， 關(guān)系熟了之后，可以站在業(yè)務(wù)方的視角去思考問題，了解部門or團(tuán)隊的整體KPI，結(jié)合周期內(nèi)（月度/季度/年度）規(guī)劃，尋找數(shù)據(jù)的切入點(diǎn)，在哪個流程什么環(huán)節(jié)，可以提供哪些數(shù)據(jù)的支撐，通過價值創(chuàng)造來實(shí)現(xiàn)共贏，從強(qiáng)依賴，到專業(yè)掌控，把事情交給專業(yè)的團(tuán)隊，不管是診斷還是設(shè)計；

從2014年開始，認(rèn)識項目管理、產(chǎn)品管理、團(tuán)隊管理、經(jīng)營管理。需要帶入一定的管理方法，為了塑造團(tuán)隊的專業(yè)性和核心競爭力，需要建立流程、作業(yè)規(guī)范、作業(yè)標(biāo)準(zhǔn)、價值衡量方法、績效考核制度，然后團(tuán)隊內(nèi)需要有梯隊化的建設(shè)過程，在復(fù)雜業(yè)務(wù)場景的時候如何利用owner來實(shí)現(xiàn)跨業(yè)務(wù)的高效協(xié)作。

團(tuán)隊定位和價值趨向

定位，數(shù)據(jù)資產(chǎn)的整合、數(shù)據(jù)價值挖掘、數(shù)據(jù)質(zhì)量治理、數(shù)字化轉(zhuǎn)型、數(shù)字化營銷，都可以成為團(tuán)隊的價值定位點(diǎn)，取決于團(tuán)隊的組織架構(gòu)掛在哪一層，是管理層的垂直管理去做商業(yè)模式研究，還是在研發(fā)側(cè)作為中臺的一部分提供能力輸出，還是掛在業(yè)務(wù)側(cè)直接提供決策支撐。不同的組織模式下，作用域不一樣，談資也就不一樣，重要的依舊還是在于人，而不是數(shù)據(jù)， “他們”想要通過數(shù)據(jù)拿來做什么？故事、影響、度量手段、匯報工具還是僅僅只是報告。

價值

1. 數(shù)據(jù)影響力，通過數(shù)據(jù)來塑造團(tuán)隊在公司內(nèi)外的影響力

2. 數(shù)據(jù)價值力，挖掘數(shù)據(jù)在用戶側(cè)應(yīng)用場景做數(shù)字化營銷

3. 數(shù)據(jù)驅(qū)動力，支撐內(nèi)部經(jīng)營業(yè)務(wù)運(yùn)營組織開展專項分析

4. 數(shù)據(jù)發(fā)展力，分析團(tuán)隊的搭建，招聘、績效考核、激勵

   
   

職責(zé)和分工

1. 支撐公司經(jīng)營管理上的數(shù)據(jù)需求，主要是對老板和管理層，經(jīng)營管理分析；
   

2. 塑造數(shù)據(jù)團(tuán)隊在內(nèi)外部的影響力，第三方機(jī)構(gòu)的合作機(jī)會，行業(yè)分析；

3. 通過數(shù)據(jù)產(chǎn)生直接的營收增長，數(shù)據(jù)資產(chǎn)的整合，ka用戶上的價值挖掘；

4. 完成對內(nèi)部運(yùn)營的支撐，活動分析、產(chǎn)品分析、市場分析、競品分析；

5. 對知識的沉淀，打造可移植、高復(fù)用的分析框架和模板；

?

管理、協(xié)同

1. 重價值產(chǎn)出，以結(jié)果為導(dǎo)向，輸出數(shù)據(jù)、報告可支撐運(yùn)營決策；

2. 做標(biāo)準(zhǔn)和規(guī)范，高度的可移植性和復(fù)用性；

3. 團(tuán)隊成員的差異化，不趨同，各有所長，能夠充分發(fā)揮揚(yáng)長補(bǔ)短的特性；

4. 梯隊化建設(shè)，一個資深帶1個高級+1個初級，彼此做backup，降低用人風(fēng)險；

團(tuán)隊打法

1. 注重產(chǎn)出、注重數(shù)據(jù)分析價值，對于高價值的需求重點(diǎn)投入人力，對于低價值的需求做到高效處理；

2. 超過三天的需求，對于BI產(chǎn)出的數(shù)據(jù)分析報告、白皮書、算法模型、數(shù)據(jù)看板等需留痕，以郵件形式交付，并抄送雙方的一二級部門leader；

3. 別人做的我不做，對于其他項目組已經(jīng)涉獵的項目，不做重復(fù)的項目；

4. BI的工作內(nèi)容應(yīng)側(cè)重分析，合理分配工作時間，對于日常數(shù)據(jù)需求的處理原則上應(yīng)歸還給數(shù)倉同學(xué)和數(shù)據(jù)產(chǎn)品，兩個原則：模板化和產(chǎn)品化；

5. 在日常的需求中提煉需求的共性，梳理模板，提高效率，構(gòu)建系統(tǒng)的分析框架和解決方案；

6. 基礎(chǔ)建設(shè)：所有的基礎(chǔ)性建設(shè)工作，作為需求方，以業(yè)務(wù)推進(jìn)點(diǎn)為導(dǎo)向，形成指標(biāo)、口徑、規(guī)范，導(dǎo)入給產(chǎn)品側(cè)進(jìn)行排期解決；

為什么是數(shù)據(jù)分析而不是其他數(shù)據(jù)崗位？

因?yàn)槲耶?dāng)時那個專業(yè)80%以上的同學(xué)都去當(dāng)了老師，然后抱著試一試的心態(tài)，經(jīng)歷了諸多崗位的輪崗，最后誤打誤撞的做數(shù)據(jù)，可能是因?yàn)槲襡xcel用的比較6，現(xiàn)在依然很6。

2011年應(yīng)用數(shù)學(xué)畢業(yè)，畢業(yè)之后先是在一家小型零售企業(yè)做HR「績效模塊」，后面輪崗去做了市場和銷售，在一線做營銷的時候需要大量的數(shù)據(jù)支撐，而當(dāng)時會數(shù)據(jù)分析的人并不多，在那段期間就是通過excel處理各種業(yè)務(wù)上的數(shù)據(jù)來支撐營銷決策，也就是國內(nèi)比較早的一批數(shù)據(jù)化管理，用的是excel；

2013年進(jìn)入到一家工業(yè)物聯(lián)網(wǎng)的公司，開始轉(zhuǎn)型做管理方面的事情，數(shù)據(jù)應(yīng)用的層面主要是在經(jīng)營分析上，通過對公司的投入、產(chǎn)出方面的信息內(nèi)容分解，來輔助管理層做產(chǎn)品定位、用戶調(diào)研和市場戰(zhàn)略，另外就是對海內(nèi)外的競爭對手進(jìn)行分析去搶占市場，不斷迭代打法，這時候算是企業(yè)的數(shù)字化轉(zhuǎn)型，用的是python/R+oracle；

2017年為了了解互聯(lián)網(wǎng)，跳出了原來的舒適區(qū)，去了一家阿里系原高管創(chuàng)建的汽車互聯(lián)網(wǎng)的公司，待了兩年，從C端到S端到B端的過程里面積累了很多的經(jīng)驗(yàn)，所以這個階段里面就是一個補(bǔ)充大數(shù)據(jù)、區(qū)塊鏈知識的時候，通過算法去改變一些經(jīng)驗(yàn)決策；通過saas化的過程，去實(shí)現(xiàn)數(shù)據(jù)在業(yè)務(wù)中的影響力，基本上是大數(shù)據(jù)賦能的階段，用的是python+dataworks；

2019年去了2G的電商平臺公司，18年底國內(nèi)的P2P徹底暴雷了，金融股票市場徹底崩盤，很多實(shí)體企業(yè)受到了沖擊，互聯(lián)網(wǎng)公司的損失更嚴(yán)重，經(jīng)歷了三輪裁員，在送走了一大半的下屬和同事之后，也就離開了，到了現(xiàn)在的電商類型公司，也是一家阿里系合資的公司。重組團(tuán)隊，一年的時間里面，通過數(shù)據(jù)創(chuàng)造了8000萬的營收，把原來在小數(shù)據(jù)、數(shù)據(jù)化管理、數(shù)字化轉(zhuǎn)型、大數(shù)據(jù)應(yīng)用、AI變革的經(jīng)驗(yàn)完全串在了一起；

2022年兜兜轉(zhuǎn)轉(zhuǎn)又回到了汽車業(yè)，期間和TOP互聯(lián)網(wǎng)公司都有接觸過，疫情三年，經(jīng)濟(jì)受創(chuàng)，在大小公司都開始裁員的時間里面選擇了去智能制造，只是覺得2025之后大概是中國工業(yè)4.0的時代，盡管入局有點(diǎn)晚，還是得去摸一摸；

“干貨學(xué)習(xí)， 點(diǎn) 贊 三連 ↓