于泽专场：大佬来谈谈数据分析那些事儿梨花头怎么吹

小洛写在前面：

很多小伙伴在数据分析的道路上都会有一些疑问，今天我们请了某大型集团公司商业数据团队负责人于泽来为大家解答一些很多伙伴都关心的问题。于泽曾在阿里、字节跳动核心团队就职，经历了短视频从0-1的迭代过程，曾担任某直播中台数据分析团队负责人，具有多年的数据分析经验及团队管理经验，小洛平时也经常和他一起探讨交流数据分析方面的问题，让我们一起来看看他对数据分析的一些见解吧！

问题一：不同阶段数据分析师所必备的能力都包含哪些？

数据分析师有很多方向，在此我们先指讨论业务向分析师的必备能力，我们把分析师划分为初级、中级、高级三个阶段：

初级分析师：

1、基础数据能力：数据提取(sql)、sql调优（小公司需要）、基本分析能力、数据处理能力（工具不限，excel或者python等都可以）2、良好的沟通表达能力

中级分析师：在初级分析师的基础上，需要具备统计学、概率论、量化计算能力、项目管理、业务理解能力。统计学概率论的知识运用能力及深入程度将影响到思维的天花板，而项目管理、业务理解能力将直接影响到所做事情是否可以落地，发挥价值。提到对应的能力都可以展开很多内容，抽象一下就是需要更强的通过数学与实践结合的能力以及团队配合沟通能力。
高级分析师：1、更深的业务理解能力：初、中级分析师在初期大部分都是承接相对基础，或者某个功能项的事情，没有系统化沉淀好业务思维。在这个阶段的业务理解一定会结合着历史经验或者是之前对于经验的抽象整理。2、判断力：判断力依赖于几点：一是行业经验，经验是基于实践过的事情去总结归纳，所以在这个过程中，我们所做的事情以及当时是否可以拿到正确且科学的业务结论非常重要，可以为之后的判断提供依据。二是拓展数据以外的能力，数据分析是支持发现问题、解决问题的一种线索，但是真正决定问题及解决问题的思维方式是源于生活的，所以在生活中的经验很多时候可以反哺为业务sense。此外，补充其他领域的知识比如心理学、设计、经济等，也是非常有必要的，这些都会在潜移默化中，提升我们的判断力。3、保持初心：分析师的价值在于可以用最公正的视角看待问题，不做数据游戏。时刻保持对所做事情的热情，促进自己不断思考不断进步，不断追求真理才是我们应该做的。问题二：数据分析如何渡过中年危机？
首先明确一点，中年危机是任何行业及岗位都会面临的问题，并不局限于数据分析岗位。所以，这个问题其实我们可以理解为，我们需要了解自己所做职位可以为企业所贡献的价值，这样我们才能知道，随着年龄变大我们怎么才能够不被淘汰。
1、尽早明确个人规划，业务分析师、数据科学（算法、挖掘）、数据产品等，了解每个方向对应重点能力模型，专注精力在一个重点方向上面。尽量要发展自己的核心竞争力，看过一部分分析师的bad case。例如业务分析师很喜欢研究算法，但是实际工程能力不强，可能导致在工业生产即使有想法也很难落地。还有一些分析师会乐于接触方方面面的知识，包括算法、统计、战略、模型，但是却没有自己的核心竞争力，导致对任何方面都不够深入。看上去什么都在做，什么做的都不深入。所以要基于自己的职业方向，早早的有意识的提高自己在对应职业的核心竞争力。
2、积累目标方向的能力并积累价值较高的业务经验。那么什么经验算是价值高的业务经验的呢？我理解在公司商业模式上的主链路的事情是高价值经验，例如：头条的增长、推荐、商业化。这种经验非常宝贵，任何一家公司都需要具备这样经验的人才。陌陌的社交方向，豆瓣的社区方向，长视频的内容分析等。每个人都在随着团队和公司成长，公司在这个方向更有优势自然个人可以吸收的内容会更多。目标方向能力指的是在职业规划中，哪个专业能力是必须的，比如：目标规划往技术方向发展，工程能力的提升就更重要一些。对应的能力模型也会和业务分析师不一样。
3、提升所专攻方向的专业能力。专业能力融合为思想，指导决策：例如算法能力，并不是说了解很多常用算法就说明算法能力强，要了解算法思想。不同的算法是在不同的阶段、面对不同业务场景，以及当时数据处理能力，总结出来的。所以算法本身是会更新迭代的。所以没有一成不变的算法，只有相对稳定的算法思想。例如统计学思维，大部分在课本中学过一些统计思想，但是真正和实际场景结合的过程中，该如何应用，相信很多人是无法很好的结合的。是因为没有很好的理解统计思想。
4、人脉。随着自身能力的加强，身边人的层次和能力也是同样会之增长，所以不论是分析师、产品、还是其他岗位，到某个阶段后，对应行业的圈子是不大的。所以后面可以依赖身边的这些伙伴互相成就，机会很多时候会自己找过来。
问题三：如何说服业务方配合，让分析结果可以落地？
通常，对于在业务部门的分析师来说，和业务合作会较顺利，所以我们重点展开说跨部门的合作。其实跨部门和业务方配合种种的不顺利的根本核心原因不外乎几点，了解根本原因，从而针对性的交流沟通。
1、绑定双方共同目标，所有人配合的前提是大家目标一致，所以需要先找到双方一致的点，从而切入。需要领导支持，明确这种业务配合方式是否合理。
2、培养信任感，信任感是基于历史一件件正反馈的事情积累下来的，所以需要我们真正能帮业务解决实际的问题，业务方才会基于信任，配合分析结果的落地。在分析师没有业务经验的时候可以先静下心来多听听业务的思维，并结合自己的理论知识思考，再基于实际业务的结果形成自己的商业思维。
3、足够的业务能力，分析师不仅要发现问题，还要给出针对问题想到解决方案。且解决方案要相对可落地。如果我们对于解决方案侧的能力没有业务强，我们需要主动去向业务方学习，这也是大部分分析师没有做到的很重要的一点。比如：分析师发现了推荐算法对应点击率比同行业差，但是对于推荐不了解，问题扔给推荐同学。推荐同学可能对这个问题也没有更好的解决方法。像这种case本身是因为对于推荐侧的了解不多。问题四：分析师如何衡量工作产出？
1、明确的业务结果，分为支持工作的业务指标增益以及主动提建议的指标增益，这些都是实打实的价值。
2、有突破性的认知发现，例如工作中发现、解决的流程类问题等。
3、专业能力成长，专利数、解决技术问题难度等。很多处理或者模型搭建并不是大家都会的，所以专业能力的变化需要关注。
4、解决问题的能力。关注团队同学的成长，团队内每个同学都会有配合过程中的各种问题，关注这个人对于自身问题的解决情况。

最后给大家一些在职场上的小建议：
1、保持好奇心，追求真理，保持上帝视角解决问题：不论是否在业务团队内，不要有领地意识。要时刻保持追求做对的事情。这样你才可能离真理更近，同时个人才能成长的更快。
2、勇于承担更多的事情：不要怕多承担事情，任何事情在业务的一环都是相对有价值。保持热情，可以加速自己在各个领域的成长，同时反哺分析思路。
3、多体验生活，多总结思考：其实生活和工作很多时候会有一定的相关性，互联网连接了人和需求。所以只有多体验生活（娱乐，生活，社交等）才能活得更有“人”味。这个会帮助我们在工作中拓展思路。
4、做数据的解读者，而不是数据的提供者：一个数据不同的人看到想法不一样，只有慢慢的对业务理解深度越来越强，才能知道每个数据背后的业务含义。


欢迎点个赞赞喔，关注小洛的公众号，一起交流数据分析话题~