优秀的数据分析师有哪些特质（一）？

小提示：您能找到这篇{优秀的数据分析师有哪些特质（一）？}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的优秀的数据分析师有哪些特质（一）？内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

优秀的数据分析师对业务具有深刻地洞察，从而从更高更广阔的视角定义要解决的问题。这是优秀数据分析师的第一个特质。

一年一度的互联网晋升季又到了！每天的春季都是互联网的多变之时。绩效、年终奖、晋升、调薪都挤到到这一两个月，每到这个时候，脉脉上的舆论也变得活跃，吐槽的，炫耀的，装x的什么声音都有。毕竟辛苦劳作一年，员工们看重的也就是这几件事情了，爆出各种叽叽喳喳的声音也是可以理解的。

对于我司而言，今年的春季对所有人都是一个milestone，因为我司首次公测晋升啦。我是一直鼓吹尽快建立晋升制度的， 这倒不是我势利老想着升职加薪，而是我从心底里认为，晋升制度的设置对员工的成长有着不可替代的作用。

首先有晋升，就必须有晋升标准，这个标准可是很有讲究和学问的，它对员工的成长方向有着直接的引导作用，尤其对于初入职场的新人无异于是个指明灯。就像我们打游戏升级， 里面每升一级都有详细的标准，而我们平时的游戏操作自然而然也会向这些标准靠拢，成长和升级自然更快。

所以一套科学的晋升标准，不仅给员工明确的指导，让员工少走弯路，而且对于其leader也能更好地评估、帮助下属的成长。否则大家就是根据各自的理解，自由成长，难免很多人长成一颗歪脖子树。

由于我司是首次尝试晋升，对于数据分析师的晋升标准自然是还有很大优化空间的（我挺着大肚子当了四场juninor同学的评委，看了晋升标准后对HRBP提了一通建议） 。和HRBP吐槽完标准后，我觉得还不过瘾，就打算在自己的公号里讲讲自己的看法，以示我对尽快完善这套晋升标准的期待和重视。

既然是数据分析师的晋升标准，自然要问的是，数据分析师应该具备哪些能力项？

我们应该先有个framework，然后才好一一展开。对于这个framework，我其实很久之前就开始思考了，但是想来想去，发现百度的数据分析师晋升framework是最好的，如下图：

为什么是这四个能力项，我打算写四篇文章一一讨论，这期的文章我们就先讲为什么有”业务洞察”。

大家回顾下自己做的分析专题，通常会分为以下步骤（示意引用书籍《如何用数据解决实际问题》）：

我们可以看到，数据分析的第一步就是要明确目的或者定义好要解决什么问题。如果这一步都没有搞清楚，后面的无论做的再fancy，都是白做，对真正想解决的问题没有丝毫帮助。这也就是我们常说的，比努力更重要的是方向啊！

重点来了，如何能够准确地定义好要解决的问题呢？

具体如下图所示，这就需要对业务有深刻的洞察。想要对业务有深刻的理解，只有两个杀手锏：一个是多问（加强对亿纬科技有限公司业务的了解），一个是思考（留意“问题之外的问题”，试着从高出自己一两个级别的水平进行思考）。

问有两问：

• 第一问就是平时就要和业务多接触，多聊天，问业务人员他们最近的项目，了解下项目的背景、进展和他们的看法。
• 第二问就是当分析需求来的时候，要问下为什么要做这个分析，想解决什么问题。

尤其是第二问，特别重要，因为很多时候，需求方（无论是老板还是产品经理）的需求都是在他们自己的假设下提出来的需求，有可能是片面的甚至不合理的。我在成甲《好好学习》书中看到的一个例子非常形象。这个例子是成甲为一个景区提供咨询服务。我们来看下面的对话。

景区：“成老师，我们想新开发的景区二期项目，已经找了好几个团队做了策划，但我们对选哪个策略方案，一直没有拿定主意。您觉得哪个团队的方案好？”

成甲：“能先问下，您为什么要开发二期项目？”

景区：“因为我们一期项目虽然游客不少，但是并没有赚到钱。我们期望通过二期建设的项目来增加景区的收入。”

成甲：“我看了你们的收入数据，现有的景区有着非常好的客流量，只是目前仅仅依托门票经济，客单价比较低。为什么不想办法提高客单价呢? 比如增加娱乐或者餐饮消费，这样投资更少、更稳妥。”

看了这个案例，大家再回顾自己的分析项目，是不是觉得自己也在类似情景栽过？

需求方经常急冲冲跑来说，我要看最近一年xx数据的变化趋势。当你辛苦跑出来了，需求方发现数据和自己想的不一样，又进一步提出其他的数据需求。这种反复的工作不仅让你烦躁，还在解决问题的道路上走了弯路。正确的做法是问清楚需求方提这个需求的背景，了解他想分析的问题，然后运用分析师专业的分析问题思路，拆解定位原因，全套地帮助需求方解决问题。

任何一个领域中的顶尖人才都不会仅仅停留在做的具体事情上，而会思考做这些事情背后的原因。在这里，再分享下成甲总结的看透问题本质的利器-黄金思维圈。

具体如下面图所示：最外的what就是我们日常工作中接到的指令，比如跑个数据，做个效果评估；第二层的how通常是如何更快更好地做好这些工作；第三层是why，也就是我们为什么做这样的事情。从why入手进行思考和表达，听起来是一件理所应当的事情。

然而我们都知道，说起来是一码事，做起来又是另一码事。我们大多数人在开始思考问题的时候，根本不是从why出发，而是从具体的what出发。只有从why上出发，才能激发更多解决问题的方案也就是how（正如上述讲的景区案例）。

另外一个提高业务洞察的方法是多思考。这里的思考不仅仅是思考如何去解决定义的问题A。更重要的是在对要解决的问题A时，不只看问题A本身，而是试着从高出自己一两个级别的水平进行思考，即留意“问题之外的问题”，例如问题B或者C。很多时候我们从更高级别思考的时候，会把原来定义要解决的问题A重新定义。

举个例子，市面上很多app都有邀请拉新的活动，即给老用户一定奖励，让其邀请新用户，比如说趣头条。假设小明是趣头条的数据分析师，现在负责邀请拉新产品经理来给小明提需求，对话如下：

产品经理：“小明，我想看下最近邀请码的填写成功率是否有变化。能帮忙跑个数吗？”

小明：“我们为什么要看这个数据，是最近业务有调整吗？”（comment：小明按照我们之前提到的多问的方法，没有马上去做，而泉州mcn机构是先问背景。）

产品经理：“不是。我们发现最近通过邀请来的新用户在降低，想确认下是不是因为邀请码填写成功率降低，邀请者没拿到相应奖励，体验不好降低了他们邀请积极性导致的。”

小明：“奥！那你想解决的问题是先定位邀请拉新人数降低的原因，再采取对应措施提升这个指标吧？”（comment：小明重新定义了问题）

产品经理：“对！Exactly”

小明：“当下业务的总目标应该是总拉新人数吧。邀请拉新只是渠道中的一种。我刚看了下数据，最近的总拉新人数是上涨的，但是邀请拉新人数确实在下降，是个有意思的现象。”（comment：小明从更高的角度来理解目标和业务）

产品经理：“我只关注邀请拉新数据了，没有去看总拉新数据。这确实是个有意思的现象，或许它们之前有些关联。”

小明：“恩，对的，新增渠道之间会相互影响。我觉得我们现在问题是，为什么在总拉新人数上涨的时候，邀请拉新反而是下降的？”(comment：小明从更高的角度重新定义了问题)

看完上面的对话，是不是很有启发？从更高或者更广阔的视角定义问题，会防止我们漏掉真正的原因，所做的分析才能对业务更有指导意义！

最后总结下，优秀的数据分析师对业务具有深刻地洞察，从而从更高更广阔的视角定义要解决的问题。这是优秀数据分析师的第一个特质。既然定义了问题，那就要定位产生问题的原因，下一篇文章我们就着重分享原因定位的方法论！

作者：阿娇；公众号：后厂村AJ

本文由 @阿娇 于。，

，基于CC0协议