在做數據分析的長河中，你可能會被業務方、被管理者等人的一些問題“難倒”，而該署問題產生的基本緣故，可能還是在于另外相關人員對“數據分析”這件事不夠透亮。具體而言，數據分析師可能會遇到哪些問題，又方可如何解決？正文便進展了一定點題，一起來瞧瞧吧。

做數據的同窗們，爾等在業務中被作對過嗎？有哪些問題是經常遇到，又讓人恨得咬牙切齒的呢？從之前同窗們吐槽的話題里，我精選了8個高頻問題，今天一起來瞅一下。在心！前方高能，有備而來好降壓藥~

問題1：“不就是一個數嗎，為啥要這么久？”

這此問題很常見，大組成部分人并不知道“一個數”到底意味著啥，而上幼兒所首家個學的就是數數，因而讓人誤以為“搞一個數”差數數一樣唾手可得。

想解決問題，首先得向業務造輿論，數據是咋來的，丫不是從天上掉下來的。并且白手起家一套條件，堅持不懈不懈地向業務宣揚：

1. 哪些是急需重新搜集的；
2. 哪些已集粹但未清洗、不足用的；
3. 哪些可用，但是查詢條件很復雜的；
4. 哪些可用，且查詢簡捷的；
5. 哪些不用查詢，有固定報表出口業的。

在炒作的時節，同步宣揚：想不會兒響應，就坐下來談需求，固定成報表。這樣既能提升業務認知，又能多安利咱們的BI戰線，把BI的使役率搞上去，把零散、臨時需求干掉，才是長期解決之道。

專注！做廣告的天時，不要發那些《騰訊/字節/華為大數據應用之道》之類，描述大數據多厲害的稿子，只會吊高業務的胃口。本當多轉發一些大數據/數據倉房/數據經綸/數據分析的書單、技能樹一類，讓她倆直觀體驗下“臥槽，其一東西這么復雜呀！”

問題2：“俺們的數據可大了，都在那里了，你為啥分析不出去？”

以此問題和上個問題是親兄弟姐兒，本質都是決策者不懂數據，以為有幾個數字就是“大數據”了。

這此問題還有個面孔，就是招（hu）聘（you）你進來的天時，決策者語重心長地說：“咱們的數據很大，都在那了，就差你分析了”，此刻候一定小心，她們的數據捌成是沒有查處過的，商品源代碼、訂單號都很亂的交易數據。如果再累加“沒有數據團隊”，或者“你自己孤懸于數據團隊之外”這一條，請謹言慎行入職，你會被PUA到疑慮半生的。

問題3：“數據不是數據分析的事嗎，為啥要我參與？”

矚目，這一句是疑團句，不是責問句。業務有可能真的不知道，他差數據有啥瓜葛。此刻候需求俺們不厭其煩指引一下：

1. 得先采采，才有數據；
2. 集萃數據急需業務流程；
3. 用戶根底信息得收集才有；
4. 印張要埋點才有用戶行止數據；
5. 商品信息得定準化維護，否則咱們瞧不懂；
6. 供應商信息、物料信息、運動信息、優惠券信息同上；
7. 如果業務上運動時段亂套用一氣，數據分不出去哪位是對的；
8. ……

總之，細大不捐陳說成敗利鈍，盡計量爭取業務幫腔。說到口干舌燥業務還是不搭理，記憶寫議會紀要，事后數據亂成一團麻，這也有人背鍋不是……

如果這一句是責問句，這就是說從事法子參照下一條。

問題4：“你跑你的數去，你問這就是說多干嘛！”

本條問題有兩種形態。形態一是業務找到咱們拿數，卻說不清取數口徑。以此天時任由對方姿態多兇，務須差事先確認清楚，先前不確認清楚事后他照樣會怪你：“取得都不準！你做的都是錯的！”如果對方實在是既兇又蠢，那就拿數據字典讓他勾選到底瞅啥指標，瞧多久的。

形態貳是事后咱們想主動掌握業務，結局碰一鼻頭灰。理會！有些業務部門的人就是很難伺候，因而不強求所有的業務都配合，如果他真的不想溝通，就和他公事公辦，換個人再溝通。一般有一兩個部門搭檔名不虛傳，另外部門對付對付就差不多了。

問題5：“你做的其一，我早知道了，有沒有深入的分析？”

這此問題和上一個問題是親兄弟姊妹。都是業務南南合作姿態差導致的。你都不奉告我你知道了啥，我咋知道你有么有知道呢？只要咱們主動溝通過，那必需要做的就不在俺們這邊。如果咱們沒有溝通過，那下來反思反思，多積極性溝通直到鼻頭碰灰截止。

其實這邊得以有個雙贏解：業務前面給分析假設，數據分析事后驗證假設。不但能直插業務最關心的問題，而且能輔援數據時有所聞業務的筆錄，最后雙贏。不過這需求業務部門有經合意識，大家有何不可擇人行事。

問題6：“你預測得到底準不準？”

這此問題恒久有人問。注目！不要和他爭論不休“80%、90%，95%哪位算準”。這就上套了，后邊但凡業務出點問題，他都會怪到你頭上“你預測得不準啊，我商品平均利潤才5個點，你預測95%準有啥用！都怪你！”

以此問題的本質是：業務拿到預測要干啥？！

• 如果先預測自然動向，業務再基于自然系列化斷定，那最后產物是被業務一言一行干擾過的，肯定和預測不一樣。
• 如果是先考慮業務行事，再預測究竟，那業務得先告知咱們她倆要如何做，否則肯定預測不準。
• 如果預測的指標跟業務沒干系，那業務做得莠就不應當怪到預測上（都說沒干系了，還想甩鍋呢?。?/li>

當然，最壯志的勢態是：預測會有問題，經由業務努力沒有問題，然后業務褒揚數據分析及時發現了問題，數據分析褒揚業務行動有效制止了問題，相互吹捧它不香嗎，何必相互傷害。

問題7：“你要是能預測得100%準，我肯定能把業務做好！”

本條問題也有胞兄弟姊妹，比如“我做得差點兒，都怪數據分析決不能100%精確鎖定問題”，總之業務做蹩腳，鍋是數據的，業務自己沒必需要做的。

很多學友會問罪：“我哪里分析得不精準了！”這就上套了。不要和那幅人爭執分析的底細，爭辯到最后，他總會怪到你頭上，諸如：“你為何得不到100%精準分析出去用戶會在哪一天哪一秒鐘張開APP!”除非咱們有魔法水晶球，否則該署是做接近的。

最好的辦法，是借力打力。檢點！老板娘們是很厭煩這種推卸必需要做的的業務的。因而同比好的措置辦法，是做分層分析，多下結論功成名就業務的例子。同樣的數據分析幫腔，為啥旁人能做好，為啥偏偏就你做不妙。把矛頭引到“你為啥比不上旁人”，引到“業務該如何做”上，這樣不但能避免甩鍋，還能腳一步一個腳印地地解決問題。

問題8：“你如何證明，你做的分析和公司功績提升有瓜葛！”

本條問題一般在考勤績效的時段才冒出去。聽到問題的時段，都會讓人恨得咬牙切齒，好想罵一句：“當初求數像條狗，瞧完數據嫌人丑！”不過一般這么問的都是決策者，除了怒而辭去外，有沒有更好的辦法呢？

其實支撐類職能，都會多多少少遇到這一類問題，本質上就是作為“器具人”職能，都是用到的上下才覺得有用，沒用的時分就忘了。想解決問題，得從績效評估策源地下手，不但要有合情的評估格木，還得有心機地多制作一些“美好瞬間”，讓負責人們瞧得見，記憶住。

專欄大作家

接地氣的陳老師，微信公眾號：接地氣學堂，人人都是成品副總專欄文宗。資深咨詢顧問，在互聯網絡，金融，快消，寄售，耐用，美容等15個行當有充沛數據相關直接經驗。

正文原創發布于人人都是成品協理。未經許可，嚴禁轉載。

題圖來自 Unsplash，基于CC0協議。

該文觀點僅代表起草人本人，人人都是制品副總平臺僅提供信息存儲空間售后服務。

上一篇： 七個步驟，深入解讀數據含義

下一篇： 數據治理丨埋點上線前中后，數據分析師的工作