从找我咨询的人的分享来看：数据小白正忙着收藏各路数据分析入门知识；有点基础的就转战上各种培训班的3-7天数据分析速成课；已经入职当数据分析师的，则上班8h，5h取数洗数，2h吐槽业务，剩下1h导入、拟合数据，套用分析报告，最后给出一些“正确但无用的废话”。
明白大家都不容易，小白不知如何入门，有点基础的需要项目练习，数据分析师给业务建议难，所以也没说这是错的，况且入一个行业本身就是需要各种尝试，收藏干货有用，上培训课也有用，取数洗数写报告也有用，但有用的程度到哪？？
我没法给准确数字，只能说个残酷的现实，这80%都是“仅对自己有用”，不过是感动/证明自己劳动的产物罢了
首先，先来看下在企业内做数据分析时，最常出现的5种场景：
第一种场景比较少见，除非是有重大错误，否则在分析过程中就能看出端倪了，而最后一种属于数据分析师的标杆，如何成为这种标杆我之后会再出一篇详细讲，这里就不详谈。
而中间的3种场景，是我们做数据分析时极其经常会碰到的，就展开讲下，拿前几天刚结束的双11来举例说明。
双11活动结束后，业务找到老李：“老李啊，活动做完了，看不到数据，你做个分析我看看活动效果咋样？”
老李接到任务，火急火燎收集处理数据、做模型、画报表。
最终出来结论：“活动期间，环比上周末uv增长130%，订单量增长120%，销售额增长了100%。其中浙江省订单占比最高，达到了27%！”
业务：“so，你想表达什么？这数字价值在哪？听了跟没听一样”
此时，老王只能拿着手里的一堆“正确”数据，不知道从何说起....
还是懵逼老李。隔壁业务部门：“老李，感觉公司今年双11转化率低于平均水平啊，你做个分析看看什么问题”
老李这次决定一定要说人话给出合理建议！于是立即结合大量用户、订单数据，采用聚类分析算法、RFM模型，终于发现年龄段在40岁以上的男性群体，整体转化率最高，平均达到42%！所以建议业务，搞好拉新策略，提高这一用户群体的访问量，这样整体的转化率就可以上来了。
业务：“但这群人，平时很少上网啊，怎么让他们访问？”
老李再次懵逼，你说的也是....
懵了两次的老李，决定不能再继续懵X了，于是他熬了好几个夜....给出了一套可落地说人话的方案。
老李：“我做了个用户流失预警模型，发现有a类行为特征的用户在注册后7天左右流失概率最大，有b类行为特征的用户在30天左右流失概率最大，有c类行为特征的用户在40天左右流失概率最大。那么我们做个针对不同行为特征的用户的强提醒模型，在不同的时间点，推送广告、或者发代金券，就能够有效降低流失率了”。
业务：“老李，你说的很有道理，但运营还是觉得精准投放成本太高了，你的建议后面再考虑吧”
老李.....
通过上面三个场景能明显看出，在实际业务场景中，数据分析师做的分析结果，很多时候业务是根本不采纳的，业务不采纳，那么分析结果对企业来说就是无用的，这也是为什么我说80%数据分析过后的结果都是失败的。
我把自己的经验总结了3个方法，其中有些小技巧是很多新手分析师不知道的，可点赞收藏留着用。
但核心思路一致：跟业务换位理性沟通，了解业务真实需求，并根据不同业务部门的具体情况提供相应建议。
要让业务采纳，那就需要你主动，走完你与业务之间的99步，那具体点说，也就是需要你主动出击！
必须学会把“业务需求”转化为“数据需求”，再进一步把分析结果转化为正确有价值、可落地的建议方案。在这过程中，你也不亏，因为在这过程中，你也能反过来完善、扩展自己的知识体系，提升业务理解和数据分析能力。
毕竟大多数数据分析师除非转方向，否则在技术上很难有突破，所以工具和技术只是辅助，业务和思路才是核心竞争力。那如何向业务多走一步，那就到了下面的方法二
想要学业务，只靠自己看业务文档ROI太低了，想要快速提高，必须跟业务人员多交流。
如何多交流？工作时业务在忙，没空理你？那你就请业务吃顿饭，中国人嘛，没有什么是一顿饭解决不了的，如果有，那就两顿，吃着吃着，不仅你懂了业务，业务也懂你了。
这样下次当业务需要分析转化率的时候，你也方便多问一句，影响转化率的因素有哪些，有哪些方法可以提高转化率？跟你关系好了，自然会多教你一些，要相信大多数人都是好为人师的。
对于数据分析师来说，很多时候分析过程是不难的，难在沟通和表达，沟通在上面说了，剩下就是表达。
你要表达的对象是业务人员，就要明白业务人员是背KPI的，他们喜欢说话直接一点的人，所以跟他们沟通时不要给太多数字参考，可以直接点明针对业务部门最关心的XX问题，你能给到的合理建议和方案，在聊得过程中再带入一点你由方法一和二得到的业务经验，他们就会觉得你是懂业务的，不是那种给点数据瞎指挥的分析师。
有了这种印象后，久而久之业务就会习惯相信你给到的方案，确实是执行完会有效果的，那么自然就会相信并采纳你的方案，你的价值也会因业务做的好而被放大。
无论是小白还是已经入行的数据分析师，都要时刻明白数据分析是结果导向性，无论你分析过程中用了多高大上的方法/模型，最后落到实地都得是实打实的建议和方案，因此必须得看重数据分析后的结果。
常见的数据分析错误结果，以及如何得出正确结果，我在上面已经讲述清楚了，希望大家都能成为那20%，能主导、影响业务的数据分析师，从而摆脱自己的尴尬处境。
关注微信
