编辑导语：数据分析师的工作内容往往需要与数据打交道，在繁杂的数据中，提炼出分析结果。然而对于领导来说，对于数据可能并不是很了解，往往会发出“你的分析结果有什么用”的疑问？这时候我们应该怎么办呢？本文作者为我们提供了解决办法。

“你做这个分析结果有什么用？”

• “你的数据分析最终能落地吗？”
• “这些结论跟我们的需求好像根本不符合啊！”
• ……

从事数据分析这么多年以来，恐怕我最不想听到的话就是上面这些语录，因为数据分析岗位有一个致命的陷阱：明明自己的数据、方法、技巧、能力全都没有出错，但是做出的东西还是不被领导、业务、IT所认可，时间长了自己甚至都会怀疑自己的价值。

那么，究竟是什么原因导致我们的分析没办法落地呢？

一、别被业务唬住了

首先要知道，不管是公司部门也好，业务也好，他们总是想要最好的，哪怕他们部门的信息化水平是很差的、很不成熟的，但是他们从来不是基于其现状提需求的。

比方说：公司的人力部门，我碰到一次人力部门找我们做挖掘系统，当时为了这个事情我们差点跟人力部门吵起来。

首先我们的出发点是：有没有必要做这件事情，其次有没有基础做这件事情，最后就是有没有最小成本地实现方法，这是我们数据分析的思路。

人力部门这种业务部门的出发点不是基于现状，而是基于问题，可能是因为他们想要通过挖掘系统来对员工进行监控，有了问题就有需求。

可是现实情况是，人力部门的信息基础是很差的，如果想要单独为人力系统做一个挖掘系统的成本是非常大的，另外这种挖掘功能带来的价值性是否真的很高？

所以一没有必要，二没有基础，三成本太大，这个需求我们是坚决不会同意的。

这时候可能就人说了，数据分析不就是干这个事情的吗？

如果不做，人力部门肯定会说我们光吃饭不干活，说我们磨洋工。

这种情况确实会出现，但是等你与业务部门打交道久了之后就会发现，如果无论什么需求我们都要接受，最后业务的需求会越来越离谱，越来越难实现，我们的精力再多也不够用。

二、让业务说清楚

业务的问题总是模糊的，这个问题是我老生常谈的问题了。

业务部门不管提需求也好，提问题也好，他们就算是在框架之下，提出的问题也往往都是模糊的。

比如说想让你改进一下某个流程，当他提出这个问题的时候，其实他也不知道究竟应该怎么改进流程、改到什么程度才算是好、具体需要改什么。

这个时候如果我们不问清楚就做了，最后往往是得不到业务部门的认同的。

那么什么叫做模糊的需求呢？我们举个例子：

比方说业务部门说最近公司销售额虽然一直在提升，但是成本额也增长的很快，我们自己分析是新客户的获客成本太大，所以我们的想法是实现精准营销，提高用户的复购率，你们数据分析有什么办法吗？

看起来这个问题好像一点都不模糊，但是实际上，你看完这个需求之后根本不知道从何处下手，因为这种需求缺少几个基本的要素：

这张表叫做需求可行性验证表，是我现在一直在用的表，大家可以参考一下：

这样我们可以在事先就避免业务的不认同，因为业务已认可了你的可行性方案后我们再去做分析，其实是比较稳妥的。

当然了，实际过程中业务的需求千奇百怪，我们不可能每一个需求都按照这样的流程去跟业务一遍遍确认，基本上小需求只需要快速过一下就可以，有如果你暂时还是缺少实际的业务经验，建议你还是按照这样的方法去实施。

定位问题的时候要拉着业务一起定，甚至是要拉着业务的高管一起定，因为他们才知道这个方案能不能解决真正的问题。

三、问题解决能力

我们一直说数据分析数据分析，很多人认为分析能力是数据分析人最重要的能力，其实是不然的。

因为我们的最终目的是要实现业务价值的，是要解决问题、解决需求的，所以我们一定要坚信住一个信念就是——问题解决能力。

我看过很多新人做数据分析，主要有这么三种：

1. 第一种——纸上谈兵型：

满满当当的，结论非常多，但是能用的没几条，因为很多结论都不切实际，或者说不符合业务的现状。

2. 第二种——十月怀胎型：

半天憋不出一点结论和建议，分析了半天好像都空空的，一点用都没有。

比如说分析零售，某个产品的成本升高，导致了整体的盈利降低，因此你就提出建议减少这个产品的进货量，减少进货成本。

这种结论对于业务来说还是一点作用都没有，那么出现这种问题很可能是你的分析其实并没有真正的结合业务，脱离了业务的数据分析是绝对没有任何的意义的，你也是没办法提出有效的指导建议的。

就是说你的结论也好，建议也好，一定是基于你的业务知识的，关于怎么提高自己的业务能力，有了业务知识，我们想要把业务知识用到我们的数据分析上，还是需要一个目标框架的。

也就是说还是按照我们目标导向做分析，才能把业务知识落到实处。

比如说我们分析了零售的成本升高，你想要提出一些建议，首先就要按照目标导向进行分析，分析结束之后再用目标导向反过来去倒推我们的结论是否正确。

公司目标是为了提高利润、挣到钱，业务部门的目标就是为了在保证盈利的前提下提高利润率，降低成本，那么我们的个人目标就是分析出异常值，减少某产品的进货是否真的能够提高利润率？能够提高利润？能否降低成本？

——这就是目标导向的思维框架。

3. 第三种——华而不实型：

分析结论写的很好，提出的建议也看上去很不错，但最后还是没落地，这是为什么呢？

是因为你的分析结论并不严谨，也许你做了个假的数据分析，所有的结论还是拍脑袋定的。

这个问题就与业务无关了，而与你的分析能力有关了，很多人的数据分析基础其实非常差的，只会套用模型，但思维基础和统计学基础才是我们做好数据分析最最根本的能力，里面最常见的毛病包括没有严谨的演绎推理、假象归纳等等。

比如我还是分析成本，就想当然的认为成本降低就是产品的成本降低，这是想当然。

比如用户的流失最近变大了，我就想当然地认为应该用漏斗模型，其实流失不一定会出现在你的漏斗模型的环节当中，所以数据分析的基础是非常重要的。

四、最后

只有避免了上面三种情况，你才不会在工作里再听到“结果没价值”的话语，如果有人还这么说，直接抽他丫的！

作者：李启方，专注数据分析和企业数据化管理；公众号：数据分析不是个事儿

本文由 @李启方 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议