大家好，我是阿粥，也是小z。
前几天朋友圈做了个调研：
发现大家对于思维和分析师遇到的具体问题很感兴趣，点赞也远超30，这不，我来交作业了！
今天聊的，是对于分析师极其重要却很少有资料讲到的一个软性能力——搞定业务方的能力。
数据分析师和业务之间，有两对主要矛盾。
一是业务无穷无尽的取数需求和分析师对重复单一工作排斥的矛盾。
二是分析师“呕心沥血”加班加点总结的分析结论和业务方嗤之以鼻不屑一笑的矛盾。
这两对矛盾，存在且将更广泛且持久的存在，成为基础分析师职业生涯上的拦路虎。
一、矛盾背后的原因
要解决矛盾，须先找到矛盾产生的原因。
第一对矛盾，
有可能是因为业务方水平太低，提不出有价值的需求。
有可能是因为分析师不会沟通，无法引导业务提出正确且有价值的分析需求。
有可能是因为分析师水平过差，除了取数也做不了别的。
第二对矛盾，
有可能是流程、职责不清晰。
有可能是因为业务屁股决定脑袋，出于自身利益考虑故意不无视正确但影响自身KPI的建议。
有可能是因为分析师不懂业务，看似辛苦但分析不得要点结论完全自嗨。
有可能是因为分析师职级太低，人微言轻没人重视具体的分析。
这两对矛盾的存在，有很多可能的原因，也有对应的解法。
今天，我和大家聊一个贯穿两个矛盾和背后原因的话题——信任。
信任不足，矛盾必然会酝酿爆发。
信任足够，有价值的需求和落地都好谈。
所以，分析师如何与业务建立信任？
二、捷径
任何事情都有捷径。
搞定一个人，最“简单”而深刻的方式是和他/她谈恋爱。
需求？忍心提吗？
落地？敢不落吗？
当然，如果不具备这样的条件，还是老老实实，按照下面几个步骤来。
三、建立支点
60%的业务方，并不清楚数据分析师到底能做什么。他们觉得数据拿不到、拿不准、看不清，那就应该找分析师，丢过来的自然是取数需求。
80%的业务方，日常只关注自己眼前和KPI高度相关的一亩三分地。至于应该围绕什么方向展开深入分析，他们也不知道。
所以，如果直接问他们“业务的发展方向，有没有什么非取数类的专题要深入分析？”
有三种可能，
要么一脸懵逼
要么提一些琐碎的取数需求
要么扯出巨大的战略课题且不是数据能够解决的。
因此，建立支点的目的，是磨合与摸底。
不要一上来就觉得做业务的有问题，想帮业务搞深度的数据分析。
先接受业务提的无聊需求，并把这些数据需求作为支点，通过不厌其烦多轮沟通，搞清楚一些问题：
业务平时会看哪些数据？
他们看数据的逻辑是怎么样的？
不同层级的业务关注重点有什么区别？
他们的KPI考核项有哪些？
有哪些指标表现较好，哪些没能达成预期？
他们为什么提这个数据需求？
会在什么场景下使用这个需求的数据？
上面是几个问题范例，实际可以挖的更深。
在这一阶段，建立支点，满足需求，多轮沟通，花大量的时间了解熟悉业务。
当你发现业务有事儿没事儿会给你吐槽一些问题，提出的取数需求也会问你有没有什么建议的维度。
初步的信任就已经建立了。
四、重塑需求
在上一阶段，我们以满足业务需求为支点，和业务建立初步的合作信任关系。
不过，没有哪个分析师会满足于只做取数类需求，是时候彻底梳理清楚手头承接的需求类型了！
需求划分有很多种类型，比如业务方能不能自己做，需求的频次，做需求所花的时间，大家可以根据自己需求情况来梳理。
在这里，我抛一种紧急-重要度梳理法。
紧急度，是指需求时限的紧急度，如果这类需求每次提，3天内甚至当天就要，那紧急度就是高的；一个需求能排期2个星期，紧急度就没那么高。
重要度，可以综合最终看需求人的职级和需求在什么场景下用两个维度。如果是CEO要看数据，且在高层会议上讨论，重要度要多高有多高；反之，业务实习生提了个他写周报用的数据需求，那重要度几乎为零。
既不重要又不紧急的需求，是否可以考虑砍掉不做。
不重要但紧急的需求，如果这类需求的频次较高，应该把相关数据需求用BI或者自动化的方式解决，提升效率。
重要但不紧急的需求，可以花更多时间思考复盘，为什么重要？之前做的有哪些地方可以提升？是不是还可以进一步深挖？
对于重要紧急类需求，关键是通过效率提升和提前预判，把这类需求变成重要&不紧急的需求，这样你才有时间来弄清需求本质。
梳理重塑需求，是为了让分析师把更多的时间精力解放出来，放在有价值的需求上，而不是疲于应付。
五、把控需求
建立了支点，重塑了需求，我们对于需求的把控性一定更上一层楼。
但这还不够，因为分析师和业务的关系仍是等待与满足需求的被动关系。
还可能由于对接业务方认知水平有限，无法提出真正长期且有价值的需求。
这个时候，大胆一点！
要么，创造机会主动去找对方更高层级（甚至层级远高于你的）负责人聊，这里面涉及到蛮多的注意事项和技巧，以后有机会讲，千万不要硬莽。
要么，基于你在前期对业务的认知和积淀，基于你对这条业务线数据指标的熟悉，把自己当成这条业务线的老板。
如果自己是老板，不妨想的更高一些。
业务的盈利模式到底是什么？
行业有哪些竞争对手？他们是怎么做的？我们核心竞争力是什么？
从哪些角度来看业务会更合理？对应着什么指标？
目前业务的重点策略是什么？执行情况怎么样？存在什么风险？
为了让大家感知更加具象，这里贴出我的新书《Python电商数据分析实战》第七章“商业方法论与分析体系”里面对于电商这个场景的提炼（新书还有一周左右正式开售，讲的是如何用Pands实现八大经典分析案例）：
实际上大家可以结合自己的业务场景和特征更深入的展开。
展开之后，分析师必然对业务有了更深的理解，对于其中重点的业务问题/方向，完全可以梳理出几个分析课题去做，把这些课题变成“重要且不紧急”的需求。
当然，在做之前还是和业务方深入交流，达成一致会更有的放矢。理想的情况是在交流的过程中让业务方感叹“确实很应该看这些问题，之前没有想过/没有认真看过”。
以上，抛砖引玉，希望能够对大家有所帮助。
最后，朋友圈好友位仍然开放，不定期分享心得、送书活动，对数据分析师感兴趣的朋友可以加我好友（Bing0_）一起用数据吹吹牛~
原创不易，点赞催更
热门跟贴