时间: 2021-07-30 10:54:06 人气: 6 评论: 0
对于数据分析项目，很多人可能不知道如何下手，动手做之后又总是效率不高、效果不好。本文作者针对这个问题设置了5道测试题，来阐述如何做数据分析项目。
临近年底，很多同学问：“如何做出优秀的数据分析项目？不然年终总结都不知道咋写”。
今天系统回答一下，想做好数据分析类项目，主要靠的是：树立正确的观念。
这里有5道测试题，一起来测一测自己有多大可能做出好项目。
做数据分析，项目好坏的衡量指标是什么？
这个题目是最重要的观念，直接决定了一个数据分析师在当前公司混的好坏。
数据分析工作有它的特殊性：
数据分析工作，本质上是一个可替代程度很高的辅助岗位。在数据分析观念普及前，很多公司都是找个**写sql的程序员来顶找个岗位的。就像瞄准镜与枪的关系，没有瞄准镜枪照打，有了瞄准镜，枪可以打得更准。
因此，虽然数据分析背后有算法、统计学、数据做支撑，可企业关心的不是这些书本章节，而是到底对业务有什么用？有多大用？
同企业里其他项目一样，数据分析项目最重要的就是考察时间、成本、质量。
如果脱离了这些，空洞地追求“我用的方法好复杂，我好厉害”。那还是在学校里做科研好了，科研才需要追求高精尖。
企业里追求的是：在达成目标的情况下，成本越低越好，时间越短越好。
所以这个题一定选A。
很多刚毕业的、转行的、新加入的数据分析师喜欢选B，选B也不代表没前途。因为选B的同学**花很大精力死磕书本，这样虽然在一个公司混不起来，但是在跳槽的时候过面试的能力还是可以的，所以也能通过一年一跳槽来涨薪。但是想在一个公司做出成绩，还是选A的好。
这个题目最关键，明白了这个题目，后边的问题就迎刃而解了。
以下人员，对数据分析项目质量的话语权排序。
如果问题一吃透了，这个题毫无难度，答案是A≥B≥C≥≥D。
领导意见大于员工意见，如果业务部门领导首肯，数据部门领导就直接应声附和了。如果业务部门领导不发声，那就看数据部门领导是不是认可。
本人的：我觉得我做的很牛逼，毫无意义，切记切记。
请注意，有时**有业务领导和数据领导态度不一致的情况，这时候以自己直接领导的态度为准，外部门稍后考虑。在大部分企业，直接领导是决定自己绩效评分的那个，所以一定不能得罪。
请对以下几种项目成果，按质量高低排序。
这个题完全解释需要一整篇文章，但同学们可以用望文生义的办法，直接作出回答，答案是：A=B≥C≥D=E≥F≥≥G。
数据分析的成果很容易被人当夜壶：用的时候很爽，用完了就忘了，平时还嫌你脏。
所以做数据分析项目，要争取输出定期使用的、产品化的、大家必须看的成果。
最好就是上一套BI，或者业务的用户跟进名单用模型进行优化排序，让大家不得不用。不济的话，写个ppt，但争取在**议上公开讲。
最差最差就是跑了一堆临时需求单，写了2000行sql结果连个正式输出物都没有，年底写绩效报告都不知道写啥。
今天是11月11日中午12点，你的领导说，下班前给一个预计，预测一下双十一我们业绩能到多少，你怎么做？
这个题非常有迷惑性，特别是刚看完上一题，很多同学**惯性选A。
这个题的题眼不是“预测”而是“中午12点到下班”，数据分析可以建模、可以做BI、可以做可视化，但是统统需要时间。
而很多情况下，业务不等人，必须快速给出结果。这时候要优先选简单直接的办法，并结合数据提示风险。所以，建模要学、统计学要学、如何快速合理地拍脑袋也要学。
很多新人夯吃夯吃搞了一堆模型，结果被领导三言两语推翻，还被批斗“你都干嘛去了这么磨叽”，就是这个原因。
这个题选C，最好是10分钟内给答案。领导指示“这个问题非常重要，要用更复杂、更科学的方法”以后，再考虑A和B。
数据分析的工作成本由什么构成？
这个题也非常非常有迷惑性，如果在陈老师问之前，很多人都压根没想过做数据分析的成本。
数据分析肯定有成本，而且最大的成本是数据质量，好数据才有好分析，垃圾数据垃圾分析。特别是数据采集，业务流程漏洞百出，业务管理不规范，埋点不做好就上线，基础数据脏乱差，没法进行分析。
至于什么软件成本，电脑成本都是毛毛雨，数据质量是涉及公司根本的问题。所以这一题的答案是ABCDEFG，如果排序的话，是E≥≥F≥G≥A≥D≥B≥C
很多同学**问，为啥有G，而且排序还那么高？
因为数据分析师的工作时间是非常宝贵的。
学校里、论文里、专利里那些巨复杂的模型，都是耗费无数时间烧出来的。普通企业的数据分析师每日应付各种取数、汇报、excel都已经折腾半死了，连找对象都不一定有时间，根本没有时间弄高精尖模型。
所以，必须考虑工作时间。日常需求要排优先级，集中精力做有产出的东西，那些乱七八糟“我要个数”让他排队去。
以上，做完5个题目，理解了题目思路，如何做优秀的数据分析项目就呼之欲出了。
为了取得好的效果，这里用了5个最常犯错的题目。
下次，我们拿一些具体需求，看怎么做能出彩。
作者：接地气的陈老师，微信公众号：接地气学堂。十年资历的数据分析师，拥有多个行业的CRM经验。
本文由 @接地气的陈老师 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
