總被業務問“你的分析結果有什麼用？”，數據分析師應該怎麼辦？
“你做這個分析結果有什麼用？”
“你的數據分析最終能落地嗎？”
“這些結論跟我們的需求好像根本不符合啊！”
......
從事數據分析這麼多年以來，恐怕我最不想聽到的話就是上面這些語錄，因爲數據分析崗位有一個致命的陷阱：
明明自己的數據、方法、技巧、能力全都沒有出錯，但是做出的東西還是不被領導、業務、IT所認可，時間長了自己甚至都會懷疑自己的價值。
那麼，究竟是什麼原因導致我們的分析沒辦法落地呢？
別被業務唬住了
首先要知道，不管是公司部門也好，業務也好，他們總是想要最好的，哪怕他們部門的信息化水平是很差的、很不成熟的，但是他們從來不是基於其現狀提需求的
比方說公司的人力部門，我碰到一次人力部門找我們做挖掘系統，當時爲了這個事情我們差點跟人力部門吵起來
首先我們的出發點是有沒有必要做這件事情，其次有沒有基礎做這件事情，最後就是有沒有最小成本地實現方法，這是我們數據分析的思路；
人力部門這種業務部門的出發點不是基於現狀，而是基於問題，可能是因爲他們想要通過挖掘系統來對員工進行監控，有了問題就有需求。
可是現實情況是，人力部門的信息基礎是很差的，如果想要單獨爲人力系統做一個挖掘系統的成本是非常大的，另外這種挖掘功能帶來的價值性是否真的很高？
所以一沒有必要，二沒有基礎，三成本太大，這個需求我們是堅決不會同意的。
這時候可能就人說了，數據分析不就是幹這個事情的嗎？
如果不做，人力部門肯定會說我們光喫飯不幹活，說我們磨洋工。
這種情況確實會出現，但是等你與業務部門打交道久了之後就會發現，如果無論什麼需求我們都要接受，最後業務的需求會越來越離譜，越來越難實現，我們的精力再多也不夠用。
讓業務說清楚
業務的問題總是模糊的，這個問題是我老生常談的問題了。
業務部門不管提需求也好，提問題也好，他們就算是在框架之下，提出的問題也往往都是模糊的。
比如說想讓你改進一下某個流程，當他提出這個問題的時候，其實他也不知道究竟應該怎麼改進流程、改到什麼程度纔算是好、具體需要改什麼。這個時候如果我們不問清楚就做了，最後往往是得不到業務部門的認同的。
那麼什麼叫做模糊的需求呢？我們舉個例子：
比方說業務部門說最近公司銷售額雖然一直在提升，但是成本額也增長的很快，我們自己分析是新客戶的獲客成本太大，所以我們的想法是實現精準營銷，提高用戶的復購率，你們數據分析有什麼辦法嗎？
看起來這個問題好像一點都不模糊，但是實際上，你看完這個需求之後根本不知道從何處下手，因爲這種需求缺少幾個基本的要素：
這張表叫做需求可行性驗證表，是我現在一直在用的表，大家可以參考一下：
這樣我們可以在事先就避免業務的不認同，因爲業務已認可了你的可行性方案後我們再去做分析，其實是比較穩妥的。
當然了，實際過程中業務的需求千奇百怪，我們不可能每一個需求都按照這樣的流程去跟業務一遍遍確認，基本上小需求只需要快速過一下就可以，有如果你暫時還是缺少實際的業務經驗，建議你還是按照這樣的方法去實施。
定位問題的時候要拉着業務一起定，甚至是要拉着業務的高管一起定，因爲他們才知道這個方案能不能解決真正的問題。
問題解決能力
我們一直說數據分析數據分析，很多人認爲分析能力是數據分析人最重要的能力，其實是不然的，因爲我們的最終目的是要實現業務價值的，是要解決問題、解決需求的，所以我們一定要堅信住一個信念就是——問題解決能力。
我看過很多新人做數據分析，主要有這麼三種：
第一種——紙上談兵型：
滿滿當當的，結論非常多，但是能用的沒幾條，因爲很多結論都不切實際，或者說不符合業務的現狀
第二種——十月懷胎型：
半天憋不出一點結論和建議，分析了半天好像都空空的，一點用都沒有。
比如說分析零售，某個產品的成本升高，導致了整體的盈利降低，因此你就提出建議減少這個產品的進貨量，減少進貨成本。
這種結論對於業務來說還是一點作用都沒有，那麼出現這種問題很可能是你的分析其實並沒有真正的結合業務，脫離了業務的數據分析是絕對沒有任何的意義的，你也是沒辦法提出有效的指導建議的。
就是說你的結論也好，建議也好，一定是基於你的業務知識的，關於怎麼提高自己的業務能力，有了業務知識，我們想要把業務知識用到我們的數據分析上，還是需要一個目標框架的，也就是說還是按照我們目標導向做分析，才能把業務知識落到實處。
比如說我們分析了零售的成本升高，你想要提出一些建議，首先就要按照目標導向進行分析，分析結束之後再用目標導向反過來去倒推我們的結論是否正確。
公司目標是爲了提高利潤，掙到錢，業務部門的目標就是爲了在保證盈利的前提下提高利潤率，降低成本，那麼我們的個人目標就是分析出異常值，減少某產品的進貨是否真的能夠提高利潤率？能夠提高利潤？能否降低成本？
這就是目標導向的思維框架。
第三種——華而不實型：
分析結論寫的很好，提出的建議也看上去很不錯，但最後還是沒落地，這是爲什麼呢？
是因爲你的分析結論並不嚴謹，也許你做了個假的數據分析，所有的結論還是拍腦袋定的。
這個問題就與業務無關了，而與你的分析能力有關了，很多人的數據分析基礎其實非常差的，只會套用模型，但思維基礎和統計學基礎纔是我們做好數據分析最最根本的能力，裏面最常見的毛病包括沒有嚴謹的演繹推理、假象歸納等等
比如我還是分析成本，就想當然的認爲成本降低就是產品的成本降低，這是想當然。
比如用戶的流失最近變大了，我就想當然地認爲應該用漏斗模型，其實流失不一定會出現在你的漏斗模型的環節當中，所以數據分析的基礎是非常重要的。
最後
只有避免了上面三種情況，你纔不會在工作裏再聽到“結果沒價值”的話語，如果有人還這麼說，直接抽他丫的！