漫谈 | 数据分析的两种工作模式
数据分析可以分为两种主要的工作模式:
需求导向,数据分析师对于业务方的角色,更像乙方和甲方; 项目导向,数据方和业务方关系更类似于合作伙伴,同时对业务也有更多的控制权或话语权;
需求导向
业务方提需求,然后由数据分析团队leader指派分析师对接需求,或者分析师长期分配到细分业务线(需求由对接的一个或多个分析师来完成)。
适用场景
业务还处于摸索阶段(早期),一般这个时候业务增长的动力主要来自产品或运营,通常这个时期没有完善的数据体系,数据介入较少; 对于初级的分析师或者分析师初次接手了解业务时,可以这样通过需求这个点逐步了解业务; 分析师交叉熟悉多条业务线;
优点
目标明确,问题导向 临时性强,所以也比较灵活; 有利于快速熟悉常见的分析任务和数据流程; 可以快速接触不同的业务(分析师和不同业务线交叉对接的情形); 积累需求case,后续可以将高频的需求转化为报表;
缺点
如果业务方不靠谱或者数据分析师缺乏必要的需求沟通能力时,容易被牵着鼻子走——数据分析师会很被动,容易出现“提数机器人”; case by case,解决“定制化”的小需求,是投入产出比很低的; 分析师接触到的需求是“碎片化”的,难以对整块业务有全面的认识,进而分析时考虑的因素或环节可能不全; 被动响应,有可能业务方出了问题才找数据分析师,而如果在前期就有分析师介入的话,可能问题就不会出现;
项目导向
分析师直接对接项目,主动参与产品和运营活动,从产品早期就开始接入,包括业务流程数据、数据指标体系、数据采集规划(埋点和业务数据等)。
优点
深度参与项目,能和业务方更平等地沟通(argue); 对项目框架有更深入、全面的认识,可以避免看问题的时候只抓一点,而忽视了业务的上下游; 可以提前参与产品及运营活动的规划,设计数据采集方案、测试方案、活动方案以及报表结构等,减少事后“抓瞎”;
缺点
分析师跟着项目成长,但有的项目可能坑比较多或者是边缘项目,有一定风险,不管能不能主动选择项目,分析师都应该想着怎样从项目中榨取最大化的价值; 分析师对接的业务强调深度,广度则较差,通常一个分析师同时对接的项目不会很多,对单个业务熟悉,但是对其他业务就涉及很少,一般可以考虑轮岗或者需求交叉; 对分析师的经验要求较高;
上述的两种模式在同一数据组或者同一个分析师身上可能会并存。一般比较成熟的数据团队,“项目导向”的工作占比会更高。
评论