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。