漫谈 | 数据分析的两种工作模式

共 1099字,需浏览 3分钟

 ·

2020-08-18 15:52

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。

浏览 62
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报