编 辑：彭文华
来 源：大数据架构师（ID：bigdata_arch）
彭友们好，我是你的老朋友。最近一直在研究数字化转型和数据管理体系，很少写数据分析的文章了。
正巧前两天有个以前的同事过来找我吐槽，说现在的公司是个纯乙方，甲方爸爸换的比换袜子都勤。换一个甲方就是一个新业务领域，数据分析工作根本没法开展，于是就过来问我该怎么办。
其实这种状态我也经历过，实在是太痛苦了。不过身为数据人，在保持业务深耕的同时，也一定会面临到类似的问题。
借用一句鸡汤：如果你现在做的事情都在你能力范围之内，那你也许已经进入了毫无进步的舒适区。
挑战！
真正的勇士，敢于直面来自未知的挑战！因为只有不断接受挑战，去打怪，才能获得新装备，升级啊！天天在新手村里砍瓜切菜，与咸鱼有何区别？
我们都知道数据分析是一个手艺活儿，对业务不熟悉没准还会闹出很多笑话。但我们不太可能一直研究同一个领域，总是有新任务，或者要换新工作的啊！
当领导给你一个全新业务领域数据分析任务的时候，你的第一反应是什么？我仿佛已经看到你在翻白眼了。
好，我们换一个场景，你去面试的时候，面试官问你：我们的业务场景和你的业务场景不一样，你需要多久上手？
你敢回答一个俩月上手试试？
还有，我们观察一下那些非常牛的人，他们似乎能无视业务领域，无视应用场景，分析一切，而且能深度洞察，快速定位问题，比懂业务的人还要精通。这是为什么呢？
同样都是九年制义务教育，他们为什么就这么厉害？牛人们有什么秘诀吗？
学会套路
我们在做数据分析的时候，遇到的第一个问题是什么？
没有思路！！！对不对？
这很好解决，就跟写作文一样，背几个套路就行了。什么总分总、总分、分总分、事情的起因经过结果......
自古套路得人心。数据分析也是一样的。按照普世的概念来说，我们想要探知一个未知的事物，总是要有个过程的。
我把这个过程建了一个模型，叫做“看蚂蚁”模型，就是小朋友在研究蚂蚁的过程，即：
1.看现在：小朋友发现蚂蚁在搬家，很好奇；
2.扒细节：小朋友抓起蚂蚁使劲研究；
3.找原因：小朋友不明白，到处问为什么搬家；
4.看未来：小朋友想知道是不是以后下雨蚂蚁还会不会搬家；
5.得结论：总结出来经验：蚂蚁能预知下雨，提前搬家是防止下雨淹没自己的家。
我们做数据分析也可以按照人类认知事物的过程一一表达，这样能让读者有一种身临其境、逐渐清晰的既视感。
这是我总结的套路，只是为了方便大家理解罢了。其实在工作中，有非常多的套路，尤其是在专业领域，就更是了。我随便给大家列几个：
其实我这么分类一点都不合理，没有遵循MECE原则。但这是我给别人分享的经验，按照用途分类大家更容易接受一些。
以上模型大家可以自行搜索，都是非常经典的分析套路。而且现在的分析工具都非常强大，很多分析Excel里就有。
我搜集了一些资料放在文末了，可以供你参考：
信息搜集
我有一阵子非常痴迷“套路”，到处搜集各种分析模型。我甚至买了很多类似于《高级咨询顾问专业必备工具大全》的一整套咨询顾问专业书籍， 里面全是分析模型。
但是！我发现并没有什么卵用。我在做数据分析的时候，一样满脑子空空，不知从何入手。
导致我很长一段时间都开始怀疑这些模型是咨询公司用来骗钱的。
后来随着不断的打怪升级，我开始有些明悟：数据分析不只是自己埋头苦练招式，更要看清对手，才能一击毙命。
有一次原项目负责人车祸住院了，我临危受命，要完成一份数据分析报告，时间只有一周了。
其实在原负责人手上，一周时间实际上是够的，因为他一直在甲方驻场，对情况非常熟悉。
但是我算是外行啊！怎么办？
这5天时间（实际上是4天半）我是这么用的：
花2天时间获取甲方各种资料，研究甲方组织架构、业务内容及现状；
花1天时间研究行业趋势，以及最近痛点，总结提炼大纲；
花1天时间处理数据，整理思路，拟定论点、寻找数据支撑；
花半天时间写PPT。
如果直接拟论点找论据写PPT，有很大可能得出一个大家都知道的陈词滥调，或者是不痛不痒的结论。
最后报告交上去，其实还是改了两版的，但是基本上没大改。
所以，你看，有了套路是远远不够滴，还需要有强大的信息搜集能力。因为我们在面对一个陌生领域的时候，出现的畏惧心理其实是对尚未掌握的信息的恐惧感。
你还记得么？我在进入新领域做数据分析时的时间分配大概是信息搜集60%，信息整理、处理数据20%，写报告20%。
如果说在熟悉的业务领域中，数据分析能力彰显的是你对业务的深刻理解和对现状的精准把握，那么在陌生领域中，数据分析能力需要的是你快速搜集、整理信息的能力。
有些人以为数据分析厉害，就是报告写的好，PPT画的好。其实不然。任泽平的报告全是线状图，他的年薪过千万。
我整理了一个数据分析必备网站大全，各位可以在文末找到获取方式。另外还写过一篇文章作为样例，帮助你深刻理解信息获取能力的重要性：
一周之内摸清政府信息化现状及问题的方法
广度、深度和准度
互联网上信息如此浩瀚，很容易就被淹没了。我们怎么才能那么精准的找到G点呢？
上面那篇“一周内摸清政府信息化现状”的文章你可以管中窥豹。但是这还不够啊！
数据不在于多，而在于准。
华为数字化转型理论里提了一个“全量全要素”，很多人都认为是所有的数据。其实不然。
应该是针对某个事物的全部维度的数据：不是全体的所有数据，是个体的全部维度（要素）。
这才是广度！当我们围绕具象的事物，铺开研究的时候，才叫广。围绕全体进行研究，那叫摊大饼。
至于深度，有一个非常好用的方法：丰田的5W追问法：就是从一个点出发，连续追问五个why，直到挖出根本原因。
这个不赘述，到文末获取PPT资料自己研究。
至于准度，有两个方法：
1、看行业都有哪些问题；
2、问专家，企业遇到什么问题。
前者找资料，后者靠一张嘴。
其实按照效率至上的原则，理论上应该先准，然后再广，再深。但是我为什么先广，再深，最后再准呢？
因为很简单，你没有前面的广度和深度，后面是不可能提出更精准的问题，找到最痛的痛点的。
建立资料库
当然，想要加快速度，你还得建立属于自己的资料库。彭友们都知道我的资料非常丰富，给群里的彭友分享了不少。
我的资料库大概分为这么几部分：
1、各种模型、方法论；
2、各类的excel、ppt模板；
3、各种的数据集、报告、数据来源。
有这几个，进行新领域探索、写报告的时候，速度可不就飞快么？ppt直接套就行了，excel直接改吧改吧就好了。
很多彭友遇到问题最喜欢直接找一个照抄。我是不建议的。你没发现我把资料库放在最后，而不是最前面么？
因为这些只是提升效率的，切不要把冯京当马良啊！错把东施当西施了！舍本逐末看上去效率很高，但是离了本，末不长久的。
数据分析模板：
扩展阅读：公众号“大数据架构师”后台回复“分析宝典”即可下载【本文所有资料】。
更多精彩：
什么是好的数据分析？化繁为简的力量
如何搭建一个数据分析体系
企业级数据分析体系的最佳实践
什么才叫做懂业务？分析的5个层次
到底什么才是数据分析思维？
排版 | 老彭
审校 | 老彭 主编 | 老彭
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）