在数据分析岗位中，不少从业者深陷重复取数的困境，既难提升工作效率，也阻碍个人能力成长。如何打破这种循环，建立规范的工作流程，同时为职业发展积累竞争力，成为这类从业者亟待解决的问题。

做数据分析最讨厌啥？

SQL Boy！

每天除了提数，就是提数，无穷无尽地提数。

6点下班，5点55电话响起，还是叫你取数：“急！在线等！老板要！！！”

等你加班跑完数，他又来一句：诶呀，咋和我想的不一样，你再取另一个数来参照下……”

是不是恨不得顺着电话线过去砍了丫的……

注意！取数是数据分析师基础工作，本身无可厚非。让人讨厌的不是取数，而是没头没脑，无穷无尽地取数。这样工作效率很低，经常因为业务随性要求而加班/返工，而且对个人能力成长也没啥帮助，想跳槽也没有拿得出手的经验，咋办？

职场三原则：忍、狠、滚。估计大家平时多多少少都在忍，今天不聊忍。我们集中讨论下，怎么狠，怎么滚。

一、如何改善盲目跑数状况

注意！SQL Boy问题真正根源，来自于：没规矩。大家都认为只要上下嘴皮子一磕，一个数据就冒出来了。可实际上并非如此：

一个工作流程，需要好几个数据指标做监控

一个业务问题，需要好几个方面数据论证

每一个数据得有清晰的口径、计算规则

数据之间逻辑要清晰，才能组合说明问题

正因此，零散的取数越多，数据口径就越乱，就越没法说清楚问题。而业务方看不清问题，就越倾向于取更多的数，倾向于抱怨数据分析师没本事。这就是恶性循环的开始。因此，如果想狠的话，就得：把规矩立起来。满足业务部门的需求，而非口头要求。这才是长治久安的办法。

第一步：清晰取数用途

1、这个数据用于哪个业务？

2、这个业务是否是新业务？

3、如是新业务，数据采集情况如何？

4、如是老业务，是否已有报表？

5、本次数据和老报表关系是啥？

6、本次数据是否需要长期使用？

7、看到数据变化，是否有行动计划？

这就是我们常说的“取数七问”。虽然看着很多，但实际上口头讲述1分钟完全可以讲完（如下图）因此不要怕沟通，开头讲不清，后边下手更麻烦。

第二步：取数需求排序

建立排序规则是很重要的。要让业务方清楚：跑数也是有人力、时间成本的。既然有成本，就有长幼尊卑，先来后到。这样能合理地安排工作，并且能转移一些矛盾，“给老板的当然优先级高，你自己想看一看你就等着，或者你找你老板协调下，让他老人家等……”

排序的时候，原则上：

1、提前3天提的优先排，当天提的靠后

2、老板签字、转发、@的优先排，小兵的靠后

3、需求清晰的优先排，需求不清楚的靠后

4、现有报表能大部分支持的，指引他看报表

5、涉及全新业务，重大活动的，单列，试着开一个项目来做

6、涉及现有报表缺数的，完成后提需求优化现有报表

通过需求排序分流，能有效抑制业务方随意口嗨，把规矩立起来。而且真正有需求的重点工作，可以重点支持，不要事事都临时跑数。

第三步：需求管理与人力调度

有了需求排序分流以后，可以建立需求清单并且公示。把数据小组内几个人分分工，每人对一两个部门固定服务。这样不但能更深入了解业务，建立关系，而且可以让对应业务方自己清楚自己有多少需求在跑，让对方内部多做协调。遇到等级高的重大项目，可以直接“闭门谢客”，把零散的需求都挡掉，全组人集中精力干大事。

有了这三步，规矩基本上就立起来了，后边还能源源不断地从临时取数里演化出专题分析、数据产品开发等需求，越做越好。

当然，这么干也有前提，就是公司氛围允许，数据团队的领导有志气。有很多公司就是不尊重数据，觉得数据就是张口就来。有的数据团队领导就是靠卖下属上位，天天PUA：“这是对你的锻炼”“你写sql同时也能做洞察呀”“你能力提高了就不会这么想了”，那就没办法了。直接进入下一环节：怎么滚。

二、如何在跳槽时证明价值

SQL Boy想跳槽的话，最大的瓶颈是：没有好的项目经验。遇到面试官问分析思路，或者“你取的数有啥价值”，就不知道咋回答了。

大家首先要有信心，不是所有的数据岗位都要求很高的“业务价值”“分析思路”的。数据岗位可以分成支撑型和业务型，支撑型岗位就是对业务接需求，输出报表/报告/看板。

业务型的，一般会在招聘要求里明确指出，对某一类型业务很熟悉，常见的比如：“用户增长/渠道诊断/B端商户/营销活动”之类。如果自己的业务理解稍弱，选岗位的时候选支撑型岗位即可，能减少很多麻烦。同时进入一个流程更正规，数据团队更大的公司，对自己的长期发展也有好处。

其次，包装自身的项目经验，也没那么麻烦。作为SQL Boy有一个优势，就是能接触到数据库，这个比只做Excel的表哥表姐强了很多。能接触到数据库，就能自己组织数据，开展分析，积累经验。因此能接触到什么类型数据才是关键。

一般来说：

1、交易数据是核心，能接触到交易数据，商品进销存，销售走势这些分析都能自己做，并且这些分析适用面很广，基本上每个公司都需要。

2、用户/渠道数据是加持，只要公司有用户ID,有用户行为，就能做整套AARRR指标和相应的用户分析，只要公司有线下门店/线上投放，就能做整套店铺分析/漏斗分析，这些分析的适用性也很广。

3、其他数据是辅助，诸如客服、售后、物流、仓库、生产等数据，如果面试的是特定岗位（比如客服分析、供应链分析）就能起到一定作用。其他情况下帮助比较少，只能证明自己掌握了取数/做看板的能力。

因此，平时抽时间盘点下自己做的数据都是啥类型的，再找相应的数/文章，学习分析方法，进步会快得多。

而且，数据的使用是有固定方法组合的。

有数据报表，就能基于数据报表做业务走势监控

有了业务走势监控，结合业务动作，就能做初步的诊断分析

多个渠道/产品之间可以做分层，做对比分析，总结特点

有用户数据就能做用户分层，做各层级行为分析

这些都是基于数据报表，加上分析方法做出的延伸，可以在工作之余提升自己的认识，为跳槽准备好材料。忘记的同学，可以回顾下《数据分析九大方法》哦。

有了充分准备，面试就容易很多，起码支撑型岗位是可以搞掂的。