【数据分析师能力培养】数据分析师第二怕被问到的问题！

点击上图开启提升数据分析能力秘籍

作者：陈老师
个人公众号：接地气学堂

前文传送门：

成人的世界，有更多难以应付的考题

高考绝不是最难解答的考题。实际上当你步入职场后，有更多问题能把你一句话问死。让你心惊胆战，听到就怕。比如股评师，最怕被问到的问题是：“老师，你买了什么股票，挣了多少钱啊！”o(╯□╰)o

数据分析师怕什么？第二位的，当然是：“老师，你那么会分析，你的房子买在哪里呀，买了多少套啦！”当然，更进一步的还可以追杀一句：“你天天做模型，做预测，咋不预测下房价咧，做模型挣得多还是买房子挣得多呀？”

听了这个，你是啥心情？ 是不是好想对着丫脑袋天降正义一下。

因为会做分析不代表会买房啊！因为真到买房的时候，你会发现首付，月供，投机卖家，土豪买家，甚至女朋友，老丈人，自己亲妈都会成为比分析模型、数据、计算更重要的影响变量。不信，往下看：

筹备买房：突然发现自己爹妈一份钱都不肯支持。“这些钱是我们养老的，你不是年薪百万高端数据科学家吗，自己挣去啊！”即使在上海挑个便宜点的400万一套的，首付也得140万，家里不支持的话，自己得攒多少年啊！更糟糕的是，辛苦工作3年涨薪了，发现房价涨的更快了！哭晕在电脑前。

开始看房：这时候才发现自己的女朋友是个现实版的樊胜美。房产证加名都是小意思，买房非要你出全款！蛋碎一地啊！这时候开始反思，当初为啥要找这种女朋友！可是真的很漂亮啊，梦中女神啊，费了九牛二虎之力才追来的啊！啥叫骑虎难下啊！

看房选房：好不容易筹集到经费，开始选房。终于想着数据分析本领可以派上用场了。做了爬虫，爬取全上海在售楼信息。做决策树模型筛选房源，整套过程行云流水，心理暗暗开心。结果去到一问发现被土豪一把买走了！

购房意向：渡尽劫难，终于找到一套房子开始和业务谈判，谁知政策忽然变了，房价开始暴涨！业主表示要么加价50万要么不谈了。~(>_<)~

当然，更多的时候是看看房价，想想算了，可能女朋友还没半个呢，先不买了。然后过了一年发现年薪涨了几万块，房价涨了100多万块。加完班回出租屋，走出地铁站，听到派传单的小哥铿响有力的一句：“今年不买房，明年又白忙！”。心中五味杂陈，可能要去地铁出口的烧烤摊撸几串安慰一下了。

从分析到落地，隔着很多运气

显然大家已经看出来了，这个锅不该数据分析工作背。因为整理数据，分析原因才是数据分析师的本职工作。真当一个数据结果落地的时候，要受多重因素制约。一个成功的项目，运气成份非常重要。

然而很多人，特别是业务部门不这么理解。既然你做了分析，就得对结果负责。如果按照分析建议执行总是不利，是不是在分析的时候就少考虑了很多因素呢？如果分析没有结论，那只能说明你分析的不够专业！

因此作为专业数据分析的我们，必须很清醒的看到：到底业务部门提的是什么问题？对症下药，才能体现出我们能力高低。

总的来说，常见的问题分为三类：

数据问题：现在的房价是多少？预计明年房价是多少？

分析问题：为什么预计明年房价继续上涨？为什么涨到这个幅度？

策略问题：明年我要买房，我该怎么办？

解决数据问题是分析师基本职责

出现：“是什么？”的，是典型的数据问题。人们问数据问题，期待的是一个具体的数字。数字是多少，与统计口径有关系。清晰表达一个数字，需要时间范围，需要取数区域，需要计算公式。取数还和数据来源渠道有关系。越是内部的数据越准确，越是外部的数据越笼统。清晰了标准定义以后才能提供有效的数据。

比如当我们提及房价多少钱一平米的时候，我们是在谈挂牌价还是成交价？（挂牌价通常都有很大水分）看成交价看多长时间范围内的？（越长越不准）是在谈商品房、小产权房、公寓？（实际上相当多小老板在一线买小产权房）新房还是老房？（价格差太多了）我们谈的数据是统计局发布、中介现场提供、还是购房网站公布？（含水量差不多是这个顺序）

取一个数是数据分析师最基础职责。然而即使取数也有能力高低。懂业务的分析师，可以围绕取数目标提出更多精细化取数方法，从而更全面、更多维度反应事情全貌，给到业务部门其实。还以买房为例，新闻媒体总喜欢报道一些很宏观的平均值。实际上深入到一个城市不同板块、位置、楼龄的小区，是可以经常找到买房小机会的。

分析问题是分析师晋级要求

出现：“为什么？”的，是典型的分析问题。解决分析问题，核心是逻辑，是弄清楚问题的因果关系并且加以量化。探索因果关系的过程有多种形式。可以先通过数据探索，寻找规律，再到现实场景中验证。也可以先基于经验，习惯，观察到的现象抽象成数据指标，用数据来验证是否这些感性的理论可以用数据支持。总之，分析逻辑的建立，提炼经验，数据验证的过程是必不可少。

这也是房价很难预测的原因。房价，特别是一线城市的房价早就脱离了正常产品销售的范畴，成了一种政策产品。房价对政策反应非常灵敏。但是我们很难预知政策什么时候出，会怎么出。缺失了一个关键信息，就很难真正搞懂房价到底会怎么走。今年年头陈老师看中一套房子准备卖旧换新，结果限购令一出，丫一周内飙升100多万……找谁说理去。(+﹏+)

分析问题布满了数据分析师进阶之路。从一个菜鸟入门刚会取数开始，分5个步骤逐步提高自己：

1.        描述现象

2.        发现异常值

3.        发现问题

4.        发现导致问题的原因

5.        剖析重点原因

6.        预计问题走势

这个过程，也伴随着数据分析师对业务的理解。因为数字只是一个数字，数据是否反映了问题，反映了什么问题，是什么导致这些问题，是要基于对业务场景的理解，才能提高的。能够看到数字就把问题潜在原因，预计对未来的走势描述清楚，就已经是一个很优秀的数据分析师了。

策略问题需要与业务部门紧密合作

出现：“做什么？”的，是典型的策略问题。策略落地，要考虑n多影响因素。正如同买房一样，至少要考虑：

1.        父母意见（领导的支持）

2.        男/女朋友一条心（上下游部门配合）

3.        卖主不闹事（市场环境良好）

4.        不遇到土豪买家（竞争压力小）

5.        自己能筹集到足够多资金（实力雄厚）

这时候真正体现出了长袖善舞，多钱善贾的道理。这也是为什么很多人不重视数据照样能获得成功的原因。有可能人家就是财大气粗运气好，心黑手狠腰杆硬。这些也都是促进项目成功的原因。但这不代表数据分析师不能做事情。有很多场景我们可以提升决策效率：

1.        领导支持：总结经验，提示方向，估算收益，争取资源。

2.        部门配合：预计工作量，合理规划工作，监测工作过程，提示问题。

3.        市场环境：采集信息，警示风险

4.        竞争压力：采集信息，警示风险

最终，通过理性的分析，为项目筹集到尽可能多的资源，规避一些明显的风险。项目做的多好，要看产品经理设计能力、运营操盘能力、市场的推广能力。但项目做得多烂，则要看数据分析能否把之前遇过的大坑标识出来，能否及时感知风险，提示机会。在实际运作用，数据分析更多起提高下限的作用。

数据分析落地到业务是一个加分项。并不是所有的数据都能促成业绩，但是这是值得努力的。毕竟没有数据分析师甘心默默无闻当一个被人抱怨的支撑部门。我们掌握了科学方法，探索出规律，就希望他们能真正产生价值。就像如果真的用买房模型买到称心如意的房子，就再完美不过了。

——全文还差一点就完了——

问：全文都在讲第二怕被问到，那数据分析师最怕被问到的问题是什么？

答：以陈老师的个人经验，最怕的问题是：朋友聚餐，喝得七荤八素以后要买单，朋友们一起说：“来来来，搞数据的算一算账单准不准！”o(╯□╰)o

数据分析职场路上有困扰吗？不妨到《数据分析师八大能力培养课程》https://edu.hellobi.com/course/272 里聊聊！

讲师：陈老师，在咨询行业打拼了9年，在如何诊断经营问题、建立分析体系、解决专项问题上有超过30个大型项目积累与实战，天善智能特邀专家。

博客：https://ask.hellobi.com/blog/chenwen/

视频课程特色：

从真实数据分析工作场景出发，训练实战能力

启发式教学+大量实际操练，培养属于自己的能力

不依赖于某个具体技术，也适合对数据分析感兴趣的学生、业务部门人士学习

  猛戳阅读原文，即刻提升数据分析能力！