【与数据同行】已开通综合、数据仓库、数据分析、产品经理、数据治理及机器学习六大专业群，加微信号frank61822701 为好友后入群。新开招聘交流群，请关注【与数据同行】公众号，后台回复“招聘”后获得入群方法。
BI是未来重要的职业发展方向，这里向大家呈现BI人的痛苦、思考、探索。
大数据、BI、商业分析师，每个词都炙手可热，一波波铁粉被这神秘力量感召，转行来做数据分析。
在数据里摸爬滚打的人，顶着光鲜、靓丽的光环，承受着不为人知的苦。但数据人内心依然涌动着数据驱动商业，数据就是商业的骚动，也怀揣着希望被大家理解的渴望。
今天，菩提调研了10位来自互联网公司的BI，讲讲他们最痛的3件事？（1）对于想入BI的同学，可以更好的了解未来的工作环境，调整心态；
（2）对于当前正是BI的同学，听听同伴的声音，或许可以释怀些，并加紧练内功；
（3）对于互联网中非BI的同学，理解BI的苦，有助于和BI建立良好的合作关系；（3）研究对象：目前在互联网公司从事BI岗的同学，以3年以上的BI经验为主，不乏7-8年的BI经验或数据团队leader。
（1）缺少价值认同感：比如管理层不够重视BI，BI输出的意见不被采纳，无法推动落地，长期被低价值的报表、验数类需求围攻，被视作人肉取数器，无法融入到业务中；（2）数据生产资料不足，且管理混乱：比如底层数据脏乱差、需要的数据没有、指标定义混乱；
（3）对成长的焦虑：比如成长慢，找不到分析思路和方法，对未来职业发展没有信心；
由于部分用户原声高度重叠，所以只展示有代表性的原声。
1.业务不稳定、迭代快，分析师的分析迭代成本太高。1.业务想不清楚需求，也不知道自己要什么，漫无目的提很多数据需求，抱着试数据的态度看数据。
2.BI给出的观点、意见，业务搁置一旁，不采纳，不实施。
3.业务为了KPI造口径，造对比区间。而BI在这个过程中，起不到对目标设定/计算方式的客观的决定作用，只能被动按照业务需要去满足。1.业务经常毫无理由的diss数据错误，数据链路很复杂，有可能是指标定义问题，有可能是系统问题，也有可能是ETL加工出错，不是BI的问题呀。
2.加班加点的对接低价值的数据，月报十几页，真心怀疑有人看吗？但还要熬夜把数据扣准，废了老命，可能老板只是临时想起来，但我们得半夜起来弄，结果可能老板压根都没看。
3.业务把你当人肉取数器，总是说你给我弄下这个数据，我要做判断了，辛辛苦苦弄完数，业务说你可以走了，我们还要接着讨论。
1.怎么样能和业务负责人对焦，找对方向，找对问题，聚焦？
2.怎样能理解商业，并有效的参与业务讨论中，并通过数据推动业务？
1.基础数据支持和分析工作的时间协调困难，取数、报表这样的基础工作占据了大部分时间，部门里很多人都在做这样的工作，没时间做商业分析，分析师的成长缓慢；3.担心分析师的价值不够，害怕未来这个行业被替代或消失；BI承接上游的需求，明确需求背后的动机后，再对需求拆解，进而形成分析思路，再从下游获取数据，而后输出分析报告，再得到分析价值反馈，很可能还需要追加分析。BI的需求来自CEO、管理层、业务方，每个需求方对数据的认知不一样，商业判断力也不一样。同样是CEO，财务背景的CEO对数据敏感度高，数据敏感度高导致大佬们不需要BI解读数据，只要BI告诉他客观数据就可以，因为他对数据的解读比BI还厉害。销售出身的CEO有的懂数据，有的一知半解。其他背景的就不好说，管理层受自身过往经验、认知的影响，又身处高位，有自己的判断，且判断不轻易被改变。如果大佬们不理解数据，中层、一线业务小二们往往更不理解数据，因为很多企业的运作自上而下。如果有个大佬，每天要和他的团队review数据，那这条线的BI就该笑了，因为他们会被需求方重度依赖，自然也多了机会。而现实往往比较残酷。经常是大佬们临时想起来要看个/些数，他们也不知道数据背后的流转、逻辑，还把BI当成乙方的角色，心里想着数据不就得按照我想的来。根据菩提的观察，越传统的行业，对数据的认知越处于石器时代。即使在数据大行其道的今天，依然有些合作伙伴不了解数据。我们和某业务管理团队沟通数据需求，业务老大说，我是传统行业过来的，不懂数据，我提不出需求。除了需求方不了解数据，同时，需求方可能商业判断力也不太够，没有体系化的思维，不知道业务哪里出问题了，也不知道BI能帮他解决什么，于是变成条件反射，提各种临时、琐碎的需求给BI，口头禅变成你们BI从数据上看看吧。这时候，BI不管出于什么样的原因，如果无法输出高价值的商业分析，又处在乙方位置，价值感就会油然下降。进而，需求方就会对临时、琐碎的数据需求形成依赖、惯性。因为需求方不知道BI能做什么，BI也没有告诉需求方BI可以做什么，仿佛双方都接受了临时取数的现状。长此以往，对BI来说就很难从沼泽地抽身出来。这种情况下，BI必然痛，痛在没有价值，痛在对成长焦虑。巧妇难为无米之炊。BI依赖好的数据中台、数据仓库，如果底层数据质量差或者数据缺失，就是BI的灾难。BI如果有10分的时间，可能6分得用在数据获取、清洗、校验上。BI和ETL的协同一直是常见问题，BI把自己当ETL来用的情况，不少见。残酷的现实：业务先行，技术为了满足业务需求，忙着搭系统，顾不上数据，甚至都没想起来数据，也没有数据的意识，系统迁移、接口变化未必告知数据，更不要说数据采集、数据规范之类问题。或者业务系统本身就是个半吊子，一部分数据在系统，一部分数据在线下维护。这种情况下，数据集市、数据仓库必然难以满足BI的需求，其实ETL也是被背锅的。
在企业一定的发展阶段，数据建设差，可以理解。因为所有的企业必须先活下来，活下来就需要业务滚起来，资源向业务、向销售倾斜，BI、ETL的人又贵，产出还不直接，导致数据建设迟迟没有进展。随着企业发展到一定阶段，数据会成为制约企业发展的瓶颈。菩提沟通过的有些企业就面临这样的现状，公司几百号人，没有1个专业做数据的人，又似乎从业务到财务，人人都在看数据。他们再不做数据化的管理，管理边界就无法扩大，团队中人人竭尽洪荒之力从各个系统中，给自己和老板找数据，但各团队的数据从来没对齐过，管理无处下手。这种情况，一方面取决于管理层怎么看待数据化运营和管理，以及企业长期发展，另一方面也取决于数据团队的战果能不能说服管理层。底层数据质量差的问题，对于BI个体来说，在短时间内很难改变，我们能改变的只有自己。打铁需要自身硬。自己硬气的话，需求方再不靠谱，底层数据再差，依然能找到自己的价值。最糟糕的是，被需求方和底层数据同时夹击，自己又无力还招，这种状况持续得不到缓解，就只能越来越越痛。缺少价值感、生产资料不足、对成长焦虑，这3个痛还时常并发。商业分析必须站在业务1号位思考，甚至超越业务1号位。1）因为BI独立，不局限于服务业务中的单个角色、单个环节，是第三方视角，不会被业务的各种屁股决定脑袋所牵绊；2）因为BI有全局观，业务的上下左右、里里外外都会观察；3）因为BI专注某一问题的深入分析，业务被太多问题牵绊，很难有时间、精力去深入的看一个问题。4）因为BI在分析领域更专业，很多产品、业务是半路出家，对于数据、市场、用户都一知半解。当把独立、全局、专注、专业4个因素组合在一起的时候，会产生化学反应，这就是BI的价值。只要BI不把独立、全局、专注、专业4个立身之本丢掉，BI就有价值。菩提见过最辉煌的BI团队，即使底层数据一团糟，也不受影响，因为他们的商业分析价值太明显，每个分析项目启动的时候，各路资源都会为他们开道，他们几乎不自己直接去捞底层数据，都是告诉支持团队，他们要什么样的数据，由支持团队帮他们做预处理。他们的大部分时间都花在分析框架的设计、分析过程、分析结论的梳理上。
数据分析和产品一样，以终为始，只有解决问题的分析才有价值，商业价值是企业追逐的，也只有能输出商业分析的分析师，才能长久立足。
这次调研中，蛮惊讶的是，10个人中竟然有2个人提到，觉得分析师未来的成长空间小，岗位会被替代。菩提的理解：会被替代的是低价值、可以标准化的流水线工作，商业分析需要好的商业洞察、分析框架和逻辑、分析方法，很难被替代。好的分析师和好的产品经理一样，1人难求。顶级的分析师最重要的特质是商业敏感度、思维方式，看看那些投行里的分析师齁贵齁贵，这种分析师到哪都抢手，做好了，不用担心以后没有机会。少些焦虑，把能量放在思考、学习上，提升分析质量是关键、王道。信心和价值要靠自己赚回来。BI受需求方和底层数据的两面夹击，需要有好的内功（商业洞察力、分析能力、沟通能力），一方面理清需求，超越需求（1号位思维），进行问题拆解，一方面从各种渠道获取数据（BI不止从数据仓库拿数据，也要向市场、行业、用户拿数据），而后用系统化的方法去分析、验证，最后产出分析报告。内功不到位，又被需求和数据源双面夹击，生存和发展当然就难。内功到位，则可以向需求、数据源两个方向都给自己撑开空间。需求和数据源是外因，以一己之力，很难快速改变，只能缓解，练内功才是正解。现阶段BI的痛由互联网和数据发展所处的阶段决定。在企业的系统化、数据化越来越普及的时候，互联网和数据越来越成为一种基础设施和思维模式。那个时候，BI的生产资料不足的问题会得到缓解，大量临时取数的基础工作将通过AI的方式得到解决，BI的劳动力也将得到很大的释放，BI将更专注于商业价值的探索。
目前阶段，BI痛是必然，因为企业的系统建设没有将数据准备好，数据还不是系统中标准化的必备模块，自然导致数据获取难，同时无论是管理人员还是一线工作人员，对BI的探索远远不够。随着企业数字化转型，BI的工作环境会得到改善，尤其企业管理的顶层思维模式会发生变化，会越来越重视数据驱动业务、数据化运营和管理，同时系统中数据模块也将成为业务系统的标配。数据化转型后，企业对BI的要求会越来越从临时取数转向商业分析，因为大量底层基础工作会被系统完成。这对BI来说即是好事（可以摆脱部分临时取数工作），也是压力（商业分析带来的挑战剧增）。就目前这个阶段而言，BI想要摆脱由于需求方不靠谱、底层数据不足、自身专业度不够，导致的缺少价值认同、未来职业发展焦虑的困境，需要从组织和个人两个方面来改进。BI所处的困境，会导致人员没有成长，没有成就感和对职业的焦虑，进而导致人员流失。组织上对这点需要有充分的认知。有些组织在积极尝试解决，有些组织说了好久，但没有实际行动，也有的组织表达了目前解决不了。组织上是否去解决BI的困境，和企业的组织架构和数据负责人有很大关系，每个组织都有阶段性的取舍。有组织的面向业务、管理层宣讲BI的规划，支持业务的策略，并在其中有策略的渗透BI的职能、定位、案例。很多时候可怕的不是具体问题，是认知。一开始，只是少数人把BI定位成了临时取数，但BI真的只干了临时取数的事，然后就越来越多的人对BI的认知是临时取数。改变认知，需要一遍遍的去宣讲，并借助某些大型事件，才会扭转。菩提观察了很多BI团队，发现有的BI团队每年定期、不定期都会组织给各业务团队和管理层去讲今年BI的整体规划，结合每条业务线的规划，怎么更好的支持业务的发展。时间点通常会有3个：1）每年业务规划接近尾声；2）业务复盘；3）有重大BI研究发现的时候。在这些场合，结合业务的关注点，把BI的规划销售出去，这必然要求数据团队站得高、看得远，业务团队也不会拿BI当只是取数的团队。类似宣讲需要多次进行，有仪式感大场合要有，没仪式感的私下沟通也要有。A.团队中预留一部分资源用于做商业分析，让大家有机会从日常琐碎的工作中剥离出来。无论是有一部分人只做商业分析，还是每个人都有一定的时间做商业分析，必须保证这部分资源在做商业分析，并且持续不断在优化、迭代。商业分析往往做着做着，发现有更多的问题需要去研究发。B.对BI的标准化和非标准化、简单和复杂的工作进行区分。能标准化或简单类似报表、取数、简单的异常处理，基础的标准化工作通过产品方式去解决或安排刚入行的BI来处理，复杂的无法标准化的商业分析投重要资源去解决。C.积极建设数据资产、数据仓库、数据中台，叫什么不重要，重要的是把事情干了，做好BI和ETL的协同。比如有的团队1-2年都不会从临时取数的困境中出来，如果这不是自己要的，要么就换个环境，要么自己想办法留出一部分时间做尝试，后者往往很痛苦，但如果成功，就成功突破了自己，也给组织带来了活力。每个BI都要清楚的认识到，即使干了1万个临时取数，1年、2年后，还是在做临时取数，商业分析上没有任何精进。对有的人来说这是灾难，对有的人来说无所谓，钱到位就行。所以想清楚自己要什么。2）在商业分析上，突破自我，菩提想到的方法有下面4点。BI要深贴业务，贴的程度要到我们可以比业务还想到前面，比如现在遇到了什么问题，可能可以有哪些尝试。在业务提出单点的数据需求时，BI可以主动反应出业务大图，进而确定分析方案，甚至要主动在业务还没有提出需求前，主动告诉业务BI现在对业务的思考，基于这个思考，下一步会做什么分析，这样才能构建深度的信任和合作关系。深贴业务需要花时间、精力，不仅要看业务，还要和业务的各个角色保持好关系，参加业务的各种讨论，所以精力有限的情况下，先选择1-2条公司的重点业务，同时自己也有兴趣去跟进的业务，把自己当成业务去看数据，这是做商业分析的底层架构。想要数据驱动业务，就必须做业务的大脑，如果只是业务的轮子，甚至只是个轮子的维修师，就只能缝缝补补，谈何数据驱动业务。深贴的业务，要多出去跑跑市场，看看实际业务运作是什么样的，多跟客户聊聊天，也多观察竞争对手或行业大盘。商业分析最重要的是商业洞察力，商业洞察力不是在办公室就能有的。只待在办公室里的BI必然缺少商业感。数据是一种语言，对商业的另一种语言表达，做商业分析需要深刻理解数据这种语言在商业世界里是什么意思，才能把数据转化为商业。数据也不只是数据库的数据，客户的痛点，行业的发展，业务的思考也是一种数据，BI要把数据库的数据和市场上的数据链接起来，数据分析才能变活。根据业务和自己实际工作情况、兴趣所在，找1-2个点长期跟踪，等待机会，抓住重点案例做商业分析。我们都有大量的日常基础工作，纵然自己很想转商业分析，也不可能每件事都能做成商业分析，所以要长期观察、找准机会。找自己相对比较了解且公司的重要业务，并且关系好的业务去准备。高手包括业务高手、产品高手、BI高手都可以，榜样的力量无穷大。纵然现实比较苟且，榜样也会给我们打开一扇窗户，从商业洞察、业务思路、逻辑、沟通，各个方面都可以学习。对BI破局的小结：
互联网和数据发展阶段，决定了BI现在的痛无法避免。
缓解这种痛需要组织和自己的努力。
组织上：1）为BI努力，构造好的氛围，包括理解大家的痛苦2）巧借各种场合向业务、管理层宣讲BI的规划、职能定位3）职能上保障BI在商业分析上的投入；
个人努力：1）清醒的认识到1万个临时取数也换不来商业分析的能力2）深贴业务，做业务的大脑，不是维修师、预警器3）多跑市场&客户，立体了解业务，提高商业判断力；4）找1-2个机会点突破，尝试商业分析；5）结识高手；
滴滴数据仓库指标体系建设实践
如何有效设计业务指标体系？
你真的需要那么多报表么？
有赞指标库实践
傅一平，你能不能把数据取准确？
如何避免成为一台取数机器？
刻意练习，如何成为一名取数大师
BI取数者的职业发展之路？
BI的囚徒困境
十幅图读懂BI自助取数系统！
BI一线管理者的二次创业
报表系统的雄心
如何才能做好一张报表?
BI自助取数是怎么炼成的?
为什么BI取数这么难?
为什么传统BI没前途？
大数据，为什么不是传统BI的简单升级？