数据分析师如何更高效地干活

作为一个数据分析师，如何平衡短期临时任务和长期宏观规划？如何在不精疲力尽的情况下实现业务成果最大化？

在将数据与业务成果联系起来的过程中，数据分析师起到了最关键的作用。他们通常是数据团队中唯一既了解数据背景，又了解业务背景的人。
在一个典型的日子里，数据分析师会被业务部门拉到多个临时性的短期任务要求中："你能不能在今天下午之前把我们的产品CAC（获客成本/Customer Acquisition Cost）的两年趋势发给我？你能不能在今天下午之前把我们的产品CAC的2年趋势发过来。" 虽然这些请求分散了长期宏观任务的注意力，但其中的一部分对业务成果至关重要。另外，这些请求中有相当大的比例倾向于重复性或调试性，比如 "Tableau图表中的CAC值似乎与快速电子邮件报告中的不同"。但同时，这些临时请求中的一些可能需要的不仅仅是 "几个小时的工作"，而是需要一些计划。
作为一名数据分析师，如何平衡短期战术要求和长期战略路线图活动之间的时间，来实现对业务成果影响最大化的目标？在战术任务中，你如何将小麦从谷壳中分离出来，并解决那些具有较高业务影响的任务？
任务优先级框架
这个框架基于我领导数据分析师团队的经验。如果没有这个框架，一切都会成为优先事项，并可能导致数据分析团队 24 x 7 工作，最终筋疲力尽！
让我们从一些数据分析师的典型任务例子开始：

• 建立分析用的报告/图表/notebooks

• 支持对报告/分析的临时请求

• 分析数据/解释“为什么”/为业务团队讲故事，使洞察见解具有可操作性

• 了解业务需求和背景

• 排除报告中的业务逻辑不一致的地方

• 调试数据质量和pipeline问题/调试数据模型/可视化图表

• 创建/更新可视化图表

• 标准化业务逻辑的指标

• 提高业务团队的数据素养

• 寻找数据源、元数据细节和数据文件

• 准备/整理数据/核查数据治理

• 与数据集和业务逻辑有关的变更管理

• 运营数据模型/视图/数据应用/可视化图表

• ...以及更多...

考虑将这些任务放入一个 2 x 2 的影响力（业务成果）和复杂性（技术上完成任务）矩阵中。

• 高影响力和高复杂度（1）：作为一个路线图来管理

• 高影响力和低复杂性（2）：作为战术积压管理，快速周转

• 低影响力和高复杂性（3）：包括数据质量、可视化图表不一致、pipeline表现等。使用现代数据堆栈中新兴的工具生态系统进行管理。

• 低影响力和低复杂度（4）：作为业务团队完成的自助服务工作进行管理（根据需要提供指导）。

在2×2矩阵的背景下，重新来看一遍任务清单。

• 建立分析用的报告/图表/notebooks —— （1）

• 支持对报告/分析的临时请求 —— （2）

• 分析数据/解释“为什么”/为业务团队讲故事，使洞察见解具有可操作性 —— （1）

• 了解业务需求和背景 —— （1）

• 排除报告中的业务逻辑不一致的地方 —— （2或4）

• 调试数据质量和pipeline问题/调试数据模型/可视化图表 —— （4）

• 创建/更新可视化图表 —— （2或3）

• 标准化业务逻辑的指标 —— （1）

• 提高业务团队的数据素养 —— （1）

• 寻找数据源、元数据细节和数据文件 —— （4）

• 准备/整理数据/核查数据治理 —— （4）

• 与数据集和业务逻辑有关的变更管理 —— （2或3）

• 运营数据模型/视图/数据应用/可视化图表 —— （4）

在每个类别上花费的时间根据整体分析策略和数据平台的成熟度而有所不同。例如，在疫情期间，鉴于大量未知数/不确定性，类别（2）具有更高的优先级。对于拥有成熟数据平台的组织，类别（4）将会变得越来越自动化或成为专门用于分析工程的角色。
处理业务团队的临时请求
临时性的任务一开始就被归类为（2）（高影响、低复杂度）。在开展工作时，有可能出现四种结果。

• 完成任务。

• 意识到该任务 "不仅仅是几个小时的工作"，需要在路线图中进行规划。

• 完成基本工作，获得所需的 KPI，作为一项有时限的活动，使其成为业务团队的自助服务——使用 excel 进一步分析数据等，而不是花时间构建数据可视化。

• 如果他们更适合使用现代数据堆栈完成任务，则将任务推给数据工程或分析工程。

总结一下，没有什么灵丹妙药——你使用这个框架的方式可能会有所不同。最后的建议是，每当你对优先次序有疑问时，总是优先考虑那些涉及到与业务旅程图/背景相关的业务团队的讨论/学习的活动。理解业务没有捷径可走，如果没有适当的业务背景，那将无法实现将数据与业务成果联系起来的目标。

以上就是“数据分析师如何更高效地干活 ”的详细内容，想要了解更多IT圈内资讯欢迎持续关注编程学习网