下班收到临时提数需求，要忍吗？

平时喜欢交流的我，最近发现越来越多的新人甚至从业者都对数据分析岗位或者自身职业发展存在困惑，我总结了以下几点：

· 做不好：学了很多工具，看了很多学习资料，却还是做不好数据分析？

· 没经验：明明精通各类算法，但到了分析数据的时候，却还是败给了懂业务的公司同事！

· 没想法：看到的数据只是数据，而领导看到的是机遇和方案！

· 低薪水：前同事每两年换次工作，已经薪水翻倍，而自己面试时却节节失利？薪水原地踏步。

其实，这是70%的从业者都会遇到的问题。数据分析不是简单的工具使用和重复的数据处理，数据分析的本质是：从大量事物中发现关键信息，用于直接决策，而不是辅助。

今天让我来带你，从国企着手，解决临时提数需求！

国企招聘解析

我们先看第一部分招聘解析。学习招聘解析，我们的主要目的有两个：

1、通过对比分析工行、招行、广发、电信四家公司的数据分析岗位，找出不同类型企业对应聘者的具体要求，或者说共性及差异点，从而能够有所准备的去面试。

2、对岗位职责及相关要求进行提炼和总结，从而让你能够匹配出适合自己的企业。

刚参加工作的人往往比较看重薪酬，但随着工作年限的增长，你会发现自身能力是否可以在工作中得到提升至关重要。

而想要找到适合的工作，同时自身能力又能够得到提升，首先需要明确数据分析师发展的三个方向：

1、业务型：业务型对分析师的业务理解能力要求非常高。

2、数据研发型：这个发展方向要求你对技术非常熟练，能够通过技术对数据进行分析。

3、算法型：算法型要求你数学功底要好，而且课题的研究能力非常强。

了解发展方向后，数据分析师一定要结合自身情况在工作三年后找到自己的定位。

当然，如果在投递简历前就能够从 JD（岗位职责）上看出是否适合自己，从而决定是否投递简历，这对于最终是否能成功进入心仪公司来说事半功倍。

工行

我们先来看工行的数据分析师岗位职责：

（工行招聘图）

你说工行好不好，肯定非常好，但是它对数据挖掘岗位的职责是非常模糊的，而且要求一定的技术基础。如果你不是一个对技术感兴趣的人，而又在一个错误的时间进去，那么你可能会很快跳槽。

招行

下面我们来看下招行的数据分析岗位职责：

（招行招聘图）

包括分析大零售客户群、标签、客户细分及客户画像等，要求非常具体。在专业上也提出了具体要求：金融、统计、经济、管理和计算机专业。如果你符合以上专业，那么就有很大的机会进入招行。而招行作为后起之秀，往往追求一定的创新，所以如果你思维发达，喜欢挑战，招行还是比较适合的。

广发

下面我们再来看下广发银行的数据分析岗位职责：

（广发招聘图）

从它的岗位职责描述来看，偏向业务型，事情繁杂，这时你就需要看是否适合自身的发展了。但它的应聘要求并不十分明确，优秀的数据分析能力，对数据敏感，有一定的市场敏感度，这些都是无法准确衡量的，这时候面试时的临场表现就至关重要了。

电信

最后看下电信的数据分析岗位职责：

（电信招聘图）

相比于银行来说，电信的岗位职责中规中矩，日常工作主要是统计报表、专题分析，要求你具备一定的独立思考能力。

以上是大部分国有企业对数据分析师的岗位要求，你在看招聘信息时，一定要从岗位职责及能力要求进行分析，综合考虑企业目前所处状态及日常工作内容，这对于此岗位是否适合你起关键作用，同样在面试中也非常重要。

国企常规工作

接下来，看下国企数据分析日常工作都做些什么，主要包括三个方面：

· 日/周/月报；

· 临时数据；

· 常规工作的优化。

1、日/周/月报

作为一名分析师，日报是每天都需要关注的，但是在日常工作中往往得不到足够的重视。而分析日报主要有三个目的：

· 了解业务现状；

· 培养数据敏感性；

· 提供业务发展建议。

先说了解业务现状，我问过很多同学：“你为什么不愿意看日报？”很多人会说：“每天数据就那样，没什么好看的。”实际上，这个理解是非常浅层次的，如果数据一直就那样，那就说明公司业务出问题了，而这时如果你能够指出问题，一定能够得到展现自己的机会。

然后是培养数据的敏感性，很多公司在招聘时都要求具有良好的敏感性，但实际中敏感性都是慢慢培养出来的，没有人天生就对具体业务敏感。如果你可以每天关注数据的波动，潜移默化的便会培养一定的敏感性，比如之前每日收入在 500~600 万之间，突然变成了 650 万，这个时候你能够发现便会并去寻找原因，这便是数据敏感性。

最后就是为业务提供发展建议，因为数据波动时肯定需要寻找波动原因，为何涨跌，久而久之你就会发现产品或运营在做出何种调整后数据会出现涨跌，进而能够为业务发展提供更合理的发展建议。

在日报的基础上，周报就可以看作是一个短期趋势了，因为很多公司的发版周期往往是一周。新版本的效果能够直接体现在周报中，同时一周的数据会更加稳定、更具说服力。

而月报的周期就比较长了，基本上所有公司每个月都会进行一次例会，而在月例会中会对业务数据进行分析，也更能够为接下来的业务提供更合理的发展建议。

数据敏感性和业务的发展建议都是从日报/周报/月报的分析总结中不断积累的，而对于大部分公司来说日/周/月报只是常规性的经营分析，罗列数字，很多时候失去了数据分析的本质意义。

作为一名优秀的数据分析师一定要经常看三种报，培养自身的敏感性，从而找到获取业务增长的发力点。

2、临时数据

第二块就是临时数据，这是大部分数据分析师职业生涯的第一个痛点。

我面试过很多工作时间较长的同学“你工作中最主要的事情是什么？”，很多人的回答都是在不断地满足临时提数需求，如果你也是这样就非常危险了，一定要想办法进行优化。

目前我将临时提数需求分为两种，一种是管理层的需求，另一种是业务执行人员需求。

· 对于高管层的临时提数需求，优先级肯定是最高。但此时一定不能立马去做，而是需要思考为何需要这个数据，通过这个数据能进行什么决策。举个例子，CEO 现在正在与外部公司商谈合作事宜，需要了解用户人均时长，如果你不知道这个背景前提，给出的数据往往有误，这时需要及时的与领导进行沟通。

· 而业务线的临时提数需求是非常繁多的，比如数据指标口径、数据增长计算，等等，这时就需要你根据自身的实际工作情况合理安排，学会合理地拒绝一些业务线可以自己解决的事情，不断提升自己的工作价值，而现实情况往往是大部分数据分析师都陷在临时数据需求的泥潭。

以“掌上生活” App 最近上线的一个线下餐饮优惠券功能为例，产品经理需要快速得知优惠券的使用人数，如果你拿到这个需求后，立马分析使用人数字段口径是哪个日志，然后写 SQL 把结果反馈给产品经理，那么他可能会发现使用人数不够广，接下来便会要求你提供优惠券下发人数，再从头做一遍，周而复始，你会发现后面还会有使用频次、消费金额，等等需求在等着你，面对这样的窘况如何解决？

我的原则就是坚决不做提数机器，**针对每一个业务单点问题，先追根溯源，建立该业务类的分析框架，由点及面彻底解决该类问题。**同时在这个过程中不断利用互惠原理和社交技巧，只给业务方做最核心的需求，其他衍生需求由业务方自己完成。

仍以刚才案例为例，当我们接到需求后，先了解业务背景，找到产品经理最关注的核心需求，比如我们发现产品经理最关注的是优惠券的使用情况，并针对使用情况如何做出优化？面对这样的需求我们进一步分析，使用情况包括优惠券下发人数、使用人数、使用比例、消费金额。消费频次等。当我们把这些指标因素都考虑到时再去和产品经理沟通，呈现的数据分析结果就非常清晰了，至于衍生需求，比如过了一个月产品经理需要同样的数据，你就可以让产品经理根据数据模型自己计算了。

这里需要注意不断利用互惠原理和社交技巧，毕竟分析师是一个支撑职位，需要和业务线保持良好的关系，有理有据、不卑不亢，大家的目标是一样的，就是把产品做得越来越好。

3、常规工作的技巧

再看常规工作技巧，针对前面的难点有三个技巧。

第一个技巧关于日报处理，如果每一天都需要花费很多时间去分析，不如交给机器处理，比如通过 Python 搭建日报分析框架减轻工作压力。

第二个技巧就是因为分析师每天都很忙，会有大量的业务需求需要数据支撑，这时便需要保持一颗清醒的头脑，能够将需求进行合理的优先级排期。

第三个技巧就是遇到自己不能解决的问题时，及时与自己的领导进行沟通，不要低头盲目做事，很多时候他们会看得更高，难题往往可以迎刃而解。

专题分析

第三部分是专题分析，在实际工作中，各个业务方都会定期给分析师提出一些比较专业的分析任务，我们称之为专题分析。

而专题分析比较考验分析师的思维、技术、时间管理、演讲能力等，所以做好一份专题分析并不容易，主要可以分为 4 步：

· 需求解读；

· 建立逻辑树；

· SQL 提数及分析；

· 撰写报告的三个建议。

大部分数据分析师对第 3 步比较熟悉，但对 1、2、4 步掌握都不够好。这里我们先简单讲解下这 4 步，后面的课时会详细解决专题分析的标准化流程，而专题分析也是最能体现分析师工作价值的。

1、需求解读

先看一下需求解读，我们一定要花至少 20% 的时间分配在沟通需求上，一定要当面沟通，并且这个过程贯穿整个分析过程。

（原始需求、了解需求、本质需求图）

比如原始需求：“负责活动的几个事业群同学希望看到活动的效果情况” 。如果只是抛出这样一个命题，请问你怎么做？

如果直接提数写报告，结果一定是错的，通过与需求方沟通发现需求是这样的“目前活动对日活的帮助及活动出现哪些问题？”，是不是还是比较模糊？

再进一步沟通发现需求本质是“活动的拉新效果如何？活动拉新用户后续黏性如何？针对数据活动如何做出优化？”这样是不是就更具体了，在此基础上接下来我们便可以构建逻辑树。

（逻辑树图）

2、建立逻辑树

建立逻辑树的目的是让思路更加简洁清晰，比如针对四月份的活动运营分析，涵盖了活动前、中、后，同时活动前又包括了流量和收入。以流量为例，流量包括活动前每天的流量效果，因为活动前往往会做一些预热，所以会出现流量波动。

同时在活动中，也涉及流量和收入，比如 DAU/MAU 是否提升，拉新情况，老用户唤醒情况，活动中连续访问情况，上线频次分布，等等。同时还需要注意各类活动的横向对比情况，进而可以对业务提出优化建议，而不只停留在简单的数字上。

而活动后的流量涉及拉新用户的沉淀效果如何？不活跃的老用户在活动中的表现，后续活跃度如何？以及汇总数据和复盘数据分析。

面对需求一定要建立合理的逻辑树，有了逻辑树才能知道具体需要分析的点是哪些。

3、SQL 提数及分析

下一步就是 SQL 提数及分析，SQL 提数就需要遵循三段论了，分析师一定要掌握 SQL，SQL 提数是所有想法验证的第一步。

第二步是分析。分析可以进行归类，如下图所示：

（SQL提数及分析图）

可以发现，分析由组成部分、数量比较、有何变化、各项分布、各项相关性、其他深层次的挖掘组成。

比如我们的产品目前用户是由哪几部分群体组成的？各个群体之间数量程度比较是什么样子的？在时间维度上，各自的变化有哪些？它们的具体数据分布是什么样的？并且各个指标之间的相关性是什么样的？你可以想一下，日常的分析是不是就包括这些？

基本上就是这些内容，所以总结是非常重要的。我们在写报告或者做数据分析的过程中，一定要不断地总结。

4、撰写报告的三个建议

第四就是撰写报告的三个建议。

第一，报告一定是 90% 的图加 10% 的文，一定要以图为主，图表标题说结论，如下图所示。

第一个图就比第二个图要直观，标题直接显示了行业头部品牌的市场占比，直接告诉了你结果（联想市场占比 62%）。人类视觉反应往往也是首先被标题吸引，所以报告中一定要以图为主，文字为辅，图表标题点明结论。

第二就是结论前置，如果报告最终要呈现给领导的，那么在邮件中一定要把结论先写出来，然后报告以附件形式发送，同时在正文中也要把结论前置，节省大家时间。

第三就是报告的逻辑性一定要非常强，同时演讲的过程中也需要有故事感，站在领导的角度去想他要听什么？后面的课时会给你分享优秀的数据分析报告。

软技能及面试技巧

软实力

最后，分享软技能和面试技巧，先说软技能，我们进入一家公司靠能力，但想在一家公司向上发展往往需要靠软技能。在国企做好数据分析，除了自身专业技术过硬之外，情商的修炼也必不可少。能够快速领会领导意图，并很好地表达及展示，往往决定了后续发展的高度，记住伯乐常有，千里马难寻，除了加强自身专业技能，平时还需要多看一些心理学、社教学等书籍并付诸实践。

列举一个场景，国企实际上会有很多会议，大部分人都是被动的态度接受，但如果你认真思考，会发现在会议开始前一定要提前准备内容并做好随时展示自己数据分析能力的准备，把每次会议都当作是展示自己的一个机会，必定可以脱颖而出。

我把国企的软实力分为四种能力，如图所示：

面试技巧

第二个是面试技巧，以我朋友的经历为例，他的第一份工作在事业单位，做的工作基本上和数据分析没关系，后来他非常想进国企做数据分析工作，但是本身经验不足，所以花费了大量的时间学习市场上的数据分析书籍，把一些理论和案例背下来。虽然缺少实际经验，但在国企的面试中因为理论知识扎实也可以成功跳槽到国企。

如果你有一定的数据分析经验，一定要带上一份自己的专题分析报告，展示自己理论基础的同时可以剖析具体的业务场景，这样便可以事半功倍，增加面试成功率。

最后，在国企的面试中，无论是谈心环节，还是面试环节，都要表现得自信、谈吐大方。

数据分析其实不仅是一个高薪岗位，更是现在互联网人手必备的一项技能，想要更系统培养自己的数据分析思维，你要更系统的学习，可以先从《数据分析思维与实战 23 讲》开始哦～

数据分析思维与实战 23 讲

继续阅读

阅读原文

关键词

分析师

公司

数据分析师

问题

岗位