優秀的數據分析師對業務具有深刻地洞察，從而從更高更廣闊的視角定義要解決的問題。這是優秀數據分析師的第一個特質。
一年一度的網際網路晉升季又到了！每天的春季都是網際網路的多變之時。績效、年終獎、晉升、調薪都擠到到這一兩個月，每到這個時候，脈脈上的輿論也變得活躍，吐槽的，炫耀的，裝x的什麼聲音都有。畢竟辛苦勞作一年，員工們看重的也就是這幾件事情了，爆出各種嘰嘰喳喳的聲音也是可以理解的。
對於我司而言，今年的春季對所有人都是一個milestone，因為我司首次公測晉升啦。我是一直鼓吹儘快建立晉升制度的， 這倒不是我勢利老想著升職加薪，而是我從心底里認為，晉升制度的設置對員工的成長有著不可替代的作用。
首先有晉升，就必須有晉升標準，這個標準可是很有講究和學問的，它對員工的成長方向有著直接的引導作用，尤其對於初入職場的新人無異於是個指明燈。就像我們打遊戲升級， 裡面每升一級都有詳細的標準，而我們平時的遊戲操作自然而然也會向這些標準靠攏，成長和升級自然更快。
所以一套科學的晉升標準，不僅給員工明確的指導，讓員工少走彎路，而且對於其leader也能更好地評估、幫助下屬的成長。否則大家就是根據各自的理解，自由成長，難免很多人長成一顆歪脖子樹。
由於我司是首次嘗試晉升，對於數據分析師的晉升標準自然是還有很大優化空間的（我挺著大肚子當了四場juninor同學的評委，看了晉升標準後對HRBP提了一通建議） 。和HRBP吐槽完標準後，我覺得還不過癮，就打算在自己的公號里講講自己的看法，以示我對儘快完善這套晉升標準的期待和重視。
既然是數據分析師的晉升標準，自然要問的是，數據分析師應該具備哪些能力項？
我們應該先有個framework，然後才好一一展開。對於這個framework，我其實很久之前就開始思考了，但是想來想去，發現百度的數據分析師晉升framework是最好的，如下圖：
為什麼是這四個能力項，我打算寫四篇文章一一討論，這期的文章我們就先講為什麼有」業務洞察」。
大家回顧下自己做的分析專題，通常會分為以下步驟（示意引用書籍《如何用數據解決實際問題》）：
我們可以看到，數據分析的第一步就是要明確目的或者定義好要解決什麼問題。如果這一步都沒有搞清楚，後面的無論做的再fancy，都是白做，對真正想解決的問題沒有絲毫幫助。這也就是我們常說的，比努力更重要的是方向啊！
重點來了，如何能夠準確地定義好要解決的問題呢？
具體如下圖所示，這就需要對業務有深刻的洞察。想要對業務有深刻的理解，只有兩個殺手鐧：一個是多問（加強對業務的了解），一個是思考（留意「問題之外的問題」，試著從高出自己一兩個級別的水平進行思考）。
問有兩問：
- 第一問就是平時就要和業務多接觸，多聊天，問業務人員他們最近的項目，了解下項目的背景、進展和他們的看法。
- 第二問就是當分析需求來的時候，要問下為什麼要做這個分析，想解決什麼問題。
尤其是第二問，特別重要，因為很多時候，需求方（無論是老闆還是產品經理）的需求都是在他們自己的假設下提出來的需求，有可能是片面的甚至不合理的。我在成甲《好好學習》書中看到的一個例子非常形象。這個例子是成甲為一個景區提供諮詢服務。我們來看下面的對話。
景區：「成老師，我們想新開發的景區二期項目，已經找了好幾個團隊做了策劃，但我們對選哪個策略方案，一直沒有拿定主意。您覺得哪個團隊的方案好？」
成甲：「能先問下，您為什麼要開發二期項目？」
景區：「因為我們一期項目雖然遊客不少，但是並沒有賺到錢。我們期望通過二期建設的項目來增加景區的收入。」
成甲：「我看了你們的收入數據，現有的景區有著非常好的客流量，只是目前僅僅依託門票經濟，客單價比較低。為什麼不想辦法提高客單價呢? 比如增加娛樂或者餐飲消費，這樣投資更少、更穩妥。」
很明顯，景區的問題實際上並不是判斷「做哪個方案更好」，而是「怎樣提升景區贏利能力」。開發二期是景區自己判斷出的一個解決方法，但很有可能不是最優解。成甲提供的思路給了景區很大啟發，他們一致同意先嘗試提高客單價，視情況再決定是否需要開發二期。
看了這個案例，大家再回顧自己的分析項目，是不是覺得自己也在類似情景栽過？
需求方經常急沖沖跑來說，我要看最近一年xx數據的變化趨勢。當你辛苦跑出來了，需求方發現數據和自己想的不一樣，又進一步提出其他的數據需求。這種反覆的工作不僅讓你煩躁，還在解決問題的道路上走了彎路。正確的做法是問清楚需求方提這個需求的背景，了解他想分析的問題，然後運用分析師專業的分析問題思路，拆解定位原因，全套地幫助需求方解決問題。
任何一個領域中的頂尖人才都不會僅僅停留在做的具體事情上，而會思考做這些事情背後的原因。在這裡，再分享下成甲總結的看透問題本質的利器-黃金思維圈。
具體如下面圖所示：最外的what就是我們日常工作中接到的指令，比如跑個數據，做個效果評估；第二層的how通常是如何更快更好地做好這些工作；第三層是why，也就是我們為什麼做這樣的事情。從why入手進行思考和表達，聽起來是一件理所應當的事情。
然而我們都知道，說起來是一碼事，做起來又是另一碼事。我們大多數人在開始思考問題的時候，根本不是從why出發，而是從具體的what出發。只有從why上出發，才能激發更多解決問題的方案也就是how（正如上述講的景區案例）。
另外一個提高業務洞察的方法是多思考。這裡的思考不僅僅是思考如何去解決定義的問題A。更重要的是在對要解決的問題A時，不只看問題A本身，而是試著從高出自己一兩個級別的水平進行思考，即留意「問題之外的問題」，例如問題B或者C。很多時候我們從更高級別思考的時候，會把原來定義要解決的問題A重新定義。
舉個例子，市面上很多app都有邀請拉新的活動，即給老用戶一定獎勵，讓其邀請新用戶，比如說趣頭條。假設小明是趣頭條的數據分析師，現在負責邀請拉新產品經理來給小明提需求，對話如下：
產品經理：「小明，我想看下最近邀請碼的填寫成功率是否有變化。能幫忙跑個數嗎？」
小明：「我們為什麼要看這個數據，是最近業務有調整嗎？」（comment：小明按照我們之前提到的多問的方法，沒有馬上去做，而是先問背景。）
產品經理：「不是。我們發現最近通過邀請來的新用戶在降低，想確認下是不是因為邀請碼填寫成功率降低，邀請者沒拿到相應獎勵，體驗不好降低了他們邀請積極性導致的。」
小明：「奧！那你想解決的問題是先定位邀請拉新人數降低的原因，再採取對應措施提升這個指標吧？」（comment：小明重新定義了問題）
產品經理：「對！Exactly」
小明：「當下業務的總目標應該是總拉新人數吧。邀請拉新只是渠道中的一種。我剛看了下數據，最近的總拉新人數是上漲的，但是邀請拉新人數確實在下降，是個有意思的現象。」（comment：小明從更高的角度來理解目標和業務）
產品經理：「我只關注邀請拉新數據了，沒有去看總拉新數據。這確實是個有意思的現象，或許它們之前有些關聯。」
小明：「恩，對的，新增渠道之間會相互影響。我覺得我們現在問題是，為什麼在總拉新人數上漲的時候，邀請拉新反而是下降的？」(comment：小明從更高的角度重新定義了問題)
看完上面的對話，是不是很有啟發？從更高或者更廣闊的視角定義問題，會防止我們漏掉真正的原因，所做的分析才能對業務更有指導意義！
最後總結下，優秀的數據分析師對業務具有深刻地洞察，從而從更高更廣闊的視角定義要解決的問題。這是優秀數據分析師的第一個特質。既然定義了問題，那就要定位產生問題的原因，下一篇文章我們就著重分享原因定位的方法論！
作者：阿嬌；公眾號：後廠村AJ
本文由 @阿嬌 原創發布於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議