欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  新闻

数据分析的流程包括哪些(必备的8个主要流程)

程序员文章站 2024-03-27 08:44:52
1. 新的需求数据分析工作流程的第 1 个状态,就是忠实地记录新的需求,纯粹地站在需求方的角度,不加任何评判地收集原始的需求。这个状态借鉴了 orid 焦点讨论法的第 1 步,也就是真实地记录客观的事...

1. 新的需求

数据分析工作流程的第 1 个状态,就是忠实地记录新的需求,纯粹地站在需求方的角度,不加任何评判地收集原始的需求。

这个状态借鉴了 orid 焦点讨论法的第 1 步,也就是真实地记录客观的事实。

关于 orid 焦点讨论法,我从网上查了一些相关资料,看到下面这个例子,感觉比较恰当。假设昨天晚上在下班的路上,我遇到一条狗(o 事实),当时我很害怕(r 感受),心想应该怎么办(i 思考),为了避免被狗咬,我最终决定绕路走(d 决定)。

数据分析的流程包括哪些(必备的8个主要流程)

2. 需求确认

需求确认是分析任务成败的关键,针对不同的情况,应该采取不同的对策。

第 1 种情况:需求方无法清楚描述问题。

刘思喆老师说,这类需求方的专业技能不合格,会*上下游,「fire」掉就可以了,绝对不可以手软。

关于「fire」这个英文单词,有「开除」的意思,不过我理解刘思喆老师在这里表达的应该是「拒绝」。

对于一般的数据分析师而言,需求方可能就是自己的老板,恐怕没有「开除」的勇气。遇到这种情况,我个人建议加强沟通交流,主动多问一问具体情况,搞清楚需求方的真正意图。

第 2 种情况:需求方将很多问题混杂在一起。

这种情况非常普遍,数据分析师需要应用 mece 原则,帮助需求方梳理业务,变成相互独立、完全穷尽的问题,并了解其中的主要矛盾和次要矛盾。

第 3 种情况:需求方无法和数据进行映射。

这种情况也相对比较普遍,一般企业是通过「角色前置」来缓解这个问题,比如设置「产品经理」的岗位角色。不过有的时候,前置的角色可能不合格,这就需要数据分析师在「数据确认」环节给予专业的建议。

第 4 种情况:需求方提出了错误的数据需求。

想象一下,数据需求本身就不对,你作为数据分析师,居然漂亮地执行完成了……结果需求方不满意,又提了一遍,后面可能还有第三遍……最终需求方可能很不满意,数据分析师吃哑巴亏。

当出现这种情况时,建议数据分析师在执行之前,先进行合理的沟通,指出数据需求本身的不当之处。

第 5 种情况:需求方无法预判可能的分析结果。

这种情况很正常,毕竟很难碰到非常完美的需求方。我认为此时数据分析师应该多一些包容和理解,多站在对方的角度看问题,自己先学会预判,然后再帮助对方学会预判,为对方排忧解难。

假如遇到需求方不仅掌握业务和数据之间的关系,而且懂得利用数据分析的结果,来指导下一步的行动,那么数据分析师应该好好珍惜。

3. 数据确认

当需求确认清楚之后,接下来需要确认数据源,可能会遇到 3 个问题。

第 1 个问题:期望的数据没有存储。

作为数据分析师,如果你能帮助改善这个问题,让企业的数据更加完备,那么你的影响力将会得到提升。

第 2 个问题:数据分散在不同的位置。

在传统企业,这个问题非常普遍,可能还没有建立数据仓库。对于互联网企业,这个问题体现了数据仓库设计的不完备。

如果不是经常性的问题,临时解决即可。如果是经常性的问题,建议数据分析师主动了解底层的数据逻辑,编写自动化的代码,在可能的情况下,交付给数据仓库团队。

第 3 个问题:数据源错误。

这个问题非常致命,如果数据源不对,后面的分析结果可能造成误导,让需求方做出错误决策,后果不堪设想。

所以,数据分析师提高数据敏感度也很重要,在做数据分析之前,一定要先确认一下,数据源是正确无误的吗?

4. 实现中

在需求实现的过程中,数据分析师要管理好自己的分析代码。

以 python 为例,尽量使用 numpy、pandas、matplotlib 等比较成熟的包,用 git 做好代码的版本控制,特别注意代码注释和提交信息的可读性和完整性,让数据处理的每个步骤都清晰易懂。

另外,配合使用 jupyter lab 之类的工具,能大大提升数据分析的工作效率。

一方面,我们要把好的经验和方法,沉淀为固定的流程步骤,实现工作的流程化。比如一个数据报表,用怎样的格式和规范,读者容易抓住其中最有价值的信息?

另一方面,我们还要实现流程的工具化。因为总有人会「偷懒」,总有人会逾越流程,总有人会偷偷地绕过流程。所以,我们要适应用工具来辅助流程的执行。

如果流程工具用起来不适应,怎么办?

华为早年引入集成产品开发 (简称 ipd)的流程,大家刚开始也不适应。

任正非说了一句话:先僵化、后优化、再固化。

5. 交付

突出主要分析结论,这是数据分析交付的重要内容。

如果分析没有结论,就不能称之为交付。

交付的内容,包括文字、表格、图形等要素。文字表述要条理清晰,表格制作要标准规范,数据可视化的图形要选择合理。

数据分析的流程包括哪些(必备的8个主要流程)

6. 复盘

很多数据分析工作,最终停留在「交付」这个状态,数据分析师交付结果之后,往往没有去跟进后续的效果情况,没有对分析的价值进行判断,没有进行复盘总结。

交付之后,不妨思考一下,我们通过数据分析,帮助需求方做出了哪些正确的决策?给企业带来了哪些价值?与当初预期的目标相差多少?关键因素有哪些?假如重新再做一遍,怎么做才能做得更好?

在复盘总结的过程中,可以锻炼数据分析师对业务的理解能力和对价值的预判能力。

7. 等待

当你发现目前还不具备分析的条件时,那么可以选择等待一下。

比如说,当需求还没有确认清楚的时候,应该等待需求方有空的时候,把需求沟通确认清楚。当缺少必要的数据源时,因为巧妇难为无米之炊,所以也需要耐心等待。

当然,在等待的时候,可以先思考一下大致的分析方向,以便让后面的实现过程更加快捷。

8. 拒绝

当需求肯定无法实现的时候,要明确地予以拒绝,不要给人模棱两可的答复,此时要避免让需求方有很大的期待,结果因实现不了而导致失望。

小结

本文总结了数据分析工作流程的 8 个状态,

为了避免被贴上被动、低价值、重复劳动的标签,数据分析师要主动完善自己的工作流程,优化自己的工作状态。

最后,我把数据分析的 8 个状态之间的流转,用一张流程图串联了起来。

数据分析的流程包括哪些(必备的8个主要流程)

以上,希望能够对你有所启发。