身為資料分析師，你該如何展現工作中的價值？
幾個基本觀念分享。除了硬技能外，軟技能/軟實力也是很重要的
Jul 14, 2018
工作除了獲得金錢外，另一個因素就是希望獲工作中能發揮出最大的價值，從中得到成就感。對於任何工作而言，我認為別人看待你的價值，由以下兩點決定：
- 極大化的解決了需求方的合理問題。
- 在適當的場合中，正確的向他人展現出你的貢獻
那麼，對於數據分析師而言，該如何達到這樣的效果？以下是我朋友所整理的一些觀念。這些觀念很基本，但也是許多分析師常常/容易會忽略的問題（我自己也曾是這樣
邀請你至Blog閱讀全文：身為資料分析師，你該如何展現工作中的價值？
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
你的價值是腦子不是表格
- 你的價值是透過客觀的數據分析，協助老闆找到問題並解決。不要變成數據工程師，整天在拉數據修報表錯誤，這些事情請交給工程師。
- 做清楚的報表是基本的，你主要的價值是清楚地向主管說明數字之間的變化、比較、趨勢、預測是什麼?你的工作是給出有價值的分析，有價值的數據模型計劃，不是來做報表，來核對數字。
認清你真正的老闆
- 你要服務的人是各部門主管，和使用報表的人，所以不要來問老闆報表要改成這樣可不可以？報表要停掉可不可以？你應該問驗收成果的使用者。
- 若要有效發揮管理意義的數據，數據維度就是要按管理需求細分，不是來問老闆要怎麼分？要不要那樣分？可不可以這樣分？老闆不是找一個問這種層次問題的人來工作。 你要問的是用戶。不要犯了「輕視業務論」的錯誤。有一句話永遠不會錯，你應該主動了解消費者的需求是什麼，不是去問你老闆該做什麼。
大師級的分析報告
- 分析報告必須有架構性、階層性、前後脈絡有邏輯地嚴謹描述，從大指針大分類的數字描述，讓人了解概況; 再深入有意義的管理維度，說明是哪邊的管理出問題; 再深入了解有問題的管理單位，是因為哪些工作內容沒有做好，用KPI 數字左證哪個經營環節出了問題。不是想到什麼寫什麼，讓人看了一句話之後，有開頭沒結尾，留了一大堆問號在腦子裡。
- 報告不是把數字變成文字，是要解讀數據後提出綜合表述和你的發現(insight)，不要把報告分屍了，不要告訴我因為報表很大，所以沒有辦法寫在一起，全世界只有你的報表很大嗎?你可以自己想辦法解決這件事嗎?
- 把數字變文字的報告意思是，報告內容不是在描述一個狀態的發現，而是用鍵盤把數字敲打出沒有感情的文字，看著報表敲出數字是多少，這種表述方法無法使人有深刻記憶。
- 千萬!千萬!不要用平均數當作目標值的設計參考，不要用沒有分類過的平均數來解釋表現(Performance)好壞，平均數是最低級沒有經過腦子判斷的數字。平均數常常帶你走入錯誤的判斷。
- <舉例>用所有業務的平均產值來估算可能產生的業績，這就是一個災難，因為最後你會發現按照你現在的業績目標，再補進來一千個業務也沒用，這些新進業務做不了這個平均業績，這些平均業績是被Top Sales拉上去的。
- 這意思也是在告訴你，看國民人均收入來判斷這個國家的人民平均富不富有、日子過得好不好並沒有意義，因為這社會的收入已呈現非常嚴重的 M 型分佈。
- 完美的報告是，不懂的人在不需要你說明的情況下，自己看完後也能輕鬆瞭解你所想要表達的事。
邀請你至Blog閱讀全文：身為資料分析師，你該如何展現工作中的價值？
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
ㄧ橫ㄧ豎都帶感情
- 不要寫出沒有感覺的數字，只出現一個數字，你不會知道這個數字代表的意義是什麼， 沒有目標、沒有比較。
- <舉例>:最近一個新媒體渠道一個月有 2,000 筆名單，SO？。這個表述的問題很大，因為2,000 算多還少？本來預估的目標多少?名單貴嗎?名單已經進來多久了？現在各階段的表現數據如何？這個數據跟類似媒體渠道的表現相比是什麼？若沒有比較，沒有基準可以參考，數字就失去它的理性邏輯判斷功能。
- 表格的橫線縱線都有其意義，目的是協助觀眾做視覺的分類，所以不要一張表上直接把四框線全都套上去。
- 善用字體樣式(字形、斜體、加粗、大小、顏色、底色)突出表格要讓用戶注意的重點。
- 表格上不要超過三個顏色，顏色太多重點就無法顯著突出。
- 請讓報告看起來不要壅擠，老闆每天要看的東西很多，看到密密麻麻、文字又小到看不清楚的報告，誰都會抓狂。
不要讓心血被埋沒了！！
還有你要知道的
- 先把老闆要的東西做出來，再來討論這個東西怎樣可以做到更好。不要還沒有做出來就跟老闆說不行，老闆不是神，無法預測到底行不行，只能叫你先做出來看看。
- 多訓練系統化思維和方法，每做一件事情的時候(尤其是數字計劃)，你就要想如何建模，讓未來再做一次的時候不會像第一次做一樣，你要善用Checklist、SOP 流程、 Mindmap、PDCA 等方法工具協助你完成系統化思維的工作方法。記住，設計方法勝過埋頭苦幹。
- 不要當創世者，公司很多的規則和方法都已經存在，也都有人在做，這都是歷史智慧的結晶，不要自己創立奇怪的規則、奇怪的定義。多找人問問，事情沒有你 想像中的難解決; 多去其他部門走走，你才能跟人配合做出有價值、能被使用的分析、流程或報表。
- 做好工作日誌的紀錄，充分了解自己把時間花在哪些事情上居多，幫助你了解工作時間應該如何有效分配，精力有限，多做有價值的工作。
邀請你至Blog閱讀全文：身為資料分析師，你該如何展現工作中的價值？
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
1. Hello All：主站遷移至👉https://andyrockdata.com/ ，請改至『ROCK DATA』Blog 閱讀新文章完整內容，如果喜歡我的文章，可以訂閱我的電子報(Medium站仍將張貼新文章訊息)2.立即追蹤👉ROCK DATA臉書粉絲頁跟ROCK DATA IG(@andyrockdata)3.【入門數據分析，掌握HiveSQL取數能力】在hahow上架啦，購買連結👉 http://hahow.in/cr/andyrockhive4. 往期的數據相關文章可以參考以下link
- 數據分析系列1：談談數據分析的眾多Title
- 數據分析系列2：數據分析的一週工作日程
- 數據分析系列3：身為資料分析師，你該如何展現工作中的價值？
- 數據分析系列4：如何量化職場規劃？我這次的轉職規劃與Offer選擇
- 數據分析系列5：為什麼要關心資料來源？談談埋點數據的陷阱
- 數據分析系列6：精選幾個機器學習的學習資源
- 數據分析系列7：數位化決策轉型與企業文化的一些思考
- 數據分析系列8：中山大學經濟所職涯座談(ㄧ)：”了解自己”的重要＆我怎麼成為數據分析師
- 數據分析系列9：中山大學經濟所職涯座談(二)：想從事資料分析？你需要具備這8個能力
- 數據分析系列10：中山大學經濟所職涯座談(三) ：讓資料變商機 — 資料分析在我們生活中的應用
- 數據分析系列11：面試時，資料分析師該怎麼準備作品集？
- 數據分析系列12：2018年終工作總結(數據分析師)
- 數據分析系列13：數據化運營中玩過的分析項目：一個數據分析師的經驗總結
- 數據分析系列14：如何提升運營/產品的優化效率？或許數據指標體系的搭建可以幫到忙
- 數據分析系列15：用戶畫像很重要，那你知道是怎麼畫出來的嗎？
- 數據分析系列16：給剛入行的數據分析師：想產生價值，在試用期要做的三件事
- 數據分析系列17：2019 數據分析工作總結_關鍵詞：數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷
- 數據分析系列18：入門數據分析的第一個大門檻：SQL/Hive取數-聊聊自身學習SQL的經歷以及三個自學網站分享
- 數據分析系列19：身為數據分析師，我怎麼看hahow上”R語言和商業分析”這門課
- 數據分析系列20：直接用SQL來分析數據？怎麼沒用python/R？3個面向來考量分析工具的選擇
- 數據分析系列21：數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github
- 數據分析系列22：透過埋點，讓數據說話：埋點基本知識
- 數據分析系列23：以數據為核心的CRM進化產品：帶你了解CDP(客戶數據平台)開發過程與難點
- 數據分析系列24：SQL不難啊，為什麼不容易精通？自學與實務的4個落差
- 數據分析系列25：數據分析基本-相關分析與可視化(R語言)
- 數據分析系列26：刷完了Leetcode SQL Hard Level的28道題：歡迎領取參考答案
- 數據分析系列27：數據太髒了！3個步驟做好數據質量管理
- 數據分析系列28：跨部門溝通成本太高？數據人實現高效跨部門溝通的4個方式
- 數據分析系列29：數據分析師職場發展的另類出路
- 數據分析系列30：Databrick為何收購BI產品Redash？產品視角來看Redash的功能與價值
- 數據分析系列31：數據分析師要失業了？解讀<2022 Gartner BI魔力象限> BI產品趨勢
- 數據分析系列32：Google Data Catalog如何幫忙管理數據？ 產品介紹與體驗心得
- 數據分析系列33：復盤：數據產品從0到1的建設過程，我的9點感觸
- 數據分析系列34：Shopline-數據分析中心(Shoplytics)產品體驗
- 數據分析系列35：搞數據還是做產品？淺談『數據產品經理』
