場景一：入職第一天，領導給瞭張50M的EXCEL說：這裡有100多萬條客戶信息，來個大數據分析下。震驚！

場景二：千辛萬苦整理的數據，發現數據非常真實，75%的記錄缺失，10%記錄出錯，5%記錄不全，大坑！

場景三：好不容易整完數據，領導覺得同比環比太簡單，要求搞點模型，結果太復雜，還沒講完領導就搖頭，無語！

場景四：終於得到輸出結果，和業務經驗認知差不多時：“你做的這些我們都知道，做的意義在哪，翻白眼！

結果與業務認知相差很大時：“你做的數據不對，和我們的經驗完全不同，肯定有問題，懷疑人生！

相信稍微有些經驗的數據人員，都或多或少經歷以上的崩潰瞬間。大部分時間淪為取數工具，一堆口徑不統一，填寫不規范的表讓你頭暈腦脹，在數據質量這條坎坷之路上辛苦排雷的同時，偶爾還要被動的接收來自管理層、業務人員的不知所雲的“需求”，最後結果也隻是有好處想不到你，出瞭問題肯定都是數據的鍋。

1、數據人的苦，條條苦入心扉！ 1）淪為取數工具人

每天都在取數，永遠有著一大堆做不完的取數需求，但感覺都是些重復性的工作，即便是輸出報表後，也沒有多大的成就感。天天還是被領導催、被業務催，需求都很急，好像就沒有不急的。

2) 不懂業務

都說做數據分析要懂業務，可是自己又沒幹過運營，又沒幹過銷售，怎麼去瞭解業務？想深究業務的想法，但不知道從何入手，和業務的對話效率很低，即便自己摸索出來的感覺有價值的分析點，業務部門也覺得可有可無，找不到自己存在的價值。

3) 企業認可度低

數據分析不是公司的職能部門，數據分析職責范圍不明確，沒有標準答案，企業領導層對數據部門的認可度，支持度低。

數據部門的構建是一個需要長期投入的部門，常常在技術上花費瞭大量的時間和金錢，但對業務的提升價值見效慢，很難快速證明數據的價值。

即便從早忙到晚，需求也永遠做不完，領導隻覺得這是你的工作效率低下，對數據的信任度低，出瞭問題那也都是數據有問題，很容易陷入到惡性循環中。

2、數據分析的坑，能避則避！

那麼如何能夠讓數據人在數據分析的這條路上少吃一點苦呢？

老李結合瞭自身的實際經驗總結出以下幾點，希望能對數據人有些幫助。

1）流程標準化

接手需求時，拒絕口頭提需求，先填表！建立一張完善的需求申請表，以此你才能瞭解業務部門要數據的目的，需求的類型、需求的輕重緩急、需求的維度和指標口徑、數據的安全性，以便你能更好的調整自己的工作節奏進行資源配置。

其次，保證數據字典的完整性。數據字典主要是用來存放數據庫的有關信息，在數據可設計初期就要重視數據庫的重要性，以相同原則為數據使用者提供一系列的標準，以數據字典進行相應條目的解釋，規范使用者的數據輸入，避免瞭一詞多義，一義多詞，同樣一個字段在不同表裡有不同的定義。

2）懂些業務

都說做數據分析必須要懂些業務，可你沒做過運營，又沒做過銷售，怎麼去懂業務？

首先你可以從公司的組織架構去瞭解你們公司的業務邏輯，然後瞭解公司的商業模式和所在行業的情況。通過以往數據瞭解公司的各項指標的大概水平，以此瞭解以及整個產品的服務流程，前期做到心中有數。

後期可以努力提高數據敏感度，多參與業務會議，查看業務資料，掌握業務流程及其產出數據的作用和歸屬部門，瞭解業務的達成目標和實際問題，並幫助業務優先考慮最有價值的計劃。

3）充分利用BI實現自助分析

當你發現一個或者相似的報表需求反復被提及時，而且這種報表需求可以匯總成一套標準流程時，你可以嘗試借助BI來減輕你的工作負擔。工作從被動接受需求到借助BI主動滿足需求，讓業務人員也擁有瞭制作可視化報表的能力，按照自己的需求在權限管理范圍之內準備數據，做出各式各樣的報表，探索數據更深層次的價值。當然僅僅是上線瞭BI系統還不夠，你還需要定期收集BI需求，不斷對其進行優化迭代，以便滿足業務的變化需求。

4）建立危機意識

當前大環境下，企業的發展速度很快，緊隨著其業務變化也增快。業務重心與方向的時常調整，業務部門的需求也自然發生變化。所以你要時刻以發展的眼光去學習，多多去瞭解行業的前沿技術和思路，去不斷修正自己的職業規劃。

僅僅隻滿足於取數，終將被人所取代。你要在能解決問題的過程中主動通過數據去挖掘和發現需求，推動業務的成長，從報表人員成長為主題型分析師到經驗分析師。

最後，願所有數據從業的苦逼之人，還依然對數據分析保持熱心之人，並打算長期從事此行業之人，能夠借此有所啟發，調整自己的職場思路與方向！