不想做人肉跑数机，数据分析师要掌握沟通能力

编辑导语：想成为一个有地位的数控据分析师，单靠技术和理论是不够的；职场中沟通能力也是必须需要掌握的一个关键技能。本文作者从沟通对象、沟通目标和沟通方式三个方面出发，对数据分析师如何掌握沟通能力进行了分析梳理，与大家分享。

“那谁谁给个数！”是数据分析师最讨厌听到的话。如果有更讨厌的，就是在你快下班的时候，突然一个电话打过来“那谁谁快给个数，我们总监马上要看，如果有问题让你老板亲自给我们总监解释！！！”——听完砍人的心都有了。

于是很多小哥小姐姐挂着“数据分析师”的title，实际上干着人肉跑数机的活，日写sql两千行。结果一年下来，我分析了啥？连个像样的分析项目经验都没有。还经常被人嫌弃：“不就是个数吗，搞那么慢，人家外边都人工智能大数据分析了呢！一定是我们的分析师能力不行”。

想摆脱这种尴尬状况，单纯靠跳槽和买彩票差不多。鬼知道下一家企业是不是也是这德行。除了换坑碰运气以外，还得苦练内功。数据分析的地位都是自己争取来的，想要别人看的起，就得会沟通，会争取，做出更多有意义的工作让人刮目相看。这里的第一步要从沟通做起。数据分析师要理解业务，要确认需求，要推动项目，都靠沟通。

一、沟通对象

那种数据分析说什么就是什么的理想企业，只存在于公众号软文里。在真实的企业中，不是所有部门都那么好说话的。要看清自己所在的企业的风格，看清各个业务部门的地位和处事方式。选择那些尊重数据、认可数据的人合作。这样才能减少碰壁，少背黑锅，多出成绩。这里有个2维度的简单标准，供大家参考。

新兵锐将是最理想的，但这些人可遇不可求。所以其他三类也可以试着沟通。遇到骄兵悍将时优先考虑自己不背锅，因此尽量走正式沟通，留书面确认文件，小心伺候。针对疲兵倦将，如果没有找到解决痛点的办法可以先不搭理他们，免得被怼。虾兵蟹将里，找一些有积极性的人，就很容易促成合作，至于破罐子破摔的死虾，就由他去吧。

二、沟通目标

我们想得到的信息如下：

• 业务部门的近期动作
• 业务部门的工作目标
• 业务部门的工作流程
• 业务部门的评价标准

有了这些，我们才知道到底最近发生了什么；在解读数据的时候才能有贴近业务的思路；在接收业务部门需求的时候，才能判断轻重缓急，帮他们设计更好的方法。这些东西都写在业务部门的方案里，但是他们懒得讲、不会讲、不想讲。但凡做过业务的都知道，业务部门最讨厌的就是各种汇报审批流程，平时都是能省则省。所以在沟通方式上要想些办法，硬邦邦的去问，肯定被人硬邦邦的怼回来。

我们想输出的成果如下：

• 统一数据口径
• 统一评价标准
• 统一分析格式
• 建立汇报机制
• 争取独立项目
• 开发数据产品

虽然我们常说：数据驱动业务。但是一口是吃不成胖子，要一步步来，逐渐掌握主动权。首要做的是把“标准”拿到自己手里。业务部门也会自己做分析，甚至有些部门自己招了写sql的人，单纯提数、写分析报告甚至建模是个人都能干。数据真正的核心价值，除了建立数仓以外，就是客观中立的地位。老板们最讨厌的就是业务部门自说自话，口径混乱，邀功请赏，推诿托词。

所以我们可以从这一步做起，先帮忙梳理，统一口径和标准，在老板那里慢慢建立信任。之后再推动有一个固定的汇报沟通机制，为自己争取一个合法席位。最后才是做独立项目和建立数据产品。

三、沟通方式

具体的沟通方法、话术有很多，这里特别强调三个比较容易被忽视的细节：

1. 巧妙利用非正式沟通

多利用午餐、打农药、聊八卦、谈球赛、交流娃娃的奶粉尿布等机会，和业务部门混到一起。先建立感情再谈工作。这样大家心烦的时候会跟你吐槽，也就自然能拿到更多细节问题。了解业务部门具体痛处，就可以启动一个正式话题。一个好的数据分析师，在企业人缘也差不到哪里去。

2. 从解决具体痛点入手

开始正式话题后，从解决业务部门痛点角度切入。所有人都憎恨汇报和审批，所有人都喜欢有人帮忙，所以聊如何帮助别人解决痛点会更受欢迎，引发业务的重视。在业务部门工作流程中，需要用到数据的地方有很多，痛点也很多，举例如下，大家自己慢慢体会

PS：上边列了这么多痛点，同学们平时感受到多少？如果从来没听业务抱怨过，那就说明人家没把你当自己人。当然你会拿不到全面的信息，也做不出业务认可的结果了。熟悉陈老师的同学都知道，陈老师吐槽功力深厚，每次都吐到很细节很具体的点上，这正是平时长期跟业务打交道的结果。企业不是学校，没有标准教科书。正是因为知道很多业务细节里的小九九，在分析的时候才能切中要害。

3. 随和开始，正式结束

启动话题可以很随和，但结束话题一定要正式。确认完工作目标，内容，输出时间，就正式发邮件，CC双方领导确认工作内容。这样日积月累，项目成果越来越多，获得业务的信任也越多。到年终总结的时候，可以说的东西才多。而不仅仅是我去年跑了个表……

有了第一步，第二步是定义问题。业务部门问数据分析问题，往往不是问一些很基础、很体力的问题，就是直接跳到一个很玄幻、很无解的问题。本质上这些都是外行咨询内行的结果。因为不了解数据分析工作方式，所以总是平时不关注，出了事就指望阿尔法喷火大恐龙一口搞掂。这就需要数据分析师来主动定义问题，选择合适的分析方法。以后我们来分享。