在线客服
电话咨询
关注我们
立即体验

数据分析师是如何“沦为”支撑工具的?

2021-08-12 10:51:38

随着数据分析在很多企业里被重视并被大规模推广,企业数据化转型也都在提数据驱动,数据赋能。但很多数据分析师慢慢发现,虽然为业务做了很多数据可视化报表、数据接口服务,但个人成就感却不足,甚至开始怀疑数据工作的价值,感觉自己逐渐沦为支撑工具。这可能有以下几方面造成的:



1. 数据需求不断增加,用于数据研究的时间却大大减少

在大数据时代,企业要进行数据化管理,对产品和运营都有前期分析、过程监控、结束复盘总结等要求,这些要求都需要数据分析师支持。平均到每个产品或数据开发,就心有余而力不足,很难有精力去细致思考了。导致看着很忙,其实是在做很多简单重复的事情。


2. 迷信数据平台,与具体业务脱节

数据从采集到应用,几乎每个环节都会有数据平台或工具参与进来,这又制造出许多平台数据产品。这类产品最大的问题是花很多的时间去构建数据开发软件、数据应用平台,但离业务却渐行渐远,逐渐失去了对数据分析本质的关注。只是给用户提供了数据工具,用户用工具怎么去解决不同业务场景下的具体问题,就不关心了,最终沦为纯工具型数据产品。


3. 安于惯性思维,不愿轻易作出改变

对来临的新的数据需求时,分析师第一反应就是用传统的方法去处理,而不是考虑有没有新的、更简单的方法去提升效率。这样就导致没有更多的时间去思考和研究。


4. 业务部门的要求与数据部门供给不平衡

业务部门,如产品和运营部,需要数据部门帮助他们完成指标监控、数据报告、决策建议等一条龙工作。而数据部门因为需求多、对业务了解深度不够等原因,不能给出超期望的“赋能”。长此以往,业务和数据人自身,逐渐就默认成为“支撑”了。