BAT|知乎百万热议：互联网已成红海，为什么BAT却不涉足传统制造行业( 二 ) 知乎|数字化转型

领导看不见的东西：

你sql写了很长很长时间，就是一个机器，一度怀疑自己
你的工作得不到别人认可，成就感低，一度想离职

这些都是数字化转型中会遇到的问题。
其实，数据在没有积累到一定程度时，是很难发挥出它的智能价值的，绕不过“看数”的阶段。只要业务成熟到一定程度，数据才能发挥出它的增值潜力。
数据如何驱动业务
第一步：提高数据支持类工作效率
数据支持工作繁杂，但又不得不做，数据维护是业务正常运转和项目推进的基础，既然无法避免，我们只能通过效率提升来缩短时间。
1、规范需求流程
面对业务繁杂、多样的需求，我们可以规范化需求提出、需求评估与承接、需求开发与数据结果校验等的流程，一方面避免因为需求评估、排期和业务扯皮，另一方面也培养了数据分析师的工作习惯和分析问题的思维。
2、管理业务预期
对业务需求做好优先级排期，除非紧急性需求要以最高优先级最短时间内交付结果，其他的需求按照正常的节奏产出。
做好需求排期和需求交付的公开透明公示，避免业务方因为不了解而猜忌是数据同学敷衍拖延，需求管理的本质是承诺管理，自己承诺出去在什么时间交付什么结果，自己就得尽全力做到，除非有不可抗力。

第二步：搭建基础数据设施，常规问题工程化
在业务的数据支持需求中，有一部分需求是可以通用的方法解决的，比如日常的报表查询、制作等，这些问题可以直接做成通用报表，让业务自行查看。
一些中大型企业会通过报表平台的建设来完成一些固定报表模板的开发和管理，比如通过报表工具FineReport直接与数据库对接，并将数据库中的数据按照字段实时更新，这样就解决来取数的问题，做好的报表模板可以实时更新数据，并且可以集成到OA系统、ERP系统之中，这样就避免了很多重复的数据支持工作。

剩下的问题再根据重要性和紧急程度逐个攻破，相信这时数据分析师应该有时间着手其他问题了。
第三步：理解业务，掌握主动性
在我的理解里，数据驱动就是：通过数据分析理解业务，验证思路，发现利用率不足的资源并对之进行重新整合，从而做出ROI高的增量价值。
在我们做了很多数据支持工作之后，你会发现数据只是充当了一个辅助工具，帮助业务验证某一个已有的想法，而不是去帮助业务解决问题。数据驱动应该是全面、系统地从数据角度发现和解决业务问题，是一个数据建模的完整过程，而不是仅仅让数据在辅助验证某一个想法。
所以数据分析师来说，对业务的深刻理解和判断是数据驱动的上限，掌握再多数据分析模型、思维和方法，也只是让你不断的逼近这个上限。

那如何快速理解业务？没有捷径，最关键的就是：多问。
大部分的数据分析师都是被动接受需求，根据业务提供的逻辑完成需求。但业务理解数据能力往往是不如我们的，所以就需要数据分析师掌握主动性，多去和对接的业务方了解对方要做什么，进而盘一盘我能为他要做的事情提供点什么。
第四步：搞定“人”
数据分析师搞定了自身能力，剩下最大的阻碍的就是搞定“人”：怎么让业务部门、集团领导能够心甘情愿的使用数据分析，参与数据分析，从而看到数据分析的价值。
在这个问题上，我有深刻的体会，在我刚开始组建数据团队的时候，非常渴望和业务合作一些项目，搞点事情来让领导看到我们团队的价值，我第一个想到是找业务部门的领导描绘我蓝图，但是被一口拒绝了。