来源：接地气的陈老师

“到底咋样算进阶？”是很多做数据的新人同学在知识星球里经常提出的问题。

网上的文章铺天盖地的都是“如何入门”，“快速入门”一类。可真正做上数据分析以后才发现：根本学的就是个屁。每天都在跑数，真正的算法工作离自己一万多里。所以到底前途是啥？

以上诸多疑虑，症结核心，在于：网上的文章大多基于课本来写。因为书本上都是第一章讲pycharm，anaconda，第二章讲pandas，第三章讲matplotlib，第四章讲numpy，第五章讲sklearn。

所以作者们想当然地以为做数据分析就是第一步安装软件，第二步取数，第三步可视化，第四步机器学习模型，第五步业务跪倒在自己脚下俯首帖耳，说：数据分析真牛逼，快来驱动我……

醒醒了喂！

真正进入公司以后，就会发现，数据分析工作最大问题就是：存在感稀薄。数据驱动业务？那是：老板拿数据驱动业务。至于做数据的自己，在大部分公司就是打杂的。那些产品经理、运营、销售、策划心中，都觉得自己可懂分析了，就差一个跑数的。做数据的你就安心跑数好了。

而且，做业务的尤其喜欢说：“我看朋友圈的数据分析文章，我都会了，可我司数据分析师连大数据精准推荐，这么简单的事都搞不出来，都怪他们！”——做数据的不但工作打杂，还容易背锅。

所以，真在企业里上过班就会明白：想要摆脱窘境，真正要干的就三件事：

1、争取独立项目的机会，不当扫厕所的

2、清晰工作范围和边界，不背无妄之锅

3、展现工作效果与成绩，争取内部认可

有了这三个，才能让自己多立功，少背锅。这三点，才是从等着别人来要数的新手，向独当一面的成熟数据分析师的真正转变。具体怎么干，下边简单说一说。

1   如何争取独立项目

新人在学习阶段，都练习过网上的所谓“项目”，什么泰坦尼克、淘宝购物、某国信用卡之类。真实企业项目和这些网红项目最大区别在于：没人给你安排好做什么。如果干坐着等别人安排，就等着接电话：“这个数据老板要，下班以前要给到”。

想争取项目，陈老师之前有一篇详细的分享，在文末可见。这里想强调的是：一定要做好常规数据需求统计。想要在琐碎、零散、日常的工作中发现机会，靠的是细心的分析，而不是别人的施舍（如下图）。

基于需求统计表，能主动发现：

哪些部门需求多？

哪些需求要的急？

哪些是从0到1起步？

哪些需要复杂分析支持？

哪些能用固定工具承接？

哪些是老板的关注点？

这样就能摆脱遇到事只会傻憨憨问业务，结果被一句“关你屁事”顶回来的尴尬。找到意愿合作的部门，找到有价值的合作项目，都靠这样一点点沉淀，而不是从天上掉下来的。

2   如何清晰工作边界

清晰工作边界就是为了不背锅，没有其他缘由。

要牢记三清原则：

1、有数据还是没数据，要分清！

2、有标准还是没标准，要分清！

3、有方案还是没方案，要分清！

没有数据，无法分析。这是废话，但是恰恰最容易被忽视。在业务眼里，永远是：“我们的数据很大呀，而且都在哪里，就差个人来分析了”——一大坨屎，也是很大。业务是不会去扣数据细节的。事先不做好功课，事后面对一堆脏数据，巧妇难为无米之炊。

没有标准，无法评估。这也是一句废话。但是业务口中，经常是：“我就是要增加销量呀；我就是要提升活跃呀；这是老板说的要做，你管他那么多呢”。看似有目标，实则不具体。这时候如果不主动提醒，事后想再补充。就变成：说业务好，自己就是应声虫，对老板没意义；说业务不好，等着被业务喷死。进退两难

没有方案，预测不准。这也是一句废话。投100的券和投10元券转化率能一样吗。好文案和差文案转化率能一样吗。脱离业务方案去谈预测、谈走势，都是夸夸奇谈。可偏偏教预测的书本都讲的是数据处理方法，很少讲如何结合实际，因此这一步也经常被忘掉。

以上三原则，是很多新人碰得头破血流以后总结的要点，字字带血。然而这也是新人最容易忘记的点。因为在自学阶段都是对着现成的数据集，现成的背景，现成的书去练，从来没人教怎么具体问题、具体沟通。就容易在干活时出问题。

3   如何展示工作成绩

数据分析的成果，就类似“哥伦布立鸡蛋”的故事——你说出口之前，大家都觉得不可能；你说出口以后，大家都说：我早想到了！这个很简单。所以单纯地在口头报几个数、提几条建议，完全不能证明这是自己的成绩。反而把业务教聪明了，以后的分析需求越来越复杂，越来越难搞。

因此，才有数据成果三标准：

1、输出数量可量化

2、结果可重复使用

3、过程封装看不懂

具体如下图所示：

想实现这三标准，单纯地靠写ppt，做口头汇报是肯定不行的。上数据产品势在必行。但想从零散取数，直接升级到一套完整的数据产品也是不现实的——业务等不了那么久，也不会停下日常工作。因此要有产品升级的意识，逐步地向完整产品过度。

我们积累的技术能力，是在这个场合用的。在时间、数据质量允许范围内：

1、能做报表的，不用临时取数

2、能上系统的，不用手工报表

3、能上体系的，不用孤立指标

4、能上模型的，不用业务规则

5、能固化规则的，不每次跑数

6、能固化标准的，不专题分析

总之一步步升级，手工操作、临时操作、个性化操作越来越少。产品功能越来越丰富，预测精度越来越高，查询速度越来越快，定位问题方法越来越简单，我们的价值就越大。

以上，是从菜鸟到中级的破局思路。啥时候算修炼成功？

往简单说，就是独挡一面。往细了说：

在成果上，中级数据分析师能独立解决问题。

在工作中，中级数据分析师能应对业务的“蠢问题”。

在方法上，中级数据分析师能沉淀经验，而不是到处抄。

具体的表现是：等你在面试或者年终述职的时候，不需要傻憨憨地说：我做了好多分析。而是很清晰的讲出来自己的工作数量、输出产品、分析模型的时候，就算成功了。

然而遗憾的是，很多新人注意不到这些问题。

比起在具体问题上深入讨论，他们更喜欢发牢骚，抱怨自己的公司太low，如果能进入头腾阿这种大厂，肯定是山清水秀，鸟语花香；

比起深入思考业务场景和业务流程，他们更喜欢看“底层逻辑”“核心模型”，并且孜孜不倦的在网上找《国家权威认证方法》。

比起解决问题，他们更喜欢人手一本《21天0基础精通机器学习》，认为学了这个头腾阿的某一家就会看上他了——总之，牢骚太多，细节太少，想进步，肯定很难了。

能独立面对并解决问题以后，我们能探讨一个10人部门以上的，领导级的高级数据分析师需要什么技能了。在成果上，高级的数据分析师不仅要解决问题，更得明白“要做成什么样”主动引导业务发展。

在工作中，本文仅仅探讨了业务犯蠢的时候会怎样，还有一种就是：“不蠢，但是坏！”高级的数据分析师有能力影响决策，就得面对更多坏人，有能力斗智斗勇。