做BI的朋友们，为什么这么痛？

本文由菩提创作&＃xff0c;经授权在西湖渔歌公众号原创首发。

本文仅菩提个人观点。

接上一篇&＃xff1a;BI们痛在哪&＃xff1f;

  1.缺少价值认同。2.数据生产资料不足&＃xff0c;且管理混乱。3.对成长的焦虑。

这是第2篇&＃xff1a;BI们为什么痛&＃xff1f;

待完成第3篇&＃xff1a;BI们如何破局&＃xff1f;

1.一张图看BI工作的上下游

BI承接上游的需求&＃xff0c;明确需求背后的动机后&＃xff0c;再对需求拆解&＃xff0c;进而形成分析思路&＃xff0c;再从下游获取数据&＃xff0c;而后输出分析报告&＃xff0c;再得到分析价值反馈&＃xff0c;很可能还需要追加分析。

这其中&＃xff0c;任何一个环节不给力&＃xff0c;都会对BI形成压力。

2. BI的用户:不理解数据或不清楚自己要什么

BI的需求来自CEO、管理层、业务方&＃xff0c;每个需求方对数据的认知不一样&＃xff0c;商业判断力也不一样。

同样是CEO&＃xff0c;财务背景的CEO对数据敏感度高&＃xff0c;数据敏感度高导致大佬们不需要BI解读数据&＃xff0c;只要BI告诉他客观数据就可以&＃xff0c;因为他对数据的解读比BI还厉害。销售出身的CEO有的懂数据&＃xff0c;有的一知半解。其他背景的就不好说&＃xff0c;管理层受自身过往经验、认知的影响&＃xff0c;又身处高位&＃xff0c;有自己的判断&＃xff0c;且判断不轻易被改变。

如果大佬们不理解数据&＃xff0c;中层、一线业务小二们往往更不理解数据&＃xff0c;因为很多企业的运作自上而下。

如果有个大佬&＃xff0c;每天要和他的团队review数据&＃xff0c;那这条线的BI就该笑了&＃xff0c;因为他们会被需求方重度依赖&＃xff0c;自然也多了机会。

而现实往往比较残酷。经常是大佬们临时想起来要看个/些数&＃xff0c;他们也不知道数据背后的流转、逻辑&＃xff0c;还把BI当成乙方的角色&＃xff0c;心里想着数据不就得按照我想的来。根据菩提的观察&＃xff0c;越传统的行业&＃xff0c;对数据的认知越处于石器时代。

即使在数据大行其道的今天&＃xff0c;依然有些合作伙伴不了解数据。我们和某业务管理团队沟通数据需求&＃xff0c;业务老大说&＃xff0c;我是传统行业过来的&＃xff0c;不懂数据&＃xff0c;我提不出需求。

除了需求方不了解数据&＃xff0c;同时&＃xff0c;需求方可能商业判断力也不太够&＃xff0c;没有体系化的思维&＃xff0c;不知道业务哪里出问题了&＃xff0c;也不知道BI能帮他解决什么&＃xff0c;于是变成条件反射&＃xff0c;提各种临时、琐碎的需求给BI&＃xff0c;口头禅变成你们BI从数据上看看吧。

这时候&＃xff0c;BI不管出于什么样的原因&＃xff0c;如果无法输出高价值的商业分析&＃xff0c;又处在乙方位置&＃xff0c;价值感就会油然下降。

进而&＃xff0c;需求方就会对临时、琐碎的数据需求形成依赖、惯性。因为需求方不知道BI能做什么&＃xff0c;BI也没有告诉需求方BI可以做什么&＃xff0c;仿佛双方都接受了临时取数的现状。长此以往&＃xff0c;对BI来说就很难从沼泽地抽身出来。

这种情况下&＃xff0c;BI必然痛&＃xff0c;痛在没有价值&＃xff0c;痛在对成长焦虑。

3. BI的数据生产资料不足

巧妇难为无米之炊。BI依赖好的数据中台、数据仓库&＃xff0c;如果底层数据质量差或者数据缺失&＃xff0c;就是BI的灾难。BI如果有10分的时间&＃xff0c;可能6分得用在数据获取、清洗、校验上。

BI和ETL的协同一直是常见问题&＃xff0c;BI把自己当ETL来用的情况&＃xff0c;不少见。

残酷的现实&＃xff1a;业务先行&＃xff0c;技术为了满足业务需求&＃xff0c;忙着搭系统&＃xff0c;顾不上数据&＃xff0c;甚至都没想起来数据&＃xff0c;也没有数据的意识&＃xff0c;系统迁移、接口变化未必告知数据&＃xff0c;更不要说数据采集、数据规范之类问题。或者业务系统本身就是个半吊子&＃xff0c;一部分数据在系统&＃xff0c;一部分数据在线下维护。这种情况下&＃xff0c;数据集市、数据仓库必然难以满足BI的需求&＃xff0c;其实ETL也是被背锅的。

在企业一定的发展阶段&＃xff0c;数据建设差&＃xff0c;可以理解。因为所有的企业必须先活下来&＃xff0c;活下来就需要业务滚起来&＃xff0c;资源向业务、向销售倾斜&＃xff0c;BI、ETL的人又贵&＃xff0c;产出还不直接&＃xff0c;导致数据建设迟迟没有进展。

随着企业发展到一定阶段&＃xff0c;数据会成为制约企业发展的瓶颈。菩提沟通过的有些企业就面临这样的现状&＃xff0c;公司几百号人&＃xff0c;没有1个专业做数据的人&＃xff0c;又似乎从业务到财务&＃xff0c;人人都在看数据。他们再不做数据化的管理&＃xff0c;管理边界就无法扩大&＃xff0c;团队中人人竭尽洪荒之力从各个系统中&＃xff0c;给自己和老板找数据&＃xff0c;但各团队的数据从来没对齐过&＃xff0c;管理无处下手。

这种情况&＃xff0c;一方面取决于管理层怎么看待数据化运营和管理&＃xff0c;以及企业长期发展&＃xff0c;另一方面也取决于数据团队的战果能不能说服管理层。

底层数据质量差的问题&＃xff0c;对于BI个体来说&＃xff0c;在短时间内很难改变&＃xff0c;我们能改变的只有自己。

4. BI自身&＃xff1a;商业分析的意识、思维、方法不够

打铁需要自身硬。自己硬气的话&＃xff0c;需求方再不靠谱&＃xff0c;底层数据再差&＃xff0c;依然能找到自己的价值。

最糟糕的是&＃xff0c;被需求方和底层数据同时夹击&＃xff0c;自己又无力还招&＃xff0c;这种状况持续得不到缓解&＃xff0c;就只能越来越越痛。缺少价值感、生产资料不足、对成长焦虑&＃xff0c;这3个痛还时常并发。

一起看下&＃xff0c;商业分析和临时取数的差别。

商业分析必须站在业务1号位思考&＃xff0c;甚至超越业务1号位。

可能有人说&＃xff0c;为什么我1个BI可以站在1号位思考&＃xff1f;

1&＃xff09;因为BI独立&＃xff0c;不局限于服务业务中的单个角色、单个环节&＃xff0c;是第三方视角&＃xff0c;不会被业务的各种屁股决定脑袋所牵绊&＃xff1b;

2&＃xff09;因为BI有全局观&＃xff0c;业务的上下左右、里里外外都会观察&＃xff1b;

3&＃xff09;因为BI专注某一问题的深入分析&＃xff0c;业务被太多问题牵绊&＃xff0c;很难有时间、精力去深入的看一个问题。

4&＃xff09;因为BI在分析领域更专业&＃xff0c;很多产品、业务是半路出家&＃xff0c;对于数据、市场、用户都一知半解。

当把独立、全局、专注、专业4个因素组合在一起的时候&＃xff0c;会产生化学反应&＃xff0c;这就是BI的价值。只要BI不把独立、全局、专注、专业4个立身之本丢掉&＃xff0c;BI就有价值。

菩提见过最辉煌的BI团队&＃xff0c;即使底层数据一团糟&＃xff0c;也不受影响&＃xff0c;因为他们的商业分析价值太明显&＃xff0c;每个分析项目启动的时候&＃xff0c;各路资源都会为他们开道&＃xff0c;他们几乎不自己直接去捞底层数据&＃xff0c;都是告诉支持团队&＃xff0c;他们要什么样的数据&＃xff0c;由支持团队帮他们做预处理。他们的大部分时间都花在分析框架的设计、分析过程、分析结论的梳理上。

数据分析和产品一样&＃xff0c;以终为始&＃xff0c;只有解决问题的分析才有价值&＃xff0c;商业价值是企业追逐的&＃xff0c;也只有能输出商业分析的分析师&＃xff0c;才能长久立足。

这次调研中&＃xff0c;蛮惊讶的是&＃xff0c;10个人中竟然有2个人提到&＃xff0c;觉得分析师未来的成长空间小&＃xff0c;岗位会被替代。

菩提的理解&＃xff1a;会被替代的是低价值、可以标准化的流水线工作&＃xff0c;商业分析需要好的商业洞察、分析框架和逻辑、分析方法&＃xff0c;很难被替代。

好的分析师和好的产品经理一样&＃xff0c;1人难求。顶级的分析师最重要的特质是商业敏感度、思维方式&＃xff0c;看看那些投行里的分析师齁贵齁贵&＃xff0c;这种分析师到哪都抢手&＃xff0c;做好了&＃xff0c;不用担心以后没有机会。

少些焦虑&＃xff0c;把能量放在思考、学习上&＃xff0c;提升分析质量是关键、王道。信心和价值要靠自己赚回来。

5. 小结

BI受需求方和底层数据的两面夹击&＃xff0c;需要有好的内功&＃xff08;商业洞察力、分析能力、沟通能力&＃xff09;&＃xff0c;一方面理清需求&＃xff0c;超越需求&＃xff08;1号位思维&＃xff09;&＃xff0c;进行问题拆解&＃xff0c;一方面从各种渠道获取数据&＃xff08;BI不止从数据仓库拿数据&＃xff0c;也要向市场、行业、用户拿数据&＃xff09;&＃xff0c;而后用系统化的方法去分析、验证&＃xff0c;最后产出分析报告。

内功不到位&＃xff0c;又被需求和数据源双面夹击&＃xff0c;生存和发展当然就难。内功到位&＃xff0c;则可以向需求、数据源两个方向都给自己撑开空间。需求和数据源是外因&＃xff0c;以一己之力&＃xff0c;很难快速改变&＃xff0c;只能缓解&＃xff0c;练内功才是正解。

找到了问题的根源&＃xff0c;便能找到破解之道。

下1篇&＃xff0c;菩提会讲BI如何破局&＃xff1f;没有捷径&＃xff0c;只有痛定思痛&＃xff0c;认清现实后&＃xff0c;改变和提升自己。

热门文章

直戳泪点&＃xff01;数据从业者权威嘲讽指南&＃xff01;

AI研发工程师成长指南

数据分析师做成了提数工程师&＃xff0c;该如何破局&＃xff1f;

算法工程师应该具备哪些工程能力

数据团队思考&＃xff1a;如何优雅地启动一个数据项目&＃xff01;

数据团队思考&＃xff1a;数据驱动业务&＃xff0c;比技术更重要的是思维的转变