依法严厉查处收集个人信息违规行为

准确、守时、稳定的数据支持，是数据人和数据部门的“立根之本”，也是建立“数据权威”、与合作方建立信任关系的基础。

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

 

第一步：提高数据支持类工作效率

数据支持类繁杂，但又不得不做，基础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。

 

数据分析到底应该怎么做才能驱动业务?

在回答这个问题之前，我先带大家认识一下数据分析师的工作。

数据分析师的日常工作大体可以分为两类，一类是数据支持，一类是数据驱动

初级数据分析师的工作都是在花大量的时间做数据支持工作，负责日常报表搭建、开发、上线，承接临时需求，根据业务需求制作一些描述性的分析报告，完成埋点需求的拆解和流量分析等。

而数据驱动类的工作，则是通过数据分析来发现业务问题，从而优化产品路径或运营策略，或者通过数据分析支持领导决策。

大部分数据分析师苦恼的问题是，数据支持类工作占据大部分甚至全部的工作时间，难以获得成就感，工作价值也难得到领导和业务认可，清楚的知道数据分析要发挥更大价值，必须要落地于业务，但是说到数据驱动业务，又不知道从哪下手。

总结一下，数据分析工作难以驱动业务的原因，有下面三点，下文将针对这

（编辑：鞍山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!