让管理者能基于数据做高效高质量决策，是每个数据分析人员的使命。
但是，面对快速变化和日趋激烈的竞争环境，数字化转型多年，企业内常见的一个矛盾，依然是业务灵活多变的业务分析需求，和数据资产和数据提供不及时、不完整、不充分之间的矛盾。
业务常常抱怨，数据需求总是被漫长排期、和IT的沟通总是很费力、想要找的数据总是不知何处、数据质量总是不尽如人意——数据分析的前期工作，就已经耗费了分析任务70%以上的精力和时间。
这里有十条实用的建议给到base业务的数据分析人员——通过“数据需求”做好桥接，和IT部门的数据提供者形成默契配合，进而让数据分析的取数变得更加高效。
01
深入了解业务目标
在提出数据需求之前，自己先深入了解业务目标和问题。要有几个明确：给谁、解决什么问题、能指向哪些行动？这次的问题分析是一次性的，还是经常会发生？先要有一个框架性的思考。
举个例子，降本增效，你要做个费用花销的异常监控分析。给谁用？答：业务部门管理者。他们看了这个分析报表能解决啥问题？答：让他快速了解自己部门的成本进度，找到成本管理的漏洞；看了分析报告导向哪些行动？答：警告超标人员、合理费用控制等。
自己先理解业务上下文，和最终数据使用者沟通好【分析目的】，是重中之重的。
02
清晰问题陈述
以清晰、明确的方式陈述你要解决的问题。不管你的需求是个明细表、临时取数、还是一个固定看板，黄金标准就是：能不能给你的数据需求起一个清晰的名字，并一句话说明业务价值？
这很考验一个人的总结、概览和表达能力。不要说这不重要，如果你不是全栈式一条龙能自己解决问题，请磨砺这项技能。
03
规范相关指标和术语
数据需求最忌讳的是，把一堆只有表头的excel表，甩给IT数据开发——请给我取数。你的专业性起码体现在，应在excel表格中细化你需要的数据字段的定义和计算方法。
如果涉及到指标、维度、标签，请使用组织规定的数据命名规范，以确保所有人对数据的理解一致。这有助于避免混淆和错误，提高数据的可理解性，也帮助TI数据提供者更快地找到正确的数据。
事实上，很多企业没有业务可参考的“指标规范”和“业务术语”文档，只靠口口相传。如果你无力改变现状，也请做好自己——咱把自己的口径、定义和用途，想得清清楚楚明明白白。
04
了解数据来源
列了一堆报表样例、宽表需求，几十个字段。但这些数据都从哪里来？指望公司数仓管理员能回答？你可能想多了。
一个优秀的业务分析人员，对业务相关流程和业务系统应该是要非常熟悉的。这些数从哪个系统中取是最合适的、谁在录入这些数据、更新频率如何？——这不仅是数据核对的前提，更让你在和IT伙伴沟通的时候，胸有成竹，更加默契。
05
对数据质量要有认知和预判
了解数据来源，就能一定程度上预判质量，进而保障数据的准确性和可信度。
不知道你也是否经历过——千呼万唤始出来，数据拿到了——打开一看，带给自己的不是惊喜，而是惊吓——数据质量低到完全无法使用。
提前预判数据质量，不仅能过滤掉不切实际的需求，减少不必要的损耗，还助于确保分析结果的可靠性和可解释性。
06
提供数据示例并模拟分析
如果可能的话，提供一些数据示例可以帮助数据提供者更好地理解你的需求。特别是从来没计算过的指标、分析模型。最好拿一些样例数据算过一次，或者哪怕是模拟数据计算过。
相信大部分的分析，excel上是可以演练一下的。这有助于帮助自己进一步细化和清晰分析逻辑。
IT小伙伴见到线下表都从未落地过的数据需求，也是退避三舍的，因为这大概率预示着——你们要共同走向一个前途未卜的迷雾森林。
07
做好需求长短规划，确认优先级
根据业务需求，合理规划数据提取的频率。你的计划性决定了你的整体成果效率。
提前规划数据需求，特别是对于重要的项目或周期性的分析，做好优先级排序。这样可以避免临时需求导致的不必要延迟。
08
主动与IT部门建立亲密关系
不要觉得数据开发就是取数机器，也不要指望他们是万能百事通。
大部分IT人员是很乐意和业务探讨沟通的。请积极一些，与他们主动建立良好的沟通渠道，把前述建议的1-7项展示给他们。同时了解IT取数的工作流程和约束。
此外，多一些耐心。有时候获取数据需要一定的时间，特别是对于大规模、复杂的、多系统融合的数据集来说。在这个过程中，要了解卡点共同解决，而不是指望投诉告状解决问题。
给予IT闭环反馈，包括认可和感谢——当数据提供者为你提供数据时，记得向他们表示感谢。他们的工作非常重要，但往往容易被忽视。
09
学习基本的数据查询技能：
求人不如求己。
请学习基础的数据库知识。了解基本的数据库概念和术语，这可以帮助你与数据提供者更好地交流。
熟悉基本的数据查询技能，如SQL，了解如何编写简单而有效的查询。必要时候自己上手，不仅能够加快数据提取速度，还能减轻IT部门的负担。
如果公司有自助BI平台，第一时间申请账号用起来；如果公司暂时没有，可自己下载免费的Power BI或者FineBI等用起来。
数据分析领域不断发展，我们都要保持学习的状态。积极去了解新的工具和技术，不断改进自己的分析技能，以适应业务和技术的变化。
10
思考自己的定位
如果你base在业务部门，但工作几年了还只是一个做简单数据分析的表格表姐，做做excel，粘粘ppt，也很难参与到业务规划和业务决策中，那还是要多一些警惕。
与其长期抱怨数据获取难，数据需求不能被满足，还是要思考一下，怎么积极主动解决这个问题。无论是自己是深耕业务领域沉淀更多思路引导IT，还是转到数据技术侧深入发展，都是破局的最好办法。
来源：一个数据人的自留地