老师我想问：每天都在取数，感觉不到技能增长，怎么破！

有同学问：老师，我现在说的是数据分析，可我就是个跑数的，没有需求就没事做。感觉不到技能增长，好焦虑。

(>﹏<。)～呜呜呜……

答：不要焦虑，这又是个典型的“做数据的不看数据”的问题。有个搞笑的老片子叫《有话好好说》，里边有个老教授对一个卖书的年轻莽夫说：“别光卖书，有空把卖的书读一读”，俩人反差之大，让人映像深刻。虽然说拿来比喻跑数的同学们并不准确，却也非常形象。

有多少跑数的同学，真的研究过自己跑的数是什么呢？随便问几个问题，看看能不能答上来（难度分0-5分，5分满分）：

• 这个数据是哪个部门的数据？（难度0）
• 这个数据是这个部门的哪个组，哪个人的？（难度0）
• 这个人负责什么业务？（难度1）
• 他为了观察什么情况，来看这个数据？（难度2）
• 具体这个数据的哪个数值能推动他干事？（难度3）
• 这个数值多大的时候他会做事情？（难度4）
• 这个数值不同的范围，他会干的事有什么区别？（难度4）
• 他还想看什么数据？为什么他想看，却不提需求？（难度5）

很多同学喜欢看《如何构建数据指标体系》的文章。其实上边的过程就是构建数据指标体系的过程。然而，大家平时不习惯自己去思考，总是等着别人喂食，所以就放弃了这种自己思考的机会。可实际上，从别人那里看来得所谓《构建指标体系》的文章八成也用不上，因为每个公司的业务总有区别，即使业务差不多，具体的数据字段也会差很多。所以基本也就是看完呵呵一笑而过了。

有了上边的思考，就可以对需求分类：

• 同一个部门，同一个业务的零散需求是不是可以合并？
• 同一个部门，同一个业务的反复出现的需求，是不是可以固定输出？
• 固定数据的需求，是不是可以不跑数了，固定成报表？
• 有这个业务的报表，但还有零散需求，是不是可以扩充报表？
• 一些临时难以满足的复杂需求（预测、分类、关联关系）是不是可以在时间人手充足的时候上模型，而不是拍脑袋？

你看，就这样一步步梳理，把零散变成固定，把固定升级成报表，把报表做充分、使用率做上来。从报表中挖掘出建模需求，最后上模型。这就实现了数据分析的消费升级。

很多同学抱怨自己在公司只能跑数，没“高级”需求做，殊不知“高级”的需求，也是需要孵化出来的。因为本质上业务方不是需要一个神仙来取代自己挣钱，而是需要数据量化支持。反而是没有数据积累，张口就要：“大数据！”“人工智能！”“数据驱动！”“精准预测！”的项目，有极大概率是万人坑。期望过高，死的就很快。

不过这个过程需要练习。比如问问题的这个同学，我在等着他回复梳理后的需求，基于梳理后的需求表看到底能怎么提升。希望大家也多练习起来。