大数据时代，人人都说数据驱动决策，但实际上很多公司观念还是没转过来，我们常看到的，是数据被业务追着屁股要数据，感觉自己才是被驱动的那个。今天就和大家聊一聊，数据分析师想驱动决策时面临的几大尴尬，以及如何主动出击，破解难题。

数据基础设施落后

很多公司领导嘴上高喊数字化转型，实际上拿着数据当牌坊，既不重视底层数据建设，也不规范数据流程，导致内部数据分散混乱，有时想找个数据找半天，拿到的原始数据又脏，严重拖垮了工作效率。

如果领导不够重视，我们平时就要自己尽力推动数据质量的改善，毕竟如果基础建设没做好，苦的永远是自己，这时最好可以拉更多人一起合作。就算是在重视数据分析的公司，每个部门和每个人对数据分析的认可程度也不一样，我们也更应该主动找那些尊重数据价值的人对接。

忽视分析标准建设

数据分析师们常常会犯的问题，就是过于重视指标、忽略标准建设，一谈到分析，张口闭口就是几十个数据指标，只知道罗列数据，但到底哪些是主指标，哪些是副指标，哪些是参考指标，应该把哪几个指标组合起来看，各项指标的标准数值应该是多少，怎么算好，怎么算差，没有一个清晰的标准，到最后做结论的时候就容易模拟两可。

要想真正驱动决策，需要在做分析前多和业务沟通，对上面这些问题达成共识，这样子分析起来就有据可依了，在工作中也要注意积累，下次接到同样的需求也能得心应手。

数据处理太耗时

数据基础设施落后，还会带来数据质量差、不利于数据处理的问题。对很多数据分析师，数据清洗甚至占据了数据分析80%的时间，而这些时间都是在重复繁琐地处理数据，严重拖垮了分析效率。

作为数据分析师，玩转Excel、SQL、Python那都是基本功了，不过这些工具用起来比较笨重，要敲代码不说，而且一直面对密密麻麻杂乱无章的数据，常常会打断思路，影响工作效率。如果想提高工作效率，一款专业的数据分析工具是必备的。

就拿我常用的FineBI举例，最大亮点就是高效、好用。FineBI有一套自助分析的流程。当我们拿到密密麻麻杂乱无章的数据，它不会上来就展示这些枯燥的数据，而是能够引导咱们开始数据处理。

FineBI会在我们开始分析之前，让我们先思考想要什么，明确目标后选择对应的操作，然后选出相关的指标数据，这样就能一步一步靠近目标。这期间我们只需要重点思考实现步骤是什么，不会被满屏的数据打乱思路。

数据清洗、数据抽取、数据计算......在FineBI的帮助下，整个数据处理的过程是非常简单高效的，我们不用再花大量时间在数据处理上，完全可以把精力聚焦在更具价值的业务分析上。

建议不能落地

这是数据分析师们常犯的几个错误，做什么项目就是拿GMV、流量、DAU、MAU、转化率几个指标来套路式分析，但问到具体流程又一问三不知，对不同业务手段的效果没有观察积累，最后给出的报告就是不断重复几个指标，结论就是要提高、要保持，废话连篇，这样的分析没啥参考价值，更不能驱动决策。

业务决策不光是业务人员的事，数据分析人员往往能从数据的角度提出独特的见解。我建议大家多和业务人员交流，至少要熟悉各个业务环节，了解提出数据分析需求的原因，最终得出的结论要有针对性，具体到一条条实际的建议。

汇报没有说服力

报告做的再好，说服不了别人也只是废纸一张。要真正驱动决策，学会展现和表达是必要的。很多人都知道，在报告中用图表代替大量堆砌的数字，有助于帮助读者更直观生动得出结论。但这还不够，高手们不光会做图表，还在考虑怎么让报表“动”起来。

就拿我用的FineBI来说，可以实现多个图表之间联动，我们点到某关键数据，就可以看到关联图表的变化，这样做分析是不是更加直观方便了呢。

我们甚至可以用FineBI制作一张“驾驶舱”大屏，让领导通过一张大屏就能快速get到汇报内容，有理有据有颜值，这样的汇报谁会不愿意听一听呢？

落后的人、落后的系统、落后的流程、落后的工具，都会让数据驱动决策沦为“表面功夫”，到最后领导决策时还是拍脑袋就定了。

但大数据时代，未来不重视数据分析的企业和人总会被时代淘汰。作为数据分析师，我们要做的是多锻炼自身能力，争取加入更好的平台，做出更好的项目，真正发挥出数据的价值。

分析工具

最后，分享一下分析工具，回个“数据分析”就能获得数据分析工具！