面对同一个场景，不同的数据分析师会有不同的应对策略。这篇文章从数据分析师出发，列举了五个数据分析师在工作中会遇到的问题以及对策，总结出了做优秀数据分析项目五大坑点，帮助数据分析师更好的应对职场生活。

场景还原：某互联网企业的B2B商务拓展团队，主要通过电话销售联系潜在客户，外呼名单管理混乱，只有客户企业名称、联系电话两个字段，销售成功率极低，且团队管理混乱，只记录成交金额，没有对未成交原因做记录，也没有跟进记录。业绩完成差，团队流失严重，领导很着急。

问题一（选择题）

你是这个企业的数据分析师做数据分析，此时你会：

A、在月报里认真分析成功率低原因，写20页整改建议

B、月报只列数字，等着他们来找你谈合作

（题目简单，思考一秒钟）

经过上一篇的教育，大家都选B。是滴，这个场景里的问题根本是业务管理混乱导致的，数据能帮上忙就见鬼了。如果业务自己意识不到痛，只是数据分析师作为外人blablabla，根本没人理。所以不要干这种出力不讨好的事。

退一步讲，即使你干了，人家听了你的建议效率提高了，也是业务独揽大功，关你分析屁事，你怎么证明他们听了呢？人家会说：“我早想到了”“你不说我也知道”。所以最好的策略是等他们来找，立项目，比如叫“销售业绩提升项目”成立项目组，发邮件告知老板们正式开工，Ok，走起！

问题二（判断题）

现在团队领导找到你，决定立项开干，你把项目目标定为“提升销售成功率”请问是对还是错？

A、对

B、错

（题目简单，思考一秒钟）

这是很多做分析的同学常范的问题：把终极目标当眼前目标。或者压根不知道业务目标是什么。只是凭感觉说：“我们是电商，所以要提GMV”“我们做增长，所以要做DAU”……请注意：在管理混乱、数据缺失、团队跑路的情况下，指望写200行代码，出个ppt就能拉动业绩，是完全不现实的。所以要和业务领导认真谈谈，除了提升销售成功率外，还有没有二级目标可以做。比如：

实际上，真遇到业绩不行，业务领导往往第一位想到的是要资源，第二位想到的是调KPI，第三位想到的是找案例。别人真没心思听你说：“活跃率低了，要！搞！高！”。因此，梳理目标，确定一级、二级目标，非常重要。所以这题选B。

问题三（选择题）

现在确认一级目标：提升销售成功率；二级目标：找成功销售经验。马上有人跳出来说：“你都没做过销售，你怎么分析！！！”问：怎么办？

A、通过数据分析出最佳销售方法

B、承认自己不懂

（题目简单，思考一秒钟）

这是很多做分析的同学常犯的问题*2：指望数据直接算出一个最佳方案。带着这种想法的同学往往会被人用：“你成交过几单？”“你行你上啊”打趴下。在谈及“如何做”这个问题时，数据分析的作用不是算出最佳的方案。

因为每一个成功的个案，一定有不可复制的独特优势，比如销售做数据分析，有些人就是天生巧舌如簧，天生形象好让人喜欢，你不能回避这些。数据分析的作用是：分析具体案例，区分可复制部分和不可复制部分。把可复制部分沉淀为经验，把不可复制的特征提取出来，以后找更多类似特征。

比如我们发现本地靓女做销售成交高，那就让每个城市在本地招聘高颜值闺女就好了；如果是某个特殊时间，特殊动作要做，那就让其他人复制这个操作。数据分析擅长的不是卖货，而是总结经验，寻找特征。这个题选B。

问题四（看图说话）

一个月基本工资1300，每单提成250，以下两种分层哪种好用？

A、图1

B、图2

（题目稍复杂，思考一分钟）

出这个题不是考如何分层，而是考一个基本思路：根据业务需求找分类标准。比如这个例子里，有个很大的问题是：团队流失严重。可能人均订单10单、8单、4单在统计上是有区分的，但在业务上毫无区分，一个业务员不管是10还是8，都挣不够一个月的生活费,他还是会跑路。

但25单可以让他挣到25*250+1300=7550的收入，对电话小哥来说很可观了。这是数据分析与数据挖掘的一个核心区别。我们建数据模型，为的是大概率模拟现实情况，所以可以处理掉一些数据，虚拟填充一批数据，反正为的是整体效果。做数据分析，有独特效果：能指导业务部门创造现在不存在的情况。

比如业务觉得，能月入7500的骨干至少占比20%，团队才稳定，那现有的薪酬制度、操作系统、招聘流程都能改，这就打破了现状。

因此做数据分析，往往更看重对业务的指导意义，找标准，要找符合业务需求的标准。此题选

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！