为什么对分析师和利益相关者界面的所有权可以立即让您的生活变得更好，并使您的工作更有影响力
您刚刚开始担任分析师的新角色。您对猫家具行业非常热衷，因此您对获取有关猫家具的数据非常兴奋。您收到了第一个请求：一位高管想要知道他们有多少种猫砂盆。您热衷于满足要求，于是您提取了数据。“太完美了！您能否还提取猫床的数量？”您意识到为她创建一个仪表盘会更高效，于是您制作了一个仪表盘。高管非常兴奋，您感觉自己做得很好，推动了数据驱动的信条。
后来，您发现这些数字被用来支持有关应该放在主页上的类别的争论。您感到不安。这些数字并不是用于那种方式，您可以想出十几种其他更优化的类别生成方法。您提取这些数字是为了…您从未知道为什么，但您认为不是为了那个目的。您看到高管对该计划的描述，意识到您的数据已被用于无意义的方式与边缘论证并列。您对缺乏逻辑的后续处理感到不舒服，因此向高管提出抗议，但她向您保证没问题。
“我只是需要支持我的论点，而且没有人会仔细查看”。
您叹了口气，然后回到建设更多仪表盘的工作中。这一次，您将注意力集中在您可以控制的事情上- 数据质量改进，构建更优雅的数据模型，优化查询。
我想象大多数人和我一样，一次又一次地经历了这个故事。而且这个问题似乎是棘手的，因为问题似乎是如此外部化-我们离开这些交易时感觉利益相关者根本不了解数据的工作方式。我们将问题归因于破碎的企业文化，然后我们只能找到其他方式产生影响-至少，直到我们在一个更“数据驱动”的公司找到下一个角色。
但是在这篇文章中，我想直接谈谈如何改善这种情况，从而通过打破这个循环来改善我们作为分析师的生活质量。特别是，我将提出我们上述故事中的两个失败：
- 我们未能拥有我们的数据如何被使用。
- 对决策过程的理解不足。
现在，让我们讨论这些问题。
问题1：我们需要更多地拥有我们的数据如何被使用。
分析是一种邓宁-克鲁格吸引器：大多数人认为他们知道如何解释数据，但很少有人做得好。毕竟，陷阱很多。这种二分法是我们行业的核心问题，我想这就是为什么我们经常被低估、被误解，并且在高管精简团队时首先被裁掉的原因。
不幸的是，我们分析师通过简单地成为我们自己而加剧了这种错觉：研究员、科学家、隐士-喜欢：思考、流动、数学、严谨；不喜欢：回答临时请求、说服。当同事敢于向我们寻求帮助时，最好的情况是，我们会构思出精彩的分析，然后将深奥的结果扔给真正需要它的人。最糟糕的情况是，我们会直接返回原始数据而不提供任何解释，让我们的利益相关者（错误地）自行应对偏见。
这就是问题所在。这种行为表明了我们对分析应该如何运作的误解：责任不应该由他人来使我们的工作变得有用，而是必须由我们自己来承担。我之前已经谈过分析是一门界面学科的问题，而这种情况的一个后果就是我们必须在一定程度上对界面负责。
考虑任何其他的界面学科，你会发现最有效的界面学科都是以这种方式运作的。比如，伟大的设计师在设计时会考虑工程方面的考虑因素。伟大的工程师会仔细审查产品需求文档，并与设计师和产品经理密切合作。客户服务代表和销售人员会根据客户的需求与其进行沟通——想象一下，如果销售人员等待潜在客户主动联系他们，他们会有多么有效率。
但这就是我们在分析中做的事情。我们像一个服务机构一样运作，而不是像思维伙伴，难怪我们最终会被当作这样对待。我认为作为一个行业，我们在心底深知这一点。在过去几年里，我们共同构想了整个运营智慧的图书馆，所有这些智慧似乎都指向一个共同的根本原因：我们没有对界面负责：
- 我们应该像产品团队一样管理我们的团队…因为产品团队始终考虑客户，我们也应该深刻关心我们的分析如何被使用——也就是界面。
- 我们应该更少关注技术工作…因为技术工作只是战斗的一半。交付——也就是界面——才是另一半。
- 我们应该痴迷于通过分析提供解释，而不仅仅是通过仪表盘提供原始数据…因为利益相关者与分析师之间的界面是通过解释来介导的。
- 我们需要构建追求真理的生态系统…这是一个理解利益相关者界面应该如何看起来的思维模型。
因此，你最好尽量承担起如何使用你的工作的责任。寻求权限、参加会议、暂时离开你的隐居之地，并与利益相关者分享你更新的理念。这是你的影响力和他们的入口。
问题2：我们不知道决策是如何进行的
所以，当然，我敢打赌我们大多数人都会竭尽全力管理我们的利益相关者。但是，我们仍然摇摆不定，这就引出了我们面临的第二个重要问题：我们不知道如何参与决策过程。我们中的一些人扮演了严谨派的角色，只是为了追求严谨。其他时候，我们静静地坐在角落里等待被召唤。问题是什么？我们不知道决策是如何进行的，因此也不知道如何有用地介入这个过程。因此，让我们来谈谈决策是如何进行的。
我过去是一个彻头彻尾的分析师，但在过去几年里，我有幸在Hyperquery担任产品负责人。虽然你可能认为构建一个数据工具与进行数据工作并没有太大的区别，但我对照着作为分析师的运作方式感到了巨大的认知困惑。曾经我的世界完全是定量的，但突然间，我发现自己在只有定性数据的情况下做决策。因此，我逐渐适应了这种情况，我逐渐学会了从高度模糊的信息中做出合理的决策。但在整个经验中，最让我震惊的是：在过去的三年里，我所做的决策没有一个完全依赖于一次SQL查询的结果。
即使数据对我来说易于获取，甚至在我的血液中流淌着数据，事实上：数据从来都不是最重要的。从这一点上，我意识到，作为数据从业者，我们对数据在决策中的作用有着根本的误解。简单来说：它并不像我曾经自欺欺人地认为的那样重要。
数据并不是整个故事。数据只是一个数据点。
这并不是说它没有用处 – 数据本身可以非常强大。它不能告诉你做什么，但可以封闭一些道路。它永远不等同于一个决定，但可以加速决策的过程。它不能告诉你该做什么，但可以在你的顾客保持沉默时代表他们说话。它不是答案，但可以简化理解并提供清晰度，使得更容易看到答案。数据帮助我在同样的方式下应对模糊不清。我看到数据，相应地调整我的先验概率，并走下一个不同的思路。在这方面，它是无价之宝。
但这是对数据的一种完全不同的描述，与我作为数据从业者对数据的理解完全不同。当你的整个世界都是数据时，很容易认为那就是全部。但我们应该理解我们工作的角色，以便更好地融入决策对话中。我们永远不应该强迫决策，但增加我们的背景理解可以帮助我们提出有用的建议。你坐在副驾驶座上，如果你知道你要去哪里，你可以帮助导航。
最后的评论
现在我知道所有这些似乎说起来容易做起来难-我相信迄今为止，我给出的建议的模糊性是你最大的阻碍。为了使这一点更清楚，让我们从这篇文章开头重新考虑故事，假设事情发展得有些不同。你的利益相关者再次想知道你有多少种猫砂盒。而不是直接提出查询，你向她提问为什么 。原来，高管想要在主页上选择一些类别。你提出了关于推荐系统的建议，但她抱怨那太多了。意识到她有一个紧迫的交付时间表，你告诉她你会建立一个快速的仪表板，这样你们可以一起查看数据，然后根据那些信息做出一个连贯的决策。她同意了。你在最初请求的纯计数之上，提取了额外的指标 – 点击率、订购率、平均评级。你甚至定义了一个新的指标：低暴露商品的百分比。你将数据与你的建议一起与利益相关者共享。
她当然会提出反对意见。但与其反击，你试图理解你的利益相关者反对的基础，以达到最优决策。通过深入讨论，你们一起形成了将定量发现和她的定性直觉融合在一起的假设，这成为了强大类别创建的基础。你写了一份分析报告，将其链接到她的产品战略文件中。她所做的选择得到了极大的改进，你觉得自己真正改变了猫家具历史的进程。
这是一个根本不同的故事，但它的成功是基于两个小的变化：
- 你主动承担起数据将如何被使用的责任，通过询问为什么。
- 你将数据融入她的直觉，而不是试图推翻它。这是可能的，因为你对数据在决策过程中的作用有一个清晰的理解。
我们倾向于向利益相关者倾泻数据，把综合工作留给他们。然而，最好的分析师会更进一步，深入理解他们试图实现的目标的定性数据。他们承担起将自己的见解融入决策过程的责任。他们理解客观函数：一种有智慧的诚实决策。因此，他们以一种寻求实现目标的方式进行操作，而不仅仅是完成他们所要求的工作，将自己沉浸在利益相关者落入的数据访问模式中，静静地坐在高管会议室里直到他们被叫去。
我希望你相信我提出的行为变化并不是那么剧烈。我相信你曾经听到过那个告诉你更深入参与的声音 – “也许我应该问一下为什么需要这些数据” – 但是，你决定你没有时间。好吧，下次要听从那个声音。
👋 你好！我是Robert，Hyperquery的首席产品官，以前是一名数据科学家和分析师。这篇文章最初发布在我的博客“以数据取胜”上，我们每周讨论如何最大化数据的影响。如常，你可以在LinkedIn或Twitter上找到我 – 我很乐意聊天。如果你喜欢这篇文章，请关注/点赞/分享。🙂