社区编辑申请
注册/登录
如何面对繁杂的数据需求?
大数据 数据分析
大家好,我是一哥,最近有一位数据新人小伙伴私聊我:在平时的工作中会面临着大量的数据需求,不仅多,而且杂,请问如何处理面对这些问题?有没有什么好的提高工作效率的方法?

大家好,我是一哥,最近有一位数据新人小伙伴私聊我:在平时的工作中会面临着大量的数据需求,不仅多,而且杂,请问如何处理面对这些问题?有没有什么好的提高工作效率的方法?

其实不止是作为数据新人会面临这样的“困境”,很多数据工程师都有着这样的困惑,干了一两年感觉没意思,抱怨天天就是“提数”。一哥之前写过一篇文章《数仓工程师如何避免沦为“提数机”》,大家可以参考下。

面对这位小伙伴的困惑,我思考后给了她一些建议的,今天也系统的整理一下,给大家作为参考。

01业务的重要性

一哥做数据工作,呆过三家公司,做过新人也带过新人。经过“被工作的毒打”后,建议大家入职后较好的顺序是先理解业务,多跟业务打交道,对底层数据和业务之间的逻辑关系先大致心里有个谱。然后自己开始梳理业务体系,心里有个框架,一般纯业务的需求都比较平常,基本跳不出体系框架,一哥之前也写过另一篇文章来说业务的重要性《业务重要?还是技术重要?》。

熟悉业务后,开始对接需求。有时候不同业务有时可能会提重复的需求,对于这种需求,要么把代码和计算流程优化好,要么觉得不合理“怼”回去(当然不是硬怼哈,我们有业务满意度考核……),要么你就得开始研究下,看可不可以在平台上做成固化的数据产品。比较特别的,尤其是探索性的分析项目,是可以接受稍长一些时间的,中间可以和业务做探讨。

业务是可以分门别类的,最好可以自己梳理好,做好一些好的小工具。不过只接提数需求确实没啥意思,慢慢对业务熟悉了,就可以参与业务流程的制定,也可以自己给自己提的业务问题做数据分析(瞎折腾)才是真好玩。

02提数神器的重要性

有时候确实没办法拒绝业务部门需求,各种姿势各种要求,由于有绩效这座大山,提高自己的效率来应对层出不穷的需求可谓最好的方法,同时提数的过程也有助于加强业务理解(熟能生巧嘛)。

正所谓你有政策我有对策,好的方法和工具往往能高效完成工作以免不必要的加班,在这列举几个常用的提数加工神器:

Excel

熟练数据透视表,Vlookup等常见公式,不要瞧不起Excel,有时候它的效率确实挺高的。

针对业务部门需求固定格式的数据或者报表,可用Excel将模版写好备用,有新数据需求时直接复制套入,即刻完成。

Sql

数据人必备语言,针对业务定时需求的数据或者报表,可以用类似navicat的定时功能,提前将查询语句写好排版,软件会在指定时间将结果文档推送至邮箱。

Python

python的numpy,pandas,matplot是数据分析三个神器 。python可以直连数据库,连接Hive,连接Spark(好像没有它不能连的……)。也可以导入现有数据,只需提前将数据处理语句写好,需要的时候应用就行,一劳永逸。

shell

前几天有同学问shell除了执行部署的jar包,还能做什么?那么你一定不知道awk、sed有多强大。曾经用shell脚本写过上千行的数据处理脚本,离开公司4年了,听说还在用呢!

每天一个shell命令,赶紧学起来吧!

03工作方法论的重要性

首先,需求多,说明你们公司数据需求很多,给你施展才华的机会很多!

现在流行一个词——“套路”,工作同样也是有“套路”的,我们称之优雅的称之为为“方法论”。

需求优先级

1)繁杂的需求

需要抽丝剥茧,把复杂的类目整理成简单的条目,并且明确其中的主次重点,再逐条拆解。不过数据分析本身,有些需求,的确是很复杂,需要一些时间去思考整理的。这就要看你手上的工作情况了,包括判断个人在处理这些问题上的难易程度。

2)突然的需求

说明需求很紧急,这就需要对工作需求的轻重缓急,有个明确的判断。再结合完成需求的时间长短,有的需求的确比较着急,是需要优先处理,有的相对可以缓一缓,复杂度高的需求,又急的话,可以先给其中个别重要的,其他的给出完成计划。

沟通

自己对需求有了上述判断后,并不是立刻就开始执行了,一定要和业务沟通,否则可能会出力不讨好。

如果两个需求方都要的比较急,必要的时候让他们自己协调下,毕竟你一个人时间有限,而且数据需求,又要求精确细致,不能通过压缩分析时间来完成任务,要有自己的工作标准,保证给出的数据都是准确率的,可使用的。

三人行,……

如果是日常的工作,总结出方法论,快速处理即可;如果是难度较高、挑战较大的工作,也是值得花更多心思的,就理应花更多心思去研究;如果是难到自己不能完成,需要求助的,一定要和同事多讨论。古人有云:三人行,必有我师焉。虽然我们可能是诸葛亮,但古人亦有云:三个臭皮匠顶个诸葛亮。在讨论过程中或许你就会会发现一些其他方法。

个人认为,不论是数据工程师,或是产品经理、运营,亦或是其他岗位的工作,都是会遇到这样类似的情况,提高效率最有效的方法:总结方法论,找到最为快捷解决复杂问题的工作思路。学会对本质问题的分析,善于抓住重点,这样就不会被纷繁琐碎的事情干扰而浪费掉大量的时间。善于利用自己的时间去处理更为紧要更有价值的事情,用最少的时间,挣更多的钱。

本文转载自微信公众号「数据社」,可以通过以下二维码关注。转载本文请联系 数据社公众号。

 

责任编辑:武晓燕 来源: 数据社
相关推荐

2021-02-26 07:56:31

数据业务Sql

2022-04-06 17:48:44

2022-04-19 11:38:56

数据中心能源

2022-05-20 11:25:59

中台计算数据

2022-05-20 06:14:57

人工智能AI

2022-05-13 11:02:45

数据中心配电设计

2022-04-14 14:09:25

数据治理数字化转型工具

2011-09-27 10:25:46

数据中心服务器

2022-05-20 14:54:33

数据安全数字化转型企业

2022-04-21 16:16:50

数据中心数字系统IT

2022-05-12 14:44:38

数据中心IT云计算

2022-04-11 11:51:47

数据中心企业决策者绿色数据中心

2022-04-26 10:55:32

数据模型

2022-03-29 15:17:51

数据安全网络安全

2022-04-29 13:15:13

数据中台管控

2022-04-02 14:51:58

数据中心数据安全物联网

2022-05-13 09:34:00

Slik-wrang机器学习人工智能

2022-04-07 13:15:40

大数据大数据安全数据存储

2022-04-14 15:38:06

数据泄漏数据安全木马

2022-05-12 13:44:35

同话题下的热门内容

2022年优秀预测分析工具和软件大数据技术的成功案例及趋势使用替代数据的五个隐性成本为什么不能忽视建筑物中的数据分析?数据驱动业务的18个有效策略

编辑推荐

什么是数据分析的漏斗模型?数据分析师还吃香吗?用数据告诉你对比解读五种主流大数据架构的数据分析能力《狄仁杰之四大天王》影评分析(爬虫+词云+热力图)22个免费的数据可视化和分析工具推荐
我收藏的内容
点赞
收藏

51CTO技术栈公众号