取數(shù)是數(shù)據(jù)工作的一個基礎(chǔ)內(nèi)容，也是大多數(shù)“入門”級別數(shù)據(jù)工作人員（例如數(shù)據(jù)分析師）的基本職責，取數(shù)對于前期的數(shù)據(jù)概況和業(yè)務(wù)需求會是一個熟悉和漸進了解的過程，因此這個過程必不可少，特別是對于剛?cè)肼毜男氯恕?/p>

但是，如果一個數(shù)據(jù)工作者長期從事取數(shù)工作（例如超過2年，這里的時間取決于企業(yè)的數(shù)據(jù)規(guī)模和復雜度），那么其價值確實會很小，為什么這么講呢？

這里，首先要談?wù)勅?shù)這個工種的特點，就八個字：上不著天，下不著地。

在企業(yè)內(nèi)取數(shù)的目的無外乎兩個：決策分析（比如各類統(tǒng)計等）和用戶營銷，取數(shù)人員對下銜接了平臺和數(shù)據(jù)，對上銜接了業(yè)務(wù)人員，似乎是最容易成為復合型人才的，但大多時候不是這樣。

實際情況是，取數(shù)人員號稱需要理解業(yè)務(wù)，但由于不為業(yè)務(wù)發(fā)展負責，因此其不需要鉆研業(yè)務(wù)，而通過取數(shù)獲得的直觀業(yè)務(wù)理解是非常有限的。

舉個例子，業(yè)務(wù)人員需要取某個特定口徑營銷活動的目標用戶，取數(shù)人員當然可以方便的取出來，但很少有取數(shù)人員能真正的去理解取數(shù)的背景，當然可能人家也不給這個機會，比如營銷活動的目的是什么、為什么定這個業(yè)務(wù)口徑、采用什么樣的營銷政策、準備怎么觸達這些用戶等等。

從技術(shù)的角度看，取數(shù)人員雖然要接觸平臺和數(shù)據(jù)，但由于只取不改，因此技術(shù)要求其實很低，一般掌握簡單的SQL就可以了，但這降低了取數(shù)人員技術(shù)進步的可能，現(xiàn)在很多取數(shù)工具可視化做得不錯，取數(shù)人員甚至連后臺的基本命令都不需要掌握。

因此，取數(shù)人員的實際技術(shù)含量是很低的。

但由于取數(shù)速度又往往影響企業(yè)的決策和營銷效率，因此取數(shù)人員在企業(yè)內(nèi)非常被需要，有些取數(shù)人員自我感覺還不錯，但由于這個工種本身的特點，決定了職業(yè)天花板很低。

更不好的消息是，在一個企業(yè)內(nèi)，IT部門一般就是后端部門了，數(shù)據(jù)部門則是IT部門的后端，而取數(shù)又是數(shù)據(jù)部門的末端，取數(shù)特別上不了臺面，上不了臺面意思就是取數(shù)太強調(diào)過程了，沒法體現(xiàn)真正的業(yè)務(wù)或技術(shù)貢獻，部門或公司不需要取數(shù)人員做匯報，其業(yè)績往往只是部門老大PPT上的一個數(shù)字，1000和10000對取數(shù)來說可能是云泥之別，但對于其它人的意義就是一個變動的數(shù)字。

如果你現(xiàn)在已經(jīng)從事取數(shù)工作1年以上了，但被業(yè)務(wù)部門日常、瑣碎的取數(shù)需求占據(jù)大部分時間，每天忙到懷疑人生，你就要想想，自己是否已經(jīng)成為了一臺取數(shù)機器。

一些取數(shù)人員覺得會不服氣，自己幸幸苦苦，加班加點取出那么多數(shù)據(jù)，業(yè)務(wù)人員EXCEL、PPT倒騰幾下就出了結(jié)論，自己則沒半點功勞，憑什么？

那你得好好想想蘋果手機的價值鏈，最有價值的是設(shè)計，從來不是富士康，前者具有稀缺性，后者換誰做都可以，這就是現(xiàn)實。

這是很多取數(shù)人員在一個企業(yè)內(nèi)面臨的基本面。

我這么提，并不是說取數(shù)是一個沒有前途的工種，而只是表明，一些工種天然跟業(yè)務(wù)，領(lǐng)導聯(lián)系緊密，很容易被關(guān)注，能獲得更多的反饋，也容易獲得進步，潛力不容易被埋沒，而很多工種則相反，特別強調(diào)自省，否則一不小心就成了大叔，泯然眾人矣，類似的其實很多，比如一些維護和客服工作。

那么，取數(shù)如何自省？

首先要說明，從來沒有人明確定義過有取數(shù)這個工種，也沒有人限定過取數(shù)的邊界，你去招聘網(wǎng)站上看，只能看到數(shù)據(jù)建模，數(shù)據(jù)分析，數(shù)據(jù)架構(gòu)，經(jīng)營分析，數(shù)據(jù)開發(fā)，數(shù)據(jù)管理等這類崗位，但基本沒有取數(shù)。

取數(shù)實際是上述崗位需要掌握的一個基本功，取數(shù)本身只是手段，其內(nèi)涵很難成就一個職業(yè)，企業(yè)里現(xiàn)實情況是，一方面很多取數(shù)人員沒認真思考過職業(yè)規(guī)劃，比如取數(shù)了一年還沒點想法，另一方面企業(yè)可能也缺乏數(shù)據(jù)人才培養(yǎng)的環(huán)境，沒能力照顧到每個員工的發(fā)展，往往是走一步看一步，現(xiàn)在外行領(lǐng)導內(nèi)行的情況蠻多的，外行可以搞搞無為而治，但要說培養(yǎng)專業(yè)人才，必須對于這個專業(yè)有深入的理解。

假如你已經(jīng)意識到了這個困境，希望有所改變，我就給五個建議，下面是五千字長文，一定要看完：

1、理解什么叫真會取數(shù)

取數(shù)是理解數(shù)據(jù)和業(yè)務(wù)最有效的手段，如果你是個新人，先老老實實的去實踐吧，即使已經(jīng)有什么數(shù)據(jù)分析師，數(shù)據(jù)建模師等的職業(yè)理想也先藏在心里，這個過程一般在半年到一年，當然各類企業(yè)由于業(yè)務(wù)和數(shù)據(jù)環(huán)境的不同有差異，等到你成為合格的取數(shù)人員了，你再繼續(xù)往下看。

那么什么叫做合格的取數(shù)人員？

（1）在你所取數(shù)的領(lǐng)域，業(yè)務(wù)人員一開口，你就基本知道怎么取了，完全不依賴它人，這需要反復的練習，形成自己的取數(shù)套路，如果你經(jīng)常跟業(yè)務(wù)人員扯皮，或者返工很多，或者外部評價一般，就要想想是否是自己學藝不精，而不是人家跟你過不去，如果你取數(shù)到一定水平，會形成一定的取數(shù)權(quán)威，業(yè)務(wù)人員會信任你。

（2）面對業(yè)務(wù)人員能獨當一面并不意味著你已經(jīng)是合格的取數(shù)人員，很多企業(yè)寬表做的很好，能夠應付大多數(shù)的取數(shù)，筆者建議你至少要知道你這條業(yè)務(wù)線的取數(shù)涉及的所有基礎(chǔ)表的來龍去脈，這需要自頂向下的學習，無法靠簡單的自底向上的日常實踐就能獲得，你要盡量擴充你的數(shù)據(jù)視野，千萬不要被幾張寬表困在局中，否則你完全不知道如何變通，寬表成就不了數(shù)據(jù)分析，數(shù)據(jù)建模等事業(yè)，這個大家可以掂量下自己的分量。

如果你覺得夠格了，那可以繼續(xù)往下看，如果現(xiàn)在連取數(shù)都還疙疙瘩瘩，那就別好高騖遠，先認認真真，老老實實的做好了再說。

2、業(yè)務(wù)上要更進一步

在我看來，基于業(yè)務(wù)人員想法來取好數(shù)，最多只是"60分工作"，即便你的需求來源是業(yè)務(wù)部門老總，也就值60分。何為"60分工作"？就是剛剛滿足溫飽的工作，讓你能賺這份工資，但無法凸顯你的價值。

如果你的職業(yè)規(guī)劃偏向業(yè)務(wù)，比如成為經(jīng)營分析師或者數(shù)據(jù)分析師，你就需要通過取數(shù)過程主動表現(xiàn)出你對于業(yè)務(wù)的認識和貢獻，如果你還不知道什么叫作主動體現(xiàn)想法，以下是兩個場景：

（1）主動提供取數(shù)建議：有大量的取數(shù)是有一定難度的，業(yè)務(wù)部門往往事先沒想清楚，這個時候就需要當面溝通，要抓住機會主動提供一些建議，與業(yè)務(wù)人員互動也是理解業(yè)務(wù)需求和分析思路的好機會，要善于換位思考，最好將取數(shù)的主動權(quán)抓在自己手里，引導業(yè)務(wù)人員按你的想法去做，不僅讓人家覺得你這人靠譜，而且可以降低大量無效的取數(shù)，要知道，業(yè)務(wù)人員越想不清楚的需求，就越容易亂提，然后雙方就在口徑上糾纏不清，取數(shù)人員經(jīng)常埋怨業(yè)務(wù)部門新人亂提需求，不懂基本的規(guī)則，就是這個原因。

在與業(yè)務(wù)部門互動的過程中，你的取數(shù)能力、業(yè)務(wù)能力、思考能力、溝通能力及表達能力都能獲得很好的鍛煉和展現(xiàn)，這種取數(shù)人員很容易被業(yè)務(wù)部門盯上，然后某天就去業(yè)務(wù)部門報道了，當然并不是說一定要走這條路，但這樣做的確讓自己的人生多了一種選擇，畢竟不是每個取數(shù)人員都適合去做技術(shù)。

（2）主動參與一些分析：一般認為，業(yè)務(wù)分析是業(yè)務(wù)部門的事情，數(shù)據(jù)部門很少參與，但實際情況并不是這樣，取數(shù)人員照樣有分析鍛煉的機會，比如KPI指標異動，往往需要先確保原始數(shù)據(jù)準確，然后再從業(yè)務(wù)上查找問題，這個時候業(yè)務(wù)人員和數(shù)據(jù)人員的分工界面其實不是很清楚，大家都可以做，由于取數(shù)人員最先拿到數(shù)據(jù)，因此有條件先人一步。

公司也不關(guān)注到底哪個部門應該提供分析報告，而在于哪個部門能更快更好的通過分析發(fā)現(xiàn)和解決問題，因此偏系統(tǒng)層面的欠費分析，稽核分析等等，數(shù)據(jù)部門做往往更有優(yōu)勢。

在做數(shù)據(jù)分析的過程中，取數(shù)人員會養(yǎng)成深度思考的習慣，掌握基本的分析和表達技巧，煉成一種通過數(shù)據(jù)講故事的能力，不僅提升了綜合能力，而且能較好的彰顯自身的價值，性價比是很高的，根據(jù)筆者的觀察，能通過取數(shù)打開一片天空的，很多有數(shù)據(jù)分析的經(jīng)驗。

因此，取數(shù)人員不僅要扮演好"實現(xiàn)者"的角色，更要能成為"思考者"，分析則是取數(shù)人員實現(xiàn)突破的康莊大道。

3、技術(shù)提升的空間很大

如果你還是想做技術(shù)，那技術(shù)空間可大著，關(guān)鍵在于要有改變的意識，不要總是按部就班，其實取數(shù)過程中接觸的任何現(xiàn)成平臺、工具與數(shù)據(jù)都有改進的機會，關(guān)鍵在于你敢不敢去優(yōu)化，甚至顛覆它們，以下是一些場景：

（1）讓模型變得更好用：數(shù)據(jù)倉庫模型本來的目的是降低取數(shù)的成本，但隨著業(yè)務(wù)發(fā)展、系統(tǒng)變更及取數(shù)復雜性的增大，可用性會越來越差，很多取數(shù)人員就沒有這個意識去改變下，比如增加幾個字段，甚至自己建個模型表，別以為現(xiàn)成的模型師就比你做得好。如果你以后想成為一個數(shù)據(jù)架構(gòu)師，可以從做數(shù)據(jù)倉庫模型優(yōu)化開始，敢于動底層的代碼，在這個過程中能搞清楚一系列的概念，比如ETL，DW，OLAP等等，要敢于去做一些長遠的事，取數(shù)的經(jīng)驗通過模型沉淀下來后可以讓取數(shù)跑得更快，你的優(yōu)化將讓全團隊受益，這就是顯性化價值，如果你想改變，這就是一個切入點。

（2）讓平臺變得更好用：在做數(shù)據(jù)倉庫的時候，為了讓數(shù)據(jù)跑得更快，你需要接觸到大量的技術(shù)，評估各類技術(shù)的優(yōu)劣，現(xiàn)在大數(shù)據(jù)平臺hadoop，MPP，流處理是為了滿足不同的大數(shù)據(jù)處理場景需要而產(chǎn)生的，你甚至可以自己來搭建平臺，從數(shù)據(jù)處理者轉(zhuǎn)變?yōu)槠脚_架構(gòu)師，這又是一條成長路徑，當然你要提前做好準備，比如多找些開源工具練手，或者自己搭一個取數(shù)環(huán)境，真有機會才能抓得住。

（3）讓產(chǎn)品變得更好用：假如你發(fā)現(xiàn)很多取數(shù)能夠固化成報表，應該當仁不讓的寫腳本并實現(xiàn)它，假如你所在的企業(yè)提供了取數(shù)工具，你恰好對產(chǎn)品感興趣，就可以結(jié)合取數(shù)的實踐，思考下這個工具有什么問題，有哪些需要改進的地方，做數(shù)據(jù)產(chǎn)品經(jīng)理不是你想做就能做得，你得首先體現(xiàn)出做產(chǎn)品的素質(zhì)，敢于提出建議并給出設(shè)計，這就是一個好的開始，團隊少一個取數(shù)人員損失不大，多一個有想法的做開發(fā)和產(chǎn)品的人，那是可遇而不可求的事情。

（4）讓數(shù)據(jù)變得更有用：如果你對數(shù)據(jù)挖掘感興趣，那就不要僅限于只會SQL，起碼要把Python，R等語言學會，能夠端到端的完成一個數(shù)據(jù)挖掘過程，一般數(shù)據(jù)團隊總是有相關(guān)的專業(yè)課題的，機會一到，一定要主動請纓，在做這類具有挑戰(zhàn)性的課題中，你的能力會快速增長，也就實現(xiàn)了華麗轉(zhuǎn)身。

總之，取數(shù)人員如果要做技術(shù)，就要想清楚自己要什么，然后讓領(lǐng)導看到你在這方面的努力和變化。

4、從授人以魚到授人以漁

由于市場變化很快，取數(shù)總是滯后于市場，同時企業(yè)的取數(shù)流程帶來的管理開銷是巨大的，無論是溝通成本，審批成本或是反復成本，實際上取數(shù)永遠無法讓業(yè)務(wù)人員滿意，最好的方式是讓業(yè)務(wù)部門自己來取，這是最高效率的做法，但這種模式能否執(zhí)行也依賴于企業(yè)的實際情況。

假如業(yè)務(wù)部門真的愿意自己來取（一般競爭越激烈的企業(yè)驅(qū)動力越強）也不是那么容易，至少取數(shù)人員要配合做到以下幾點：

（1）提供平臺或工具：如果沒有適當?shù)墓ぞ撸尫羌夹g(shù)人員寫SQL（姑且認為分析師是技術(shù)吧），可能普通業(yè)務(wù)會排斥，此時需要給他們提供一個界面化、可點擊、可拖拽的工具。這種系統(tǒng)如果只是簡單的基于底層數(shù)據(jù)來開發(fā)不難，無非是將用戶界面的點擊和篩選條件，映射到后臺的sql“模板”，并生成一個sql語句然后再去數(shù)據(jù)庫執(zhí)行，這種方法往往比較容易接受且非常靈活。或者市面上有現(xiàn)成的BI工具，諸如下放圖片所示的FineBI，可以直接用于搭建企業(yè)的數(shù)據(jù)分析系統(tǒng)，也是非常好的選擇！

（2）提供適當?shù)呐嘤枺焊鳂I(yè)務(wù)線學員自己要能獲取數(shù)據(jù)，要給業(yè)務(wù)線的其中一個經(jīng)常運用到數(shù)據(jù)的人員進行培訓，對每個部門種下一名種子選手，當這名選手學會之后，他有個任務(wù)就是把技能擴散到部門中的各個人員。

（3）普及數(shù)據(jù)文化：由于人員培養(yǎng)是個長期過程，因此需要協(xié)同公司的人力等部門，建立一套常態(tài)化的培訓機制，包括課程體系、師資隊伍等等，比如筆者企業(yè)的大數(shù)據(jù)千人計劃，當前每年開展的培訓次數(shù)超過4000人次。

如果你已經(jīng)意識到這一點，可以嘗試著現(xiàn)在就提出這種思路，甚至簡單的去實現(xiàn)一個自助取數(shù)工具，說不定會獲得認可呢？即使推動不了業(yè)務(wù)部門用，自己用也可以，配置是絕對快過自己寫代碼的，比如我們有只7個人的取數(shù)團隊，手工+配置每天能做到30張單子，原來沒有配置能力前就只能做十幾個。

授人以漁這種支撐模式跟每個企業(yè)的發(fā)展階段有關(guān)系，其實你能做的大多時候只能是順勢而為，但要相信自助化是一個趨勢，不嘗試永遠沒有機會。

5、與業(yè)務(wù)人員做一定的博弈

博弈的目的不是為了推擋取數(shù)需求，而是因為取數(shù)這種事務(wù)性的工作，特別容易讓你陷入低質(zhì)勤奮的狀態(tài)，取數(shù)人員需要為自己留出一定的時間來思考前面筆者提出的系列問題，比如機器換人，大量的資源投入長遠來講實際還損害公司的利益，不少企業(yè)碩士或者博士都在長期取數(shù)，這是資源的浪費。

那么，如何博弈？

（1）建立一套取數(shù)管理機制和流程，包括標準化的取數(shù)模板，嚴格的審批流程等等，雖然增加了取數(shù)門檻，但也會擋掉一些需求，給自己一些時間緩沖，否則很容易會被各種緊急需求淹沒。

（2）多問問業(yè)務(wù)人員取數(shù)的目的，別當老好人，你問得越多，業(yè)務(wù)人員提需求就會越謹慎，比如常問“你要這個數(shù)據(jù)干什么？“，對業(yè)務(wù)人員來說就是一種威懾，有可能數(shù)據(jù)需求連他們自己都沒想明白，這可以有效過濾掉不靠譜的、不尊重別人時間的需求。

（3）需求太多的時候可以跟業(yè)務(wù)人員協(xié)商，排定優(yōu)先級，暗示時間和資源有限，把時間放在高價值、最重要的地方。

相信你的上級所以一直讓你做取數(shù)，大多時候，是因為根本不知道你除了取數(shù)還能干什么，假如你的確按照以上的做了，發(fā)現(xiàn)企業(yè)仍然不能給你進一步提升的機會，你就要考慮是不是應該換個公司。

這好像是很多數(shù)據(jù)分析師難逃的命運！

不過從根源上來說本人認為原因有兩個:

第一，公司和領(lǐng)導缺乏認知，對于崗位定位不明確，放縱一個本來可以創(chuàng)造更多價值的崗位變成了一個取數(shù)機器！

第二，數(shù)據(jù)分析師是一個同時偏業(yè)務(wù)測和技術(shù)側(cè)的崗位，但其核心還是對于問題的思考方式，并非一身技術(shù)才華就能做得很好的，所以這一塊還是靠著個人扎實技術(shù)的同時，多思考業(yè)務(wù)真正的問題，很多問題并非真正的問題，就好像之前遇到過一個公司一直在努力解決公司的投訴問題，殊不知投訴的根源是產(chǎn)品問題！

數(shù)據(jù)分析師就是用簡單、通俗的數(shù)據(jù)表現(xiàn)方法表達數(shù)據(jù)內(nèi)在的本質(zhì)及規(guī)律性。要完成此目的并不是簡單的進行一系列的數(shù)字邏列，而是要在充分的大量的數(shù)據(jù)基礎(chǔ)上進行分析、判斷，此外還需進行各種調(diào)查研究，進行對比分析，找出可信的、有說服力的行業(yè)或糸統(tǒng)資料，為領(lǐng)導分析、判斷提供科學的數(shù)據(jù)支持。