刚刚转行在一家互联网金融机构做业务部门的数据分析师，目前只有我一个人，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
知乎
答主：江楚
NO.1
作为曾呆过好几家互联网公司的人，做过新人也带过新人。一般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。
熟悉后，开始对需求，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，要么你就得开始延伸至技术那边，看可不可以做成固化的东西。比较特别的，尤其是探索性的项目，是可以接受稍长一些时间的，中间可以和业务做探讨。
如果觉得实在不成，可以适当向技术提一些相关需求，数据分析师虽然叫这个名字，但实际能做的可不只是分析而已。至于分析工具，随便用，到了一定阶段工具也只是工具。
业务是可以分门别类的，最好可以自己梳理好。不过只接分析需求的分析师其实没啥意思，后期能游刃有余后自己瞎折腾才是真好玩。
答主：枫月
NO.2
数据分析往往会成为业务部门的提数机,各种姿势各种要求,由于有月底绩效这座大山，提高自己的效率来应对层出不穷的需求可谓最好的方法，提数的过程也有助于加强业务理解。
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。就自己为例，列举几个常用的提数加工神器。
1.Excel
熟练数据透视表，Vlookup，sumifs等常见公式(个人主页文有文章介绍，不嫌弃的话可作参考)。
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。
2.Sql
数据分析一般都会要求掌握Sql，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。
3.Python
python的numpy,pandas,matplot是数据分析三个神器 。python可以直连数据库，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。
4.FineReport
这个是近期在用的国产报表软件，熟悉之后功能十分强大与便捷。从单元格出发，还具备参数功能。针对业务需求的数据可以用sql写好大体模板，设置相关的参数(例如时间地点人物)，业务部门可以自行选择所需参数来进行查询对应数据，相当于给到业务一个不需要sql基础的指定查询平台。
答主：11的政委
NO.3
首先，别慌张，需求多，说明对你的期望和依赖也多，虽说是压力，但同时也是机会。
讲几个点吧：
首先：先理清楚手上需求的优先级，并做好记录
1）繁杂
就需要抽丝剥茧，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
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，在陆续给。
其次：有了这些判断后，接下来要处理的就是和需求方沟通，达成需求优先级的一致意见
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，而且数据分析，又要求精确细致，不能通过压缩分析时间来完成任务。
最后：就是专心致志有方法论的完成工作
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，虽然公司只有一个人，但身边总有其他数据分析相关的朋友同学老师等，都可以讨论，又或者去和需求方讨论，或许会发现一些其他方式方法。
个人认为，不论是数据分析，或是产品经理、运营，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。
当然这需要基于一定的前提条件，譬如对本质问题的判断，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。
点击阅读原文查看全部内容！
历史好文推荐
数据分析为什么火了
如何入门数据分析？
你是分析师，还是“提数机”？
谈谈ETL中的数据质量
你点的每个在看，我都认真当成了喜欢
