本文选取了数据分析中的五个经典题目，通过实践测试你是否具备优秀的数据分析师应当树立的观念，并通过题目分享了做出优秀数据分析项目的五个要点，大有裨益。适合对数据分析感兴趣但不知道如何下手的童鞋。

经常有很多同学问：“如何做出优秀的数据分析项目？不然简历和年终总结都不知道咋写。”我都做了详尽的回答和跟进，今天总结分享一下大家提到的共性问题。

想做好数据分析类项目，主要靠的是：树立正确的观念。这里有5道测试题，一起来测一测自己有多大可能做出好项目。

题目一（单选题）

数据分析项目好坏的衡量指标是：

A、时间、成本、质量

B、算法难度、统计学知识、数学公式

这个题目是最重要的观念，直接决定了一个数据分析师在当前公司混得好还是坏。数据分析工作有它的特殊性：

★ 它不同于销售，不能直接为公司创收。

★ 它不同于运营，不能直接拉升活跃留存付费指标。

★ 它不同于交易/网站/ERP系统的开发，这些系统是业务必需的支撑。

★ 它不同于DBA，没有DBA的公司不存在，没有专职分析师的公司大把。

数据分析工作本质上是一个可替代程度很高的辅助岗位。在数据分析观念普及前，很多公司都是找个会写sql的程序员来顶这个岗位的。就像瞄准镜与枪的关系，没有瞄准镜枪照打，有了瞄准镜，枪可以打得更准。

因此，虽然数据分析背后有算法、统计学、数据做支撑，可企业care的不是这些书本章节，而是到底对业务有什么用？有多大用？同企业里其他项目一样，数据分析项目最重要的就是考察时间、成本、质量。

如果脱离了这些，空洞地追求“我用的方法好复杂，我好厉害”。那还是回学校里做科研好了，科研才需要追求高精尖，企业里追求的是：在达成目标的情况下，成本越低越好，时间越短越好。所以这个题一定选A。

很多刚毕业的、转行的、新加入的数据分析师喜欢选B，选B也不代表没前途。

因为选B的同学会花很大精力死磕书本，这样虽然在一个公司混不起来，但是在跳槽的时候过面试的能力还是可以的，所以也能通过一年一跳槽来涨薪。但是想在一个公司做出成绩，还是选A的好。

这个题目最关键，明白了这个题目，后边的问题就迎刃而解了。

题目二（排序题）

以下人员，对数据分析项目质量的话语权为：

A、业务部门领导

B、数据部门领导

C、业务部门员工

D、数据部门员工（本人）

如果问题一吃透了，这个题毫无难度，答案是A≥B≥C≥≥D。领导意见大于员工意见，如果业务部门领导首肯，数据部门领导就直接应声附和了。如果业务部门领导不发声，那就看数据部门领导是不是认可。本人的“觉得我做得很牛逼”，毫无意义，切记切记。

请注意，有时会有业务领导和数据领导态度不一致的情况，这时候以自己直接领导的态度为准，外部门稍后考虑。在大部分企业，直接领导是决定自己绩效评分的那个，所以一定不能得罪。

题目三（排序题）

请对以下五种项目成果，按质量高低排序：

A、可视化的数据产品

B、每月定期输出的数据模型

C、部门级以上会议的汇报ppt

D、无群体汇报的ppt

E、Excel数据表

F、无固定格式的数字

G、写sql跑完数口头告诉业务

这个题完全解释需要一整篇文章，但同学们可以用望文生义的办法，直接作出回答，答案是：A=B≥C≥D=E≥F≥≥G。

数据分析的成果很容易被人当夜壶：用得时候很爽，用完了就忘了。平时还嫌你脏：你看我不就是要个数字吗！还要跑那么久！

所以做数据分析项目，要争取输出定期使用的、产品化的、大家必须看的成果。最好的就是上一套BI，或者业务的用户跟进名单用模型进行优化排序，让大家不得不用。

不济的话，写个ppt，但争取在会议上公开讲。最差最差就是跑了一堆临时需求单，写了2000行sql结果连个正式输出物都没有，年底写绩效报告都不知道写啥。

题目四（单选题）

今天是11月11日中午12点，你的领导说，下班前给一个预计，预测一下双十一我们业绩能去到多少，你怎么做？

A、立马回去建模，时间序列、XGboost搞起

B、回去找运营要推广费用使用情况，算个投入产出比来拍

C、回去看下上午数据，根据去年同期拍一个

这个题非常有迷惑性。特别是刚看完上一题，很多同学会惯性选A。这个题的题眼不是“预测”而是“中午12点到下班”。

数据分析可以建模、可以做BI、可以做可视化，但是通通需要时间，而很多情况下，业务不等人，必须快速给出结果。这时候要优先选简单直接的办法，并结合数据提示风险。

所以建模要学、统计学要学、如何快速合理地拍脑袋也要学。很多新人哼哧哼哧搞了一堆模型，结果被领导三言两语推翻，还批斗：“你都干嘛去了这么磨叽”，就是这个原因。这个题选C，最好是10分钟内给答案，领导指示：“这个问题非常重要，要用更复杂、更科学的方法”以后，再考虑AB。

题目五（多选题）

数据分析的工作成本由什么构成？

A、数据库成本

B、电脑成本

C、开发软件成本

D、BI产品成本

E、数据采集质量

F、数据清洗质量

G、程序员工作时间

这个题也非常非常有迷惑性，如果在陈老师问之前，很多人都压根没想过：“做数据分析还有成本啊？？！！”“这玩意不是一个饱读《机器学习》《统计学》《21天精通python》的人敲敲键盘就搞掂的吗？？！！”

答，数据分析肯定有成本，而且最大的成本是数据质量，好数据才有好分析，垃圾数据垃圾分析。特别是数据采集，业务流程漏洞百出，业务管理不规范，埋点不做好就上线，基础数据脏乱差，分析个屁。

至于什么软件成本，电脑成本都是毛毛雨。数据质量是涉及公司根本的问题。所以这一题的答案是ABCDEFG，如果排序的话，是E≥≥F≥G≥A≥D≥B≥C

等等！很多同学会问：为啥有G，而且排序还那么高？！因为数据分析师的工作时间是非常宝贵的。

学校里、论文里、专利里那么巨复杂的模型都是耗费无数时间烧出来的。普通企业的数据分析师每日应付各种取数、汇报、excel都已经折腾半死了，连找对象都不一定有时间，还整高精尖模型呢。

所以必须考虑工作时间，日常需求要排优先级，集中精力做有产出的东西，那些乱七八糟“我要个数”让他排队去。

以上，做完5个题目，理解了题目思路，如何做优秀的数据分析项目就呼之欲出了——

如何做优秀的数据分析项目：

1、正式立项，把业务痛点作为项目目标

2、考虑时间紧迫性和数据质量，设计恰当方法

3、输出定期使用的、产品化的、大家必须看的成果

4、需求排序，给自己留出时间干高品质工作

5、用快捷分析方法应付简单需求，留出精力做复杂需求

为了取得好的教学效果，这里用了5个最常犯错的题目。目的就是让大家记住做出优秀数据分析项目的五个要点。

作者：接地气的陈老师

来源：微信公众号：接地气的陈老师（ID：gh_abf29df6ada8）

本文由@接地气的陈老师 原创发布于运营派，未经许可，禁止转载

题图来自于Unsplash，基于CC0协议