作为数据分析师，很多人干了一年之后发现自己的工作其实就是个“取数机”，每天被业务喊来喊去的取数据，出力不讨好不说，一年下来发现自己也没学到什么新知识，还总被业务看不起。感觉数据分析这个岗位在公司地位很低。 知乎上一看，果然不少同行都有同样的体验，名为数据分析师，实则“取数机”，打着数据驱动业务的名号，实际上却是： 产品妹子：“老哥，这个数据拉一下，下午开会领导要看” 直属领导：“我想看一下去年4月的订单明细数据，下班之前发我......等等，5月的也要” 风控小哥：“老哥，我这个需求比较急，先帮我拉一下数据呗” 虽说数据分析师入行肯定逃不过取数的命运，而且从能力培养的方面来讲，取数对数据分析新人来说有重要意义，因为它是能够最快帮助分析师了解解业务全景以及取数工具的方法，但如果入行1-2年还是在干着取数的活，那你就要开始反思了。 会取数是一个合格数据分析师的必备技能，但它的边际收益会随着你对整个数据体系和业务情况的了解越来越少。一个岗位只是被动的接业务需求，失去了主导性价值，那么这个岗位被干掉的可能性极大，而且在很多大公司，通过BI系统的建设，取数、做表、发邮件这些机械化的工作已经被自动化代替。如果数据分析师长时间停留在取数这个层面，那么未来必然容易被淘汰 数据分析师如何才能摆脱“取数机”的命运？ 我在工作中总结出了以下几点建议，希望给大家一些思路：

梳理数据需求，优先级排序

我的第一个建议就是梳理数据需求，做好需求管理。面对大量的数据需求，我们需要对需求进行优先级分类，把宝贵的时间花在重点上。 这里举一个真实的例子： 以前在一家公司做数据分析师时，有一次和一名其他业务团队的分析师聊起最近在做的取数需求，他说他已经连续加班一星期给业务做报表。我问他：“听说你们团队最近新上线了一个功能？小李每天都在给他们做运营数据分析，老板也很重视，你怎么没有参与？”他回答：“我这边的取数需求真的太多了，实在腾不出时间来，领导就派小李去了” 过了几天，我遇到了小李，聊了差不多的话题，小李是这么说的：“我也接到了很多的取数需求，但是我理了一下，一些日常取数的需求不是很紧急，我就和业务那边拖了拖，抽空把项目那边的分析思路理了理发给了老板，老板觉得还不错，就让我去项目那边做分析，把取数的需求让其他人顶上了” 这个例子充分说明了需求管理的重要性，不光是数据分析师，对其他岗位来说也一样，工作中分不清主次，眉毛胡子一把抓，那么你永远没有机会给自己争取到重要的事情。有时候取数往往并不是最重要的事情，所以当我们发现取数的需求量爆炸的时候，先不用抱怨业务，可以先反思自己是不是没有把时间花在该用的地方。

学会拒绝需求

很多新人刚入行的时候，对需求来者不拒，需求方说什么就做什么，一个不落地全都完成，后来才发现开发出来的报表其实根本没人看。后来才意识到：不是所有的需求都是合理的！当你发现你接需求越来越多时，你一定要判断需求合理性的意识 首先是评估需求价值：接需求以前，你可以问问需求方这个需求到底有多大价值？如果同事已经做过了类似的需求，为什么还需要再做？ 其次你可以对需求提出优化意见：你可以和需求方一起探讨有没有更高效的实现？ 最后一点就是建立一套取数管理机制和流程，倒逼业务规范化提需求，这样会帮你挡掉一些不合理需求，减轻负担。

提高效率，日常性的报表需求自动化

一般来说我们工作中遇到的数据支持需求可以分为两种： 日常性数据支持 项目性数据支持 企业中最常见的就是日常性的数据需求，比如周报、日报这类的需求，重复性高，还要反复取数，费时费力，做了还不一定有人看。这样的需求可以通过固定报表模板来自动化实现，减少重复的工作量。 这样的自动化报表模板实现的方法很多，可以通过python代码操控Excel实现，也可以用半自动Excel模板的方式将所有的查数据需求整合成一张数据报表，这种报表仅需要通过复制粘贴的方式将数据源输入模板，之后的数据处理和展现都能自动完成。 不过大部分的企业会通过报表平台的建设来完成一些报表模板的开发和管理，比如FineReport。通过FineReport直接与数据库对接，并将数据库中的数据按照字段实时更新，这样就解决来取数的问题，做好的报表模板可以实时更新数据，并且可以集成到OA系统、ERP系统之中。 用FineReport制作固化模板的实现方式也比较简单，采用的是参数过滤，把日报、周报、月报中需要进行筛选的时间字段添加参数，然后对相应的数据格添加过滤条件，选择对应的过滤条件，就能筛选出相应的周报、日报。具体的制作方式我就不多讲了，看以前的文章：摆脱了Excel重复做表，换个工具轻松实现报表自动化，涨薪三倍

从授人以鱼到授人以渔

从技术层面来讲，取数本身不是一个需要高技术含量的活，按理来说很简单，但取数烦的不是取数的过程，而是需求沟通的过程。业务人员按照自己业务理解像数据人员提需求，但数据人员并不了解业务，很容易对业务人员的需求有理解偏差，于是在业务和数据人员之间的沟通成本就大了很多。 实际上数据人员取数是永远无法让业务人员满意的，最好的方式是让业务部门自己来取，这是最高效率的做法。目前也是不少企业正在做的。 让业务人员去写sql?这怎么可能，他们不会干的 我的意思当然不是让业务人员真的去写sql取数，而是提供一个平台，让业务可以快速的拿到想要的数据，并且进行简单的业务分析，典型的做法是通过BI平台的搭建，让业务人员实现自助分析，同时解放IT。 我以FineBI为例，来简单介绍一下这样的模式：

1、IT人员根据业务需求整理好基础数据

FineBI可以对接企业各个系统中的数据，IT人员根据业务人员的需求，将数据仓库中的数据加载到BI平台中，按照不同部门的需求，将业务打包分类存放 为了保障数据安全，IT人员可以给业务包设置权限，对应的业务角色只能看到权限下的数据。

2、业务人员自助分析

基础数据准备好了之后，业务人员就可以从相应的业务包中拿到自己想要的数据，并且可以对数据进行加工，数据加工的过程不需要写sql，FineBI自带数据处理功能，业务人员可以在自助数据集中对数据进行过滤、筛选等操作 在数据展现层，业务人员只需随意拖拽想要分析的数据，并凭借自己的业务专业知识，进行简单的业务分析， 同样，数据分析师也可以通过BI工具进行更加专业的数据分析工作 通过这样的自助分析模式，业务取数自给自足，不用再苦苦等待数据人员的需求排期，数据人员也不用为五花八门的取数需求而烦恼，只需在BI平台中整理好基础数据表就可以，多了更多的时间去做有价值的分析性工作。 （此处已添加小程序，请到今日头条客户端查看） 如果你已经意识到这一点，可以尝试着现在就提出这种思路，说不定会获得认可呢？即使推动不了业务部门用，自己用也可以。

主动参与业务

不管是在业务部门还是在技术部门，分析师最终分析的落脚点还是业务价值，因此我们首先应当做的是用上面的方法先将自己从取数的泥潭里解救出来，然后专注于提升自己分析的价值。取数都是别人给你业务逻辑，其实你可以主动参与讨论取数的业务逻辑，和业务部门互动起来，主动参与分析，由于你先拿到数据一步，你还有先天优势，可以优先验证分析业务逻辑，慢慢的会成为业务方面的专家。

比如，目前市面上很流行的帆软公司的软件——FineBI，功能算是前沿的，可做BI报表，内置了10+行业解决方案和几十种可视化大屏模板demo，只需要直接把数据放入到模板中，马上就可以生成数据，无需花费很多时间，很适合企业使用。