最近两个月我将大量的精力放在了业务分析团队的组建和管理上。不断解决日常中遇到的协作问题，使我学到了一些分析技术以外的知识。由于人多事儿多，所以出现了不少很好的协作案例，值得推广。
分析师尽早介入业务。
运营伙伴做好合理排期。
及时反馈。
利用现有数据源解决问题。
许多时候，我们并不是缺乏数据，而是“懒”，不去挖掘现有的数据集的潜力，导致分析师觉得有很多简单重复需求。
过程中紧密沟通。
不要做“甲方乙方”，而要做“一条绳上的蚂蚱”。
运营不是放大压力给分析师，而是帮助分析师减负。从业务到分析，这个协作链条的上下游，天然就有“放大压力”的属性。比如运营任务deadline是7天，分析需求就会压缩到3天。更何况我当前所处的环境，很多事务都是1-3天，那么数据需求就大量的是1-2天期限，不少是当天需要完成。
清晰的阶段性规划。
主动地点对点培训。
大批量集中的技能型培训，实际上效果都非常差。真正有效的互相学习，还是自发形成的“一个愿打，一个愿挨”的点对点培训。要想办法创造这种环境：1.招聘自驱力强的人；2.鼓励事情做深做细；3.减少“贴膏药”的事情；4.对有难度的事，给予充分的时间。
通过同理心来实现互相信任。
很多人会说，协作中的问题基本来自“信息不对称”。但以我目前的观察，信息不对称的根源是运营与分析师不够互相信任。如何增强同理心？目前我没有很好的方案，也许“时间能改变一切”？
根据实际情况，再举几个典型的问题，是我们目前没有解决的。但我根据经验给出一些解决的方向，并正在向这个方向努力。希望有经验的读者能在回复中给我们一些好的启发！~
对于取数型的任务（数据描述型的任务），搁置争议，先解决眼前的问题。
对于数据分析不能解决的任务，我们永远要追求“客观性”。一定不能出现“为了结果而分析”，更不能出现“包装结果”。
这其实有两个方面：一是分析师能力不足，不能够解决某个业务问题；二是问题过大，超出数据分析的边界。面对第一种问题，通过换人或者外部请教，一般能解决。面对第二种，我暂时只能控制不出现“假分析”。
但这说起来容易做起来。。。谈何容易。
这点往往与第一点产生矛盾，业务方急着要分析结果，而分析师除了“猜”，不可能给出满意的分析结果。面对“强人所难”的情况，也是我最近“心累”的主要原因。
end
作者：胡晨川；转自：川术 公众号；
【数据分析】原创“数据运营”系列文章；
1：从0开始搭建自己的数据运营指标体系（概括篇）
2 ：从0开始搭建自己的数据运营指标体系（定位篇）
3 ：从0开始搭建自己的数据运营体系（业务理解篇）
4 ：数据指标的构建流程与逻辑
数据运营 关联文章阅读：
运营入门，从0到1搭建数据分析知识体系
干货 ：手把手教你搭建数据化用户运营体系
推荐 ：最用心的运营数据指标解读
干货 : 如何构建数据运营指标体系
从零开始，构建数据化运营体系
干货 ：解读产品、运营和数据三个基友关系
干货 ：从0到1搭建数据运营体系
数据分析、数据产品 关联文章阅读：
干货 ：数据分析团队的搭建和思考
数据分析师必需具备的10种分析思维。
如何构建大数据层级体系，看这一文章就够了
干货 ： 聚焦于用户行为分析的数据产品
80%的运营注定了打杂？因为你没有搭建出一套有效的用户运营体系
经典重温 ：数据驱动决策的13种思维
从底层到应用，那些数据人的必备技能
读懂用户运营体系：用户分层和分群
做运营必须掌握的数据分析思维，你还敢说不会做数据分析
商务合作｜约稿 请加qq： 365242293
更多相关知识请回复：“ 月光宝盒 ”；
数据分析（id : ecshujufenxi ）互联网科技与数据圈自己的微信，也是wemedia自媒体联盟成员之一，wemedia联盟覆盖5000万人群。