原文标题 ：Balancing Tactical and Strategic tasks as a Data Analyst

作为数据分析师平衡战术和战略任务

如何在不烧钱的情况下最大化业务成果

在将数据与业务成果联系起来时，数据分析师扮演着最关键的角色。他们通常是数据团队中唯一既了解数据上下文又了解业务上下文的人。

根据我的经验，在典型的一天，数据分析师会被业务部门拉入多个临时战术请求中：“你能在今天下午之前发送我们产品 CAC 的 2 年趋势吗？”虽然这些请求会分散战略路线图任务的注意力，但其中的一部分可能对业务成果至关重要。此外，这些请求中有很大一部分往往是重复的或面向调试的，因为“Tableau 仪表板中的 CAC 值似乎与快速电子邮件报告不同”。其中一些临时请求可能需要的不仅仅是“几个小时的工作”，还需要进行计划。[0][1]

作为数据分析师，如何平衡战术请求和战略路线图活动的时间，以最大限度地提高对业务成果的影响？在战术任务中，您如何区分小麦和谷壳并解决对业务影响更大的任务？[0]

Task Prioritization Framework

该框架基于我领导数据分析师团队的经验。如果没有该框架，一切都会成为优先事项，并可能导致数据分析师团队 24 x7 工作，然后才最终筋疲力尽！

让我们从数据分析师的典型任务示例开始：

• 构建报告/仪表板/笔记本以进行分析
• 支持报告/分析的临时请求
• 分析数据/解释“为什么”/为业务团队讲故事，以使洞察具有可操作性
• 了解业务需求和上下文
• 跨报告调试业务逻辑不一致
• 调试数据质量和管道问题/调试数据模型/仪表板
• Creating/updating dashboards
• 标准化指标的业务逻辑
• 提高业务团队的数据素养
• 查找数据源、元数据详细信息和数据文档
• 准备/整理数据/验证治理
• 与数据集和业务逻辑相关的变更管理
• 操作数据模型/视图/数据应用程序/仪表板
• …and more…

考虑将这些任务放入 2 x 2 的影响（业务成果）和复杂性（技术上完成任务）矩阵中。

• 高影响和高复杂性（桶 1）：作为路线图进行管理
• 高影响和低复杂性（桶 2）：作为战术积压管理，快速周转
• 低影响和高复杂性（桶 3）：示例包括数据质量、仪表板不一致、管道性能等。使用现代数据堆栈中新兴的工具生态系统进行管理。
• 低影响和低复杂性（桶 4）：管理为业务团队完成的自助服务任务（根据需要提供指导）

使用 2 x 2 矩阵的上下文重新访问任务列表：

• 构建报告/仪表板/笔记本以进行分析 – 存储桶 1
• 支持报告/分析的临时请求 – Bucket 2（需要进一步分析 – 博客后面的更多详细信息）
• 分析数据/解释“为什么”/为业务团队讲故事以使洞察力具有可操作性——第 1 项
• 了解业务需求和上下文——第 1 类
• 跨报告调试业务逻辑不一致 – 存储桶 2 或 4
• 调试数据质量和管道问题/调试数据模型/仪表板 – 存储桶 4
• 创建/更新仪表板 – 存储桶 2 或 3
• 标准化指标的业务逻辑 – 存储桶 1
• 提高业务团队的数据素养——第 1 项
• 查找数据源、元数据详细信息和数据文档 — 存储桶 4
• 准备/整理数据/验证治理——桶 4
• 与数据集和业务逻辑相关的变更管理 – 存储桶 2 或 3
• 操作数据模型/视图/数据应用程序/仪表板——桶 4

在每个存储桶上花费的时间根据整体分析策略和数据平台的成熟度而有所不同。例如，在新冠病毒大流行期间，鉴于大量未知数/不确定性，存储桶 2 具有更高的优先级。对于拥有成熟数据平台的组织，Bucket 4 越来越自动化或专门用于分析工程角色。

处理来自业务团队的战术请求

战术任务首先被归类为 Bucket 2（高影响、低复杂性）。在进行询问后，可能会出现四种结果：

• Complete the task
• 意识到任务“不仅仅是几个小时的工作”，需要在路线图/冲刺计划中进行规划
• 完成基本工作以获得所需的 KPI 作为有时限的活动——而不是花时间构建仪表板，使其成为业务团队自助服务，以使用 excel 进一步分析数据等。
• 如果他们更适合使用现代数据堆栈完成任务，则将任务推迟到数据工程或分析工程。

总结一下，没有灵丹妙药——你的里程可能会因使用框架而异。我的最后建议是，每当您对 w.r.t 有疑问时。优先级，始终优先考虑涉及业务团队与业务旅程图/上下文相关的讨论/学习的活动。理解业务没有捷径可走，如果没有适当的业务环境，将数据与业务成果联系起来的目标就无法实现！