两年前我是一个运营，主要工作是用excel对数据进行一些处理。
当时就感到人效上的极大不合理。因为判断的逻辑比较标准化，重复性高，我10天的工作量，一个运作数据能力更强的人（可能仅仅需要熟练的sql）两天时间就能一劳永逸的解决掉。
当时没有这样一个角色来帮助，自己上着班也无暇学习改进，就一直保持着原状。
现如今做了BI，位置对调了，然而“运营辛苦地做着很多我能够去自动化的工作”这种事还是普遍地存在，除了缺乏数据支援意识，主要还是因为人员配比的不合理。
数据支援意识薄弱
有的部门利用公司资源的意识不强，没有与BI合作的传统，或许也不知道分析师能高效地处理一些数据。日常行事中就不会把向数据中台提需求作为一个路径，往往运营自己闷头做。
我的前部门就是这种情况。
在大公司中，知道有哪些可利用的资源，可以帮忙做哪些事，是需要一些跨界和跳出盒子思考的能力的。懂得借力。
人员配比不合理
运营加班加点搞数据也在我的眼皮底下发生，但爱莫能助。日常的很多工作，就是从公司的各个独立的数据平台去导出数据，再用excel去进一步地处理。但这样数据的连通性差，效率也低。
有的公司一个强数据驱动的部门能有十来个数据运营，而有的公司可能20个运营才对应一个数据分析师，那么自然是照顾不过来了。
原因思考：
当前的组织架构下，
bi这种不直接产生收入的中台老板不会给太多hc；
业务方则指望着bi做需求，也不太知道自己有多少整数据的时间是可以省下来的（可能统计出来会吓一跳），自然也不会花自己的hc去招人。
一个非必要的（加班也能做完），且价值难以被量化（依我看能提高很多效率，但少有人真正统计过）的岗位，就这样被忽视了。
另外，数据分析师一般被定位于做一些高层次的分析。介于分析与普通运营之间的，具有一定技术的数据运营岗位，可能存在缺失。
在这个到处都是数据的地方，需要更多的数据运营。
解决方案：
基层执行者一般会想到招人，埋头苦干也是他们的行事路径。
但公司层面多半不愿意招人，而是希望用数据产品来实现。人力是会耗散的，而数据产品是固定的、公司能长期占有的生产资料。整体效率上，人力无法积累势能，是一种较低效的劳动方式。
这有一定道理。不过，据我的观察，由于业务迭代快，会有很多新玩法，很多数据需求是比较个性化的，其中的逻辑无法被基础的模块覆盖。产品化会来带更多教育成本，以及运营的学习操作成本。
猜测未来：
对于能够搭建数据产品的PM、程序员的需求会很旺盛。
万物皆数据，运营工作中的“数据运营”环节会更多地被人意识到，更多地用sql来解决。
分析能力不够强的取数型BI大可不必担心失业。对大多数普通运营来说，复杂些的excel操作还是一个没有迈过去的坎。初步的数据操作技能已经足以构成一个门槛，在数据产品和实际需求的弥合中提供价值。
原文：https://mp.weixin.qq.com/s/H8iznMg8N_YP8OFmyAUbYQ
首发于公众号：商业分析工作日记。转载请著名来源
网友评论