彼らをやっつけろ、データアナリストの年末業績レポート（ルーチン + テンプレート）

今年も年末となり、皆さんは年末の業績評価を始めようとしています。著者がデータアナリスト向けに用意したルーチンとテンプレートを見てみましょう〜

今年も年末総括＋業績報告会の時期がやってきました。多くの学生が「コピーできる既製のテンプレートはありますか？」と尋ねました。今日は本当に来ました。業績報告書を作成する際に、学生一人ひとりの異なる性格を考慮すると、目立ちたい学生もいれば、ただ仕事をこなしたいだけの学生もいれば、長い間会社に不満を持っていてすぐに辞めたいと思っている学生もいます。

そのため、本日はいくつかのパーソナライズされたバージョンを提供し、誰もが自分のニーズに合わせて書くことができます。

バージョン1: マイナススコアロール型

使用シナリオ: 上司に叱られたいとき。

モデルエッセイ:

私は一年中とても忙しく、常にコードを書いているのですが、何を書いているのか全くわかりません。

ライティングのヒント: データ分析を行う学生の多くは、実際にはプロジェクトの経験がなく、本格的なモデリングも行いません。彼らは人間の SQL マシンを使用し、毎日大量の数値を実行しています。現時点では、毎日忙しいように感じるかもしれませんが、何に忙しいのかはわかりません。したがって、不安なときにランダムにいくつかの文章を書くのは簡単です。

明らかにデータ分析をしていたのですが、私が書いたレポートには数字すらありませんでした。記事全体には、「忙しい」「疲れた」「とても」「とても」「本当にとても」などの形容詞しか含まれていません。この種のレポートはリーダーから批判される可能性が高く、叱られる以外に何の役にも立ちません。誰もがこれを警告として受け止めるべきです。

バージョン2: さっさと終わらせる

使用シナリオ: 何も望みがなく、ただ宿題を提出したい学生。

モデルエッセイ:

一時データ収集: 150 のデータ収集要件を完了します。

特別レポート：特別レポートを完全収録。

レポート: 100 件の新しいレポートを作成し、300 件のレポートを更新します。

モデル: 発信コール モデルを確立します。

要約: 私はすべての作業を行い、感情的に聴きました。

文章作成のヒント: 単に仕事を終わらせたいだけなら、次の文のパターンを覚えておいてください: I + 完了 + XX タスク。終わり！こうすることで、上司に「自分に割り当てられた仕事を完了しました」と明確かつ直感的に伝えることができます。バージョン 1 の問題を克服するには、「このコードは何のためにあるのか」という疑問を明確にする必要があります。したがって、分類が必要になります。

データ分析の最も一般的な 5 つの出力は、一時データ、レポート、特別レポート、モデル、およびデータ製品です。 5つの部分に分けて書くことができます。各タスクには、新規作成、更新、最適化、反復（削除/マージ）の 4 つの状態があり、個別に記述することもできます。こうすることで、一見混沌としているように見える日常業務も明確に分類できるようになります。

学生の中には、次のように不満を言う人もいます。「分類をしてみたら、自分の仕事の 90% は、365 日間毎日、決まった形式に従ってレポートを更新して出力することだとわかりました...。これは本当に無価値で、うまく書けません!」はい、実際の作業が修正された更新のみである場合、実際には価値がありません。今年の業績評価は諦めましょう。来年は、なぜ現状に満足し、結果を出すための努力を一切考えないのかをもっと頻繁に自問してください。

バージョン3: ケーキの上のアイシング

使用シナリオ: 上司の前で良い印象を残したい。

モデルエッセイ:

今年は以下の作業を完了しました。

レポート: 5 つのプロジェクトの開発をサポートするために 100 件の新しいレポートを作成しました。

特別レポート：5件の特別レポートが完了し、5件の問題が見つかりました

モデル: アウトバウンドコールモデルを確立し、アウトバウンドコールの品質を400%向上

要約: 私はビジネスに効果的に貢献し、敏感に耳を傾けます。

執筆のヒント: ケーキにアイシングを追加したい場合は、「これとあの作業を行いました」とだけ言うことはできません。代わりに、こう言わなければなりません: 「私はどんな価値を生み出したのか?」たとえ同じ仕事であっても、リーダーは常に誰がより大きな成果を上げているかを気にします。しかし、データアナリストは営業、運用、製品マネージャーとは異なり、独自の執筆スタイルを持っています。

データ分析業務と営業業務の最大の違いは、データ分析業務はバフを付与するための補助的なポジションであるということです。だから、営業マンのように「会社に1000万ドルを稼がせた！」と自慢するだけではだめなのです。データ分析と運用の最大の違いは、データ分析がサポート職であるということです。運用とは異なり、データ分析は注目を浴びる機会がなく、「キャンペーンで 1 億回のクリックが集まり、DAU が 30% 増加しました」といったことを自慢することはできません。

補助的かつサポート的な立場として、あなたが「私は会社に 1,000 万ドルの利益をもたらしました」と叫んだ場合、営業およびオペレーション部門は立ち上がって「私たちがいなければ、あなたは何も得られなかったでしょう」と言うでしょう。 「10 万行のコードを書いた」と叫んだら、みんなが一斉に「あなたが書かないなら、誰が書くんだ? 書かないなら出て行け」と叱責するでしょう。

したがって、データアナリストが成果を発揮したい場合、外部部門からの評価を得ることが重要です。したがって、どのように支援するか、どのように力を与えるか、どのように支援するかという観点から話すことができます。たとえば、

• サポート: 主要イベント向けのデータ製品を提供し、販売部門にデータアシスタントを配備します。
• リスク回避: 異常な問題が発見され、ビジネスにタイムリーなリマインダーが与えられ、解決されます。
• 機能強化: マーケティング/販売/運用結果を改善するためのモデル/ラベル/製品を提供する
• 提案: 特定のビジネス上の問題に対するソリューションを提供する

これら 4 つのポイントは、サポート ≥ 安全な場所 ​​≥ 強化 ≥ 推奨という特定の順序になっていることに注意してください。サポートタイプは最も堅牢であり、誰もそれに異論を唱えることができないからです。たとえば、リーダーが Double Eleven のリアルタイムの取引金額を確認したい場合は、大きなデータ画面を作成する必要があります。そうでなければ、何も見えなくなります。この功績は完全にデータによるものです。

リスク回避と強化はどちらもパフォーマンスに反映されますが、リスク回避の認識は強化の認識よりも高くなっています。 60点を取った生徒を90点にまで上げるのは大変だけど、「0点を取ったあのバカがクラス全体の足を引っ張っているんだ！」と指摘するのは簡単だ、みたいな。

私たちは、ビジネスが発見していなかった問題を指摘し、2つの無駄なプロジェクトを削減し、すぐにROIを改善しました。実は、これは財務や監査などの部門がリーダーの前で信用を求める際によく使われる手法でもあります（興味深いことに、彼らもデータ分析に基づいて「XX経費をコントロールする」という結論に至っています）。

強化カテゴリー自体は実行が難しく、精密なマーケティング、製品の推奨、需要テストなどのビジネス協力が必要です。データ分析作業はたくさん行われているようですが、運用から切り離されたクーポンは、実はそれほど効果的ではありません。だから議論するのは簡単です。

提案に関しては、あなたが書いた提案に誰かが耳を傾けるかどうかは誰にもわかりません。聞いてみても、提案から最終的なビジネス成果物に至るまでにはまだまだ長い道のりがあります。コスト、実装計画、システム開発、ページデザイン、製品選定、分業と連携、顧客サービス、それぞれのリンクが提案よりも重要です。

したがって、ビジネス部門が率先して「これは良い提案です」と言わない限り、データアナリストは率先していわゆる提案を披露することはありません。

これを見た別のクラスメートが言いました。「先生、私は普段、そのデータが何に使われるのかを決して聞きません。」数字を計算して提出するだけです。今これをどう書いたらいいのか分かりません。まあ、そうであれば、今年の評価は諦めましょう。来年はこれをやらないように覚えておいてください。

普段、陳先生はいつもおしゃべりで、分析単位ごとに「ここではビジネスをこのように組み合わせることができ、そこではこのように価値を出力できます」といった話をします。彼はこの日のために準備をしているだけです。今後の分析方法を検討する際には、数字の計算方法だけでなく、実装シナリオにも注意を払ってください。

別の学生が言いました。「先生、他の部門の承認が必要なので、認められなかったらどうすればいいですか？」本質的には、問題の解決策は、正式にプロジェクトを確立し、そのプロジェクトを通じて問題を解決することです。プロジェクトの確立に加えて、より多くの写真を撮り、より多くのメールを送信するという運用の詳細もあります。たとえば、ビジネス リーダーは電子メールで次のように返信しました。「非常に優れた分析です!」よかった、証拠としてスクリーンショットを。

例えば、ダブルイレブンのお祝いパーティーでは、大物ボスたちがビッグデータスクリーンの前で集合写真を撮り、証拠として写真を撮りました。例えば、部署の定例会議でデータを共有するときは、証拠として写真を撮っておくといいですよ！つまり、相手がズボンを上げるのを忘れて、後であなただと気づかないということがないように、より多くの証拠を残しておくということです。

バージョン4: 綿の中に隠された針

使用シナリオ: 就職活動や上司の前での自慢

モデルエッセイ:

私は大画面の専門家です。ダブルイレブンで見る大きなスクリーンは私が作りました。

私はオペレーションアシスタントで、オペレーションの 90% を担当しています。

前回はアクティビティヘルパーを務めました。 。 。

執筆のヒント: このバージョンとバージョン 3 の唯一の違いは、自分自身にラベルを付けることです。そして、このラベルは直感的で理解しやすいです。学生の中には、このような小さな行動が大きな影響を与える可能性があるということに興味を持つ人もいるかもしれません。持っている！もちろん！前に大画面スマートウォッチを買った同級生は、たった24年で月給3万以上稼いでるんですよ、ハハハ。

業績報告は上司（大きな部門の部長やCTO、COOなど）に報告される可能性が高いため、素人にできるだけ早く内部関係者の理解を得るにはどうすればよいかという問題があります。これは、データ アナリストが低レベルから高レベルに進むために解決しなければならない中心的な問題です。

なぜなら、部外者の目には、あなたはただ数字を計算しているだけで、ビジネスを理解していない人だと思われるからです。 Hadoop での作業とそろばんの使用の違いを理解するのは困難です。したがって、彼らがあなたと感情的に共鳴し、あなたの価値を認識することは困難です。しかも、これはボスと対峙しているときです。上司には多くの部下がいて、時間は限られているため、できるだけ短い時間で自分の価値を示し、上司との感情的なつながりを確立する必要があります。ラベルは最高のツールです。

ラベルを付ける方法は、スプレッドシート、大画面、レポートなど、上司に最も近いものから始めることです。まず、上司が思い出せるようにリアルなラベルを付け、次に数字をリストアップします。こうすることで、すぐに印象を確立でき、データのサポートも得られるため、現実的な印象を与えることができ、効果は非常に高くなります。

このトリックは面接の際にも非常に役立ちます。面接では通常、人事、採用部門の直属の上司、採用部門の上級上司、そして上司と会うことになります。ほとんどの場合、特定の業務を理解しているのは直属の上司だけです。他の人はまったく理解しておらず、あまり気にしていません（特に人事。採用要件で SPSS と Python を一緒に書くのは、これらの文系の学生です）。そのため、いくつかのタグを使用して印象を素早く確立することで、目立つことが容易になります。

以上が年末の業績評価の連続ルーチンです。読んでみると、パフォーマンスレポートは単なる一枚の紙であることがわかります。本当に自分自身を証明するのは、膨大な作業の積み重ねと、慎重な要約と分析です。

歩くときは頭を下げ、空を見上げるようにと言われています。それでおしまい。働く目的はお金を稼ぐことです。他の人を幸せにする仕事をもっとすることでのみ、自分の価値をよりよく示すことができます。幸せになりたいなら、お金を使ったほうがいい。

これを読んで、今年はいい勉強ができなかった、蓄積が少なすぎると感じて落胆する学生も多いかもしれません。大丈夫です。少なくとも、私たちの取り組みの方向性は誰もが理解しているので、来年も引き続き協力していきます。来て！

著者: 地道な陳先生 WeChat 公開アカウント: 地道な陳先生