京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:接地气的陈老师
来源:接地气学堂(公众号)
又到了一年一度的年终总结+述职报告环节。有很多同学表示:有没有模板可以抄抄,今天它来了。
考虑到每位同学做述职的性情不太一样,有的想出人头地,有的只想交差了事,有的早就对公司不满恨不得马上离职。因此,我们今天会给几个个性化版本,大家参照自己的需求来写。
01、版本一:负分粗俗型
使用场景:想被领导骂的时候
范文:
我一年都好忙啊,都在写代码,写的啥我也不知道
写作要点:很多做数据分析的同学,其实没有什么项目经验,也没有正儿八经建模,每天都在做人肉sql机,跑一堆数。这时候会觉得似乎天天在忙,却不知道忙什么。于是容易一着急就胡乱写几句。
明明自己是做数据分析的,写的报告连个数字都没有。通篇只有“忙”“累”“多”“好多”“真他妈多”这种形容词。这种报告最容易被领导批斗,除了挨骂没啥好处,大家引以为戒。
02、版本二:交差了事型
使用场景:无欲无求,交作业了事的同学
范文:
写作要点:如果只是想交差的话,记住这个句式:我+完成了+XX任务。搞掂!这样可以直观清晰的向老板表达:交代的工作我做完了。为了克服版本一的问题,我们得把“到底这些代码是为了啥?”这个问题交代清楚。因此需要分门别类。
数据分析最常见的五种产出就是:临时取数,报表,专题报告,模型,数据产品。可以分开五部分来写。每一项工作,又有新建,更新,优化,迭代(删除/合并)四个状态,也可以分开写。这样看似混乱的日常工作,就能进行清晰的分类了。
有些同学会抱怨,说:我做了分类,发现我的工作90%都是更新报表,按照固定的格式输出报表day by day by day by了365个day……这实在没啥价值啊,写不出手啊!是的,如果真的工作只有固定更新,那真的没啥价值。今年的绩效考评就放弃吧,明年多问问自己,为啥平时如此安于现状,也不想着折腾点出成绩的东西。
03、版本三:锦上添花型
使用场景:想在领导面前留个好印象
范文:
2020年内,本人完成工作如下:
写作要点:想锦上添花,就不能光干巴巴说:我做了什么工作。而是得说:我创造了什么价值。同样是干活,领导从来更关心的是:谁的产出更大。但数据分析师和销售、运营、产品经理不太一样,有独特写法。
数据分析工作与销售的最大区别,在于数据分析是个辅助岗,打BUFF的。所以不能像销售那样直接吹:我为公司挣了1000万!数据分析工作与运营的最大区别,在于数据分析是个支撑岗位,不像运营那样抛头露面,能大吹:我们的活动吸引1亿次点击,拉动DAU增长30%。
作为一个辅助+支撑性岗位,你要是大喊:我为公司挣了1000万,销售和运营会一起跳起来说:没有我们你挣个屁。你要是大喊:我写了10万行代码,大家会一起骂:“你不写,谁写?不写滚蛋”。
因此,数据分析师想要体现成绩,关键是取得外部门的认可。因此,可以从如何助力、如何赋能、如何辅助的角度来说,比如:
请注意,这四点是有先后顺序的,顺序是:支撑≥避险≥增强≥建议。因为支撑类是最刚性的,无人可以扯皮的助力。比如双十一领导想看即时交易额,那就得做数据大屏,不做没得看。这个功劳独一份是数据的。
避险和增强都能反映到业绩上,但避险的认可度是高于增强的。这就好比,把一个60分的学生教到90分很难,但指出来“就是那个人考0分,拖全班后腿!”很容易。指出业务没发现的问题,砍掉两个项目,ROI立马提升。实际上,这也是财务、审计等部门在领导面前邀功的常用手段(有意思的是,他们也是基于数据分析得出:“要控XX费用”的结论的)。
增强类本身难做,并且需要业务配合,比如精准营销,比如产品推荐,比如需求测试,虽然看起来是数据做了很多分析工作,但脱离运营的优惠券,其实效果没那么大。所以很容易扯皮。
至于建议类,鬼知道你写的建议人家听没有。即使听了,从一个建议到最终业务产出之间,还隔着十万八千里呢。费用、落地计划、系统开发、页面设计、商品选择、分工合作、客服对接,哪个环节都比一个建议要重要。所以除非是有业务部门主动提出的:“这个建议很好”,一般情况下数据分析师不会主动炫耀所谓建议。
看到这又有同学说了:老师,我平时都从来不问数据有什么用,跑完数交了就完事了,到这我也不知道该怎么写。额,如果是这样的话,今年的考核就放弃吧。记得明年不要这么干了。
平时陈老师总是喋喋不休的,每个分析单元都会讲“这里可以这样结合业务,那里可以那样输出价值”就是备着这一天,以后看分析方法,不要光纠结数字怎么算,多看看落地场景哦。
还有同学说:老师,既然是要别的部门认可,人家不认咋办?本质上,解决问题的办法是正式立项,通过项目来解决问题。除了立项,还有个操作细节,就是多拍照,多发邮件。比如业务领导邮件回复了:分析的很好!good,截图为证。
比如双十一庆功会,大老板们在数据大屏前合影,good,拍照为证。比如在部门例会上做数据分享,good,拍照为证!总之平时多留证据,防止大家事后忘了提起裤子不认人。
04、版本四:绵里藏针型
使用场景:求职or在大老板前露个脸
范文:
写作要点:这里和版本三只有一个区别,就是自己给自己贴了个标签。并且这个标签是直观能理解的。有同学会好奇:这么一点点动作,能有大作用。有!当然有!上一个给自己贴大屏小能手的同学,才24岁月薪已经破3万了,哈哈哈。
因为述职汇报很有可能是向上上级汇报(比如面对大部门总监或者CTO,COO)这里就有一个问题:如何最快速的让外行理解内行。这是数据分析师从低级往高级发展必须解决的核心问题。
因为在外人眼中你就是个弄个数字,不懂行的人,是很难理解做hadoop与打算盘有什么区别,因此很难与你感情共鸣,也就很难认可价值了。况且这是面对老板,老板们下属很多,老板们的时间都很少,所以必须在最短时间内把自己价值展现出来,和老板建立感情联系,标签就是最好用的工具。
打标签的办法,就是从一个和老板最贴近的事入手,比如报表、大屏,报告。先打一个生活化标签,让老板回忆起来,然后再列数字。这样就能快速建立印象,又有数据支持,显得脚踏实地,效果非常好。
这一招在面试时也非常好用。面试的时候一般要面HR、用人部门直属领导,用人部门上上级领导,大老板,这几关。大部分情况下,只有直属领导才懂具体业务,其他的人根本不懂,也不怎么care(特别是hr,这些文科生就是在招聘需求里把spss和python写在一起的人)。因此用几个标签,快速建立印象,就很容易脱颖而出。
以上就是年终述职的连环套路。看完大家会发现,述职只是一纸文书。真正证明自己的,是平时的大量工作积累+认真总结分析。我们说,既要低头走路,又要抬头看天,即是如此。出来打工就是为了挣点钱,要多做让别人快乐的工作,才能更好地体现价值。想要自己快乐,还是去消费的好。很多同学看完可能很泄气,觉得今年平时没做好工作,积累的太少了。没事,至少大家现在看到努力方向,明年我们继续一起努力。加油!
——热门课程推荐:
想学习PYTHON数据分析与金融数字化转型精英训练营,您可以点击>>>“人才转型”了解课程详情;
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21