
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
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03