作为数学分析师，我们经常在绩效考核时不知道如何量化展示我对团队的贡献，年终总结的时候经常抓耳挠骚，写不好的话升职加薪就可能无缘。今天我们就来聊一聊数据分析师要如何让数据洞察，也就是数据insight落地这个问题。

最关键的一点是，我们要了解我们合作的组的产品业务目标是什么，再根据这个业务目标和这个组对于数据的理解和接受程度找到我们的影响点。

1、理解和接受程度低
如果说这个组从来没有用过数据进行决策，比如说是一个会计类型的组，他们可能最需要的就是一个报表的系统，只要可以快速，准确的用python数据处理替代人工的方式规避错误，就是一个很好的影响力。

2、理解和接受程度高
如果说这个组已经非常擅长利用数据去寻找数据洞察，包括工程师和产品经理都很熟练的会用使用dashboard的话，数据分析师就需要使用更复杂的方式来对产品进行影响。这里我们可以进一步从直接影响和间接影响来看。

2.1 直接
直接方式是数据分析师可以直接接触模型的建立和优化，从设计到实施从头到尾参与，在这个过程中落地数据分析的结果。你可以用模型的准确率是多少，他比之前的模型准确率提高了多少，为公司多赚了多少钱，提高了多少点击量等等来量化你的影响。

2.2 间接
2.2.1 离线做模型给工程师，工程师测试使用
间接方式可以是建立一个线下的模型，把模型交给管理产品的工程师团队，让他们去复制或者是再提升你的模型，如果你证明了对产品目标有用的一些因素，比如说你发现如果说用户在谷歌地图上看到了更多的图片，那么他们就更容易上传图片，工程师可以考虑把用户最近一天内有没有看图片考虑到他们选择通知（notification）的目标用户的模型中。

2.2.2 产品方向上用数据进行决策支持
你还可以使用一些统计类的方式得到一到两个对产品的建议。例如，Facebook的一个著名的案例是，他们发现如果用户在十天内有加到七个好友的话，用户的留存率会大大的提升，那么你可以把这个数据洞察告诉产品经理，产品经理就会去着重提升用户在十天内的好友数，比如说更多的推送用户相关的好友，而不是推送广告等等。

2.2.3给其他分析师和科学家提供理论支持
如果说你的研究在这个阶段并不能给出直接可以利用在产品上面的建议，那么还有一种方式是，向分析师团队建议未来进行更加深入研究的方向，那么这也是你的数据洞察落地的一种方式，你可以把它想象成别的分析师会利用你的分析作为他们的文献引用。从而使你提高了在自己的影响因子。

总结下来就是一句话，你需要就着问题找方法，而不是拿着锤子到处去找钉子，也就是用答案去找问题。