作为数据分析师，我们经常在绩效考核的时候不知道要如何量化展示我对团队的贡献，国外的同学在执教年终总结的时候经常抓耳挠腮，写不好的话升职加薪就有可能无缘。今天就跟大家分析一下数据分析师要如何让你的数据洞察落地，最关键的一点是我们要了解我们合作的组的产品的业务目标是什么，再根据这个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。

如果说这个组从来没有用过数据来进行决策的话，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使用数据处理，比如说拍照来替代人工的方式，规避一些错误，这就是一个你的很好的影响点。

如果说这个组已经非常擅长利用数据去寻找数据的洞察，包括工程师和产品经理都很熟练的使用的话，那么数据分析师就要通过更加复杂的方式来对产品进行影响，我们可以从直接影响和影响两个方面来看，直接影响呢是数据分析师可以直接接触到模型的建立和优化，从设计模型到实施从头到尾的参与进来，你可以用模型的准确率是多少，比之前的模型准确率提高了多少，为公司多赚了多少钱，提高多少点击量等等来量化你的影响。

点击的方式是你可以建立一个线下的模型，然后把这个模型交给管理这个产品的工程师团队，让他们去复制或者是提升你的模型。比如说你看到如果用户在谷歌地图上看过了更多的图片的话，那么这个用户就更容易上传自己的图片工程师呢，就可以考虑把用户这一天内有没有看过图片加入到他们的选择用户的模型中，选择哪些用户给他们发一些通知，去要求他们上传图片，你还可以用一些统计类的方式得到一些对产品上的建议，比如说facebook一个非常著名的data数据洞察，就是他们发现如果这个用户在十天内有加到七个好友的话，用户的留存率就会大大的提升。那么如果你把这个洞察告诉产品经理，产品经理最后去着重提升用户在这十天内的好友数，比如说推送更多用户的相关好友，而不是推送广告给这个用户等等。

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的建议，那么还有一种方式是你可以向你的分析师团队提出建议，向未来进行一些更加深入的研究，给独立提供一个研究的方向，那么这个也可以让你的数据洞察落地，你可以把它想象成别的分析师会利用你的分析来作为他们的文献引用，你就提高了你的影响因子，总结下来就是一句话，你需要就着问题去找方法，而不是用方法去找问题，不要拿着锤子到处去找钉子。