临时数据
数据分析师的第二块核心工作就是临时数据，这是大部分数据分析师职业生涯的第一个痛点。
很多的初中级的数据分析师工作中最主要的事情是什么？很多人的回答都是在不断地满足临时提数需求，其实这样是非常危险的，一定要想办法进行优化。因为大量的烦杂的临时性需求，不仅仅会占用大量的时间，更是会不断的消磨分析师的热情和进步力度。
临时提数需求可以分为两种，一种是管理层的需求，另一种是业务执行人员需求。
对于高管层的临时提数需求，优先级肯定是最高。因为，无论是国企还是民企，很多的领导都是习惯性的灵魂拷问，为什么降了，为什么升了。或者突然想问一下某个细节的问题和数据。千万不要说我可以提前把领导所有的需求都提前可视化或者做成报表。一是你低估了领导，二是没有意义。
当你接到高层的需求时，此时一定不能立马去做，而是需要思考为何需要这个数据，通过这个数据能进行什么决策。举个例子，CEO 现在正在与外部公司商谈合作事宜，需要了解用户人均时长，如果你不知道这个背景前提，给出的数据往往有误，这时需要及时的与领导进行沟通。
而业务线的临时提数需求是非常繁多的，比如数据指标口径、数据增长计算，等等，这时就需要你根据自身的实际工作情况合理安排，学会合理地拒绝一些业务线可以自己解决的事情，不断提升自己的工作价值，而现实情况往往是大部分数据分析师都陷在临时数据需求的泥潭。
不会拒绝的数据分析师只是个茶树菇（查数姑）
举个例子，现在app引导用户的方式基本就是活动加载优惠券，产品经理需要快速得知优惠券的使用人数，如果你拿到这个需求后，立马分析使用人数字段口径是哪个日志，然后写 SQL 把结果反馈给产品经理，那么他可能会发现使用人数不够广，接下来便会要求你提供优惠券下发人数，再从头做一遍，周而复始，你会发现后面还会有使用频次、消费金额，等等需求在等着你，面对这样的窘况如何解决？
正确的方式就是坚决不做提数机器。
分析师针对每一个业务单点问题，先追根溯源，建立该业务类的分析框架，由点及面彻底解决该类问题。同时在这个过程中不断利用互惠原理和社交技巧，只给业务方做最核心的需求，其他衍生需求由业务方自己完成。
我们接到需求后，先了解业务背景，找到产品经理最关注的核心需求，比如我们发现产品经理最关注的是优惠券的使用情况，并针对使用情况如何做出优化？面对这样的需求我们进一步分析，使用情况包括优惠券下发人数、使用人数、使用比例、消费金额。消费频次等。当我们把这些指标因素都考虑到时再去和产品经理沟通，呈现的数据分析结果就非常清晰了，至于衍生需求，比如过了一个月产品经理需要同样的数据，你就可以让产品经理根据数据模型自己计算了。或者自动化展示了，几乎不需要耗费自己的精力。一次的培训可能简化很多的工作量。
这里需要注意不断利用互惠原理和社交技巧，毕竟分析师是一个支撑职位，需要和业务线保持良好的关系，有理有据、不卑不亢，大家的目标是一样的，就是把产品做得越来越好。
