抽丝剥茧的数据分析之道

不得不说，当今社会，就是一个用数据说话的时代，更是一个依靠“数据秘密”，从众多竞争者中脱颖而出的时代。

麦肯锡公司曾经发表过这样一段经典言论：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。”在世界500强企业中，90%以上的企业，都有自己专门的数据情报收集部门。

由此可见，数据分析对工作的影响也就不言而喻了。那么，对于数据分析者来说，他们每天的工作是什么呢？又需要掌握哪些技能？今天，就让我们抽丝剥茧，来了解数据分析行业那些你既了解，又了解不多的内容。

1、解构数据分析

我们字面拆解：数据 + 分析，数据是基础，分析是主导。可见，数据并不意味着价值，分析和决策才能创造价值！

而数据分析：思维方式大于实践方法：

思维方式：业务目标及调研+思维逻辑+创新想法+可行建议

实践方法：数据汇总统计+工具使用+可视化

数据分析对一个企业有巨大价值，则是对企业“数据”进行全方位的分析，两者相辅相成才能实现企业决策价值最大化。

所以，我们做好数据分析，要对数据分析的价值有清楚的定位，不能沦为单纯的 “取数”、“做表”、“写报告”，数据分析应该是对业务有实际的指导意义，并结合业务痛点去发现问题从而解决问题的工具。

我们可以在生活中培养数据思维的习惯思考场景，当然，在实际工作中的前提是，我们要熟悉自己的业务流程以及业务指标等，我们在培养数据思维的同时数据敏感度会不断提升。

2、数据的特性

数据是客观事物发生留下的客观事实，发展变动的数字化记录。随着科学技术的发展，数据的概念内涵越来越广泛包括数值，文本，声音，图像，视频等。

而新增用户、留存、用户活跃、转化、收入、用户规模等，通过数据量化，我们才能精准感知业务指标。所以，数据是用来描述业务指标的，是被量化的业务指标。但数据的本质还是数值，只是属于最后结果的一种表现形式，要想改变结果，只能去寻找因，从因上做改变，才能引起结果的改变。

而数据的特性有：

1）统一性

统计口径一致、计算逻辑一致、数据管理流程一致……

2）安全性

就是除了统一性之外，还有安全性的问题。数据会不会泄露？不同数据牵涉的敏感点有哪些？

3）时效性

很大程度上制约着决策的客观效果。有些数据随着时间的推移，价值会越来越小。

4）准确性

大家都知道，数据正确与否的重要性。错误的数据，可能会导致失败的决策；当出现问题时，到底是后台系统的统计，还是指标统计逻辑有问题。

3、分析的本质

分析的思维过程是：

发生了什么？——追溯过去，了解真相。

为什么发生？——洞察事务发生的本质，寻找根源。

未来可能发生什么？——掌握事物发展的规律，预测未来。

我们该怎么做？——基于已经知道的“发生了什么”、“为什么会发生”以及“未来可能发生什么”的分析，帮助和确定可以采取的措施。

分析本质即面临各种问题时，对于企业而言，让业务更加清晰，让决策更加高效。对于个人而言，认清现状，让自己的决定更加有利。

这些东西说起来都是高大上的，简单来说，能通过数据找到问题，准确地定位问题，准确地找到问题产生的原因，为下一步的改进，找到机会点，也就是所谓的：数据驱动。

4、数据分析需要怎样的能力

1）通关心态

当你决定进入数据分析行业的第一天，你就要对标行业中的90分高手、100分高手。具备通关的心态，3年，也就是6个6个月。每6个月左右，至少要突破1个关卡。

如此，6个6个月过后，你往往能突破到第6关、第7关。

如果是你天赋极强的人，或者你的运气很好，你极可能就成为顶尖专家了。

那么，我们来看一下“德雷福斯模型”，把打怪升级的成长过程分为五级。

第一级是新手（10-20分）。新手能记住抽象的规则，然后按照规则行事。

第二级是先进的初学者（30-40分）。先进的初学者不但能按规则行事，而且能够根据以往的经验，面对不同的局面能采取不同的行动。

新手只会规则告诉他的那几招，而先进的初学者除了规则还有经验，他可以在一定程度上，对不同环境随机应变。

第三级是胜任（50-60分）。胜任者面对几个事情，能够分出优先级。也就是说，在做决策的时候，他清楚地知道，首先应该照顾什么地方，其次应该做什么事。能分清什么重要，什么不重要。他有时候按照固定规则去做事，有时候则是依据以往的经验。

第四级是精通（70-80分）。精通者能够把所有的信息当做一个整体来考虑。精通者考虑问题，很少理性地使用固定的规则，他已经不再区分经验和规则，而是从整体出发，全盘考虑。

第五级是专业（90分-100分）。专业者完全不受理性的束缚，他的判断和反应都是在无意识的情况下做出的。哪怕面对的是全新的情况，他也能无意识地把这个情况和以前的经验联系在一起，自动处理。

2）综合的能力

数据分析要做好，综合要求非常高，因为大多数据分析是要向老板汇报的，厉害的数据分析人员至少要具备业务能力、思考能力、沟通能力、表达能力、分析能力、数据能力、技术能力及统计能力。

业务能力：充分理解公司战略、行业、领导思想，最好有业务岗位实战经验

思考能力：最值钱的是想法，通过数据对这些想法进行系统化的分析和论证

沟通能力：对上沟通确认目标、对中要采取合作、对下要明确执行要求

表达能力：一切都是为了让人看懂，态度上重视汇报，汇报讲究故事和逻辑

分析能力：基于业务常识选择合适的指标和维度，发现异动原因并可视化展现

数据能力：拥有全局的数据视野、更深的数据理解能力和操作能力

技术能力：EXCEL、SQL、Python/R、机器学习/深度学习引擎

统计能力：理解统计的基本概念、理解基本算法

以上，就是数据分析需要怎样的能力，其实，在很多企业中，数据分析是个岗位，但我一直认为数据分析仅仅是数据从业者谋生的高级手段，数据运营、数据产品、数据管理等各类岗位都需要数据分析的技能，比如数据运营就是数据分析的一种持续迭代形式。

总之，优秀的数据分析人员一定是主动发现问题、解决问题并扛得住压力的。