隨著信息產業的發展、互聯網的爆發，加上軟硬件計算能力的提升，數據的存儲和計算都不再成為瓶頸。那麼如何通過這些大數據指導生產，體現出數據背後的價值呢？

什麼是數據分析

數據分析是通過合適的採集和統計分析方法來收集數據並進行分析，最終形成有用報告的過程。從定義上看主要分為2個部分工作：

• ①收集和處理數據；
• ②提取有價值信息，分析得出結論

企業最大的成本是決策成本，當下很多企業發展模式都是通過數據來驅動業務，因此數據分析對企業的決策會起到關鍵性的作用，尤其是在探索期和顛覆期的業務。數據分析有3個典型的場景：掌握業務狀態、分析行業潛力 和 評估業務進展。

掌握業務狀態

通過對業務關鍵指標的監控、分析，掌握企業業務的經營情況。其中又分為異常指標波動分析、關鍵指標業務總結 2 個細分場景。

分析行業潛力

主要分析當前產品或業務的現狀：有哪些問題，有哪些優勢，發展潛力如何？從數據中分析出原因並提供應對方案，知道下一步的改進方案。

評估業務進展

針對新產品或業務，評估是否帶來了業績提升？產品或業務的覆蓋度和影響度如何？通過數據分析出存在何種問題，並提出優化方案。

如何做好數據分析

既然數據分析對企業的發展至關重要，也有眾多的應用場景，那麼怎麼樣才能做好數據分析呢？數據分析報告即對生產有指標性建議的論點 和 支持該論點的合理數據，一份好的分析報告需要的技能除了分析的思路，對業務的理解也至關重要。下面介紹一下數據分析的4個關鍵點：業務調研、創新思考、邏輯推理、可行建議。

業務調研

數據分析要重思路、輕方法，而思路就是來源於對業務的深刻理解和思考，不同的業務會產生不同的數據，必須要做好業務理解，夯實分析基礎。

尤其是對於數據分析的新人，只有對業務進行的大量的研究和分析，才能產生出有價值的分析思路。否則只能是紙上談兵，所得結論難以用於生產指導。

創新思考

在業務理解清楚的基礎上，如何才能從分析團隊中脫穎而出，得到BOSS的認可呢？這就是數據分析的第2個關鍵點—創新思考（差異化分析）。差異化的分析能力要求分析不僅要做深（自身領域），而且必須要在做廣（相關領域），這種能力需要進行不斷的學習和思考。

一、學習：跨領域的知識面

當下好多大型互聯網企業都在搞跨界整合，例如互聯網+，學習知識也是一樣，為了擴展思路，同樣需要跨領域學習。依據經驗，對數據分析輔助性最強的三個學科分貝是經濟學、心理學 和 統計學。

• 經濟學是研究人理性的一面，適用於大多數跟商業產品先關的分析場景，如果不瞭解經濟學，跟商業相關的問題，將無從下手。
• 心理學是研究人感性的一面，適用於跟大部分用戶產品相關的分析場景，對這些產品的分析，需要對人心裡訴求有較深的理解，才能通過數據得到有效結論。
• 統計學：這一門工具性學科，“工欲行其事，必先利其器”，掌握越多的統計方法，對數據分析將起到事半功陪的效果。

二、思考：養成思考的習慣

子曰：學而不思則罔，思而不學則殆。思考本身就是對之前學習的知識進行更加系統化和深入化的理解和整合。學習是思考的素材來源，但是如果不思考整合，學習到的知識就很難幫助你提高自身解決問題的能力。一個正在懶惰的人，不是不夠勤奮，而是逃避思考。

邏輯推理

通過前面的業務理解和創新思考，可以形成許多分析思路。數據和思路都有了，剩下的就是腿邏輯推理得到正確的結論。

所謂“邏輯推理”，是從特殊場景中抽象出一般規律，再推廣到更多的具體場景，它是一個歸納和演繹的過程。

從數據到結論的推理中有如下常見錯誤：

• ① 不謹慎的歸因：是由於相關性的誤解，很多時候數據之間有相關性，但不一定有因果關係。
• ② 比較對象不當：主要原因有比較的對象缺失、比較對象不匹配。
• ③ 觀測維度有誤：盡心挑選的數據維度，更細節的相關信息是不能忽略的，隱藏了部分事實就相當於說謊。
• ④ 只信親身經歷：基於個案的認知，需要跳出自己的圈子，從更加宏觀、整體的角度去統計數據。
• ⑤ 數據信息不足：由於數據不足，過分腦補的推理，用一個精細的故事解釋高層的統計指標。在實際處理過程中這種現象還是經常出現的，只能儘量避免。
• ⑥ 心中含有成見：主要是先入為主的偏見，雖然不帶“先入為主”的觀念分析很難，但追求客觀分析的心態還是需要堅持。

可行建議

經過前面的業務調研、創新思考、邏輯推理，數據分析工作已經完成，剩下最後一步：基於數據結論，提出可行的建議生成業務報告。

數據分析報告質量評斷標準，可以分為三個層次：

• ① 及格線（事實）：整理好信息，邏輯清晰的闡述事實；
• ② 優秀線（分析）：報告有獨到的見解，能夠提供新的認知，產生新的思考。
• ③ 滿分線（行動）：基於分析結論，提出了有效的執行方案。

可見，三個層次將重心從“闡述事實”到“深入分析”，再到“提出建議”。一份好的報告這三個部分缺一不可。

總結

以上闡述了數據分析的4個關鍵點，下面介紹一下典型的數據分析的5個步驟：選擇主題、確定思路、數據統計、輸出報告、業務落地。業務調研和創新思考決定了“分析主題”及“具體思路”的好壞；邏輯推理決定了“分析報告”的可信度；可行建議決定了“業務落地”的效果。

好了，今天就到這裡，如有疑問，歡迎大家關注留言。