導讀：資料分析究竟是什麼？需要掌握哪些技能？如何進行資料分析？本文是對于資料分析的實踐與總結。
作者：木兮月寶
來源：木木自由（ID：huangxiang-1314）
在大資料和5G技術逐漸成為趨勢的時代背景下，我們幾乎每天參與到各種各樣涉及到資料的場合，如社交網絡、消費資訊、旅遊記錄……我們幾乎每天都會與各種各樣的資料打交道，如企業層面的銷售資料、營運資料、産品資料、活動資料……
這将是一個以"資料"說話的時代，更是一個依靠"資料"競争的時代！麥肯錫公司稱：“資料，已經滲透到當今每一個行業和業務職能領域，成為重要的生産因素。”并且，在世界500強企業中，有90%以上都建立了專門的資料分析部門。由此可見，資料分析的重要性以及未來趨勢。
那麼，資料分析究竟是什麼？需要掌握哪些技能？如何進行資料分析？等等....
我今天要分享的主題是：資料分析之道，抽絲剝繭與存乎一心，也就是我對于資料分析本身的實踐與總結。
01 解構資料分析
我們字面拆解：資料 + 分析，資料是基礎，分析是主導。可見，資料并不意味着價值，分析和決策才能創造價值！
而資料分析：思維方式大于實踐方法。
- 思維方式：業務目标及調研+思維邏輯+創新想法+可行建議
- 實踐方法：資料彙總統計+工具使用+可視化
資料分析對一個企業有巨大價值，則是對企業“資料”進行全方位的分析，兩者相輔相成才能實作企業決策價值最大化。
是以，我們做好資料分析，要對資料分析的價值有清楚的定位，不能淪為單純的 “取數”、“做表”、“寫報告”，資料分析應該是對業務有實際的指導意義，并結合業務痛點去發現問題進而解決問題的工具。
1. 靈魂三問
資料分析的靈魂三問，這就是我今天講的主要内容：
- 資料分析是個什麼東西？他到底解決什麼問題？
- 資料分析如何學習技能知識？需要掌握什麼樣的能力？
- 資料分析如何進行?有什麼方法論？
一談到資料分析，我們就會聯想到這些問題。
然而，我接觸資料分析的契機，是從剛開始工作是接觸的資料處理和市場調研，再之後商家代營運，産品資料營運等，這些工作中都涉及資料分析，到現在和朋友一起建立資料分析社群。
其實，我了解的資料分析不是從什麼高大上的角度出發，它繞不開是什麼、是多少、為什麼、會怎樣、又如何這幾個問題。
說明白點：
- 是什麼（樹立資料标準）
- 是多少（資料描述狀況）
- 為什麼（探索問題原因）
- 會怎樣（預測業務走勢）
- 又如何（綜合判斷狀況）
其核心就是分析資料（結合統計學等知識），找到規律（比如異動），給出結論和建議，進而能夠輔助決策。
那麼，接下來我們來看一下資料分析在工作中幾種常見的應用場景，切身體會一下：
- 活動上線前，需要做A/B測試，通過資料回報結果，驗證活動是否符合預期；活動上線後，還要分析實時資料，調整推廣節奏和推廣動作。
- 設計産品時，需要用資料來分析使用者行為，挖掘使用者需求；産品誕生後，還要用資料監測使用者行為、測試産品功能，促進産品疊代。
- 推廣拉新時，需要對每個引流管道進行品質評價；我們要收集每個管道的投入，用資料分析來分辨管道資源的效果，對比各大管道對業務的影響，從中找出最優管道。
……
以上就是工作中遇到的資料分析應用的場景，然而，我在曾經公司裡面親眼看到，日常工作涉及到決策的時候，會常常出現如下場景：
- 場景一：“我覺得”、“應該”這樣的詞彙，誰也說服不了誰，一點點小事都要老闆去拍闆；
-
場景二：活動效果沒出來，做彙報時，遭遇靈魂式追問：
“上線的新功能效果如何？”
“接下來打算怎麼優化”
“最近資料波動的原因是什麼？”
……
有以上這樣的場景，其根本原因在于缺乏資料思維思考邏輯，對業務的思維隻停留在淺層的對比，甚至會出現“拍腦袋決定”的情況。
是以，在工作生活中，我們應該不斷培養資料思維的習慣。舉幾個習慣：
- 若看到一個廣告，嘗試去分析廣告的閱聽人群數量大小，管道數量、成本和效果回收的情況。
- 若看到一個活動，想辦法去拆解出它的目的、針對人群、預期活動目标、投入成本、獎品爆率模型等資訊。
- 若看到一個産品，在使用完畢之後去分析他的商業模式、面對的使用者群體、群體的使用場景，以及可能設定的付費點并去驗證，同時想到可改進的價值點，并觀察後續營運動作是否驗證了改進點。
- 若看到一組客服回訪資料，能想到線索來源，通話總次數，通話有效次數&時長，線索意向級别，銷售司齡，套餐類型，來判斷這組客戶的意向度，以及跟程序度，成單周期。
- 若看到一列資料，我們應該可以清楚的指出資料是否有波動，這種波動是否正常，可能由哪些原因帶來了這些波動，相關的原因是否有資料呈現。
- 若看到一篇關于營運效果的報告，我們應該試圖去分析它的内生邏輯是否足夠支撐報告的結論，在哪些點上可能沒有詳盡調查。
- ·······
以上是我們可以在生活中培養資料思維的習慣思考場景，當然，在實際工作中的前提是，我們要熟悉自己的業務流程以及業務名額等，我們在培養資料思維的同時資料敏感度會不斷提升。
2. 資料的特性
資料是客觀事物發生留下的客觀事實，發展變動的數字化記錄。随着科學技術的發展，資料的概念内涵越來越廣泛包括數值，文本，聲音，圖像，視訊等。
而新增使用者、留存、使用者活躍、轉化、收入、使用者規模等，通過資料量化，我們才能精準感覺業務名額。是以，資料是用來描述業務名額的，是被量化的業務名額。但資料的本質還是數值，隻是屬于最後結果的一種表現形式，要想改變結果，隻能去尋找因，從因上做改變，才能引起結果的改變。
而資料的特性有：
- 統一性：統計口徑一緻、計算邏輯一緻、資料管理流程一緻……
- 安全性：就是除了統一性之外，還有安全性的問題。資料會不會洩露？不同資料牽涉的敏感點有哪些？
- 時效性：很大程度上制約着決策的客觀效果。有些資料随着時間的推移，價值會越來越小。
- 準确性：大家都知道，資料正确與否的重要性。錯誤的資料，可能會導緻失敗的決策；當出現問題時，到底是背景系統的統計，還是名額統計邏輯有問題。
3. 分析的本質
分析的思維過程是：
- 發生了什麼？——追溯過去，了解真相。
- 為什麼發生？——洞察事務發生的本質，尋找根源。
- 未來可能發生什麼？——掌握事物發展的規律，預測未來。
- 我們該怎麼做？——基于已經知道的“發生了什麼”、“為什麼會發生”以及“未來可能發生什麼”的分析，幫助和确定可以采取的措施。
分析本質即面臨各種問題時，對于企業而言，讓業務更加清晰，讓決策更加高效。對于個人而言，認清現狀，讓自己的決定更加有利。
這些東西說起來都是高大上的，簡單來說，能通過資料找到問題，準确地定位問題，準确地找到問題産生的原因，為下一步的改進，找到機會點，也就是所謂的：資料驅動。
4. 資料分析需要怎樣的能力
1）通關心态
當你決定進入資料分析行業的第一天，你就要對标行業中的90分高手、100分高手。具備通關的心态，3年，也就是6個6個月。每6個月左右，至少要突破1個關卡。如此，6個6個月過後，你往往能突破到第6關、第7關。
如果是你天賦極強的人，或者你的運氣很好，你極可能就成為頂尖專家了。
那麼，我們來看一下“德雷福斯模型”，把打怪更新的成長過程分為五級。
- 第一級是新手（10-20分）。新手能記住抽象的規則，然後按照規則行事。
- 第二級是先進的初學者（30-40分）。先進的初學者不但能按規則行事，而且能夠根據以往的經驗，面對不同的局面能采取不同的行動。新手隻會規則告訴他的那幾招，而先進的初學者除了規則還有經驗，他可以在一定程度上，對不同環境随機應變。
- 第三級是勝任（50-60分）。勝任者面對幾個事情，能夠分出優先級。也就是說，在做決策的時候，他清楚地知道，首先應該照顧什麼地方，其次應該做什麼事。能厘清什麼重要，什麼不重要。他有時候按照固定規則去做事，有時候則是依據以往的經驗。
- 第四級是精通（70-80分）。精通者能夠把所有的資訊當做一個整體來考慮。精通者考慮問題，很少理性地使用固定的規則，他已經不再區分經驗和規則，而是從整體出發，全盤考慮。
- 第五級是專業（90分-100分）。專業者完全不受理性的束縛，他的判斷和反應都是在無意識的情況下做出的。哪怕面對的是全新的情況，他也能無意識地把這個情況和以前的經驗聯系在一起，自動處理。
2）綜合的能力
資料分析要做好，綜合要求非常高，因為大多資料分析是要向老闆彙報的，厲害的資料分析人員至少要具備業務能力、思考能力、溝通能力、表達能力、分析能力、資料能力、技術能力及統計能力。
- 業務能力：充分了解公司戰略、行業、上司思想，最好有業務崗位實戰經驗
- 思考能力：最值錢的是想法，通過資料對這些想法進行系統化的分析和論證
- 溝通能力：對上溝通确認目标、對中要采取合作、對下要明确執行要求
- 表達能力：一切都是為了讓人看懂，态度上重視彙報，彙報講究故事和邏輯
- 分析能力：基于業務常識選擇合适的名額和次元，發現異動原因并可視化展現
- 資料能力：擁有全局的資料視野、更深的資料了解能力和操作能力
- 技術能力：EXCEL、SQL、Python/R、機器學習/深度學習引擎
- 統計能力：了解統計的基本概念、了解基本算法
以上，就是資料分析需要怎樣的能力，其實，在很多企業中，資料分析是個崗位，但我一直認為資料分析僅僅是資料從業者謀生的進階手段，資料營運、資料産品、資料管理等各類崗位都需要資料分析的技能，比如資料營運就是資料分析的一種持續疊代形式。
總之，優秀的資料分析人員一定是主動發現問題、解決問題并扛得住壓力的。
5. 常見的資料分析方法彙總
資料分析方法其實有很多，包含戰略與組織、營銷、人力資源、生産管理、财務管理、供應鍊管理等等方面。
1）戰略與組織方面
- SWOT分析：戰略規劃的經典分析工具
- PEST分析：組織外部宏觀環境分析工具
- BCG矩陣法：制定公司層戰略最流行的工具
- 麥肯錫三層面分析：企業設計戰略規劃、開拓增長的有效工具
- 波特五力分析：行業競争戰略最流行的分析工具
- 核心競争力分析：分析企業有效競争和成長的重要工具
……
2）市場營銷方面
- STP分析：現代營銷戰略的核心分析工具
- 4Ps營銷組合模型：制定市場戰略最經典的營銷理論工具
- 産品生命周期模型：描述産品和市場運作方法的有力工具
- 營銷漏鬥模型：量化了營銷過程各個環節的效率，幫助找到薄弱環節
- SPIN銷售法：系統化挖掘客戶需求的銷售工具
- 營銷戰略新三角模型：戰略業務架構分析工具
- 顧客金字塔模型：有效的顧客細分管理工具
……
3）人力資源方面
- 平衡計分卡：最具影響力的戰略績效管理工具
- 360度績效考核：推進員工行為改變最有效的工具之一
- KPI：國際通行的企業經營績效成果測量和戰略目标管理的工具
- 3P模型：實施企業人力資源戰略化管理的有效工具
- 關鍵事件技術：識别工作績效的關鍵性因素的工作分析方法
- 職業錨：職業測評運用最廣泛、最有效的工具之一
……
4）生産管理方面
- 5S現場管理法：現場科學管理的基礎工具
- 六西格瑪：世界最先進的品質管理法
- QFD法：一種顧客驅動的先進品質管理應用技術
- PDCA：循環有效控制管理過程和工作品質的工具
- AUDIT法：保證産品品質的先進品質管理控制方法
- 零缺陷管理法：企業品質管理方法的又一次革命
……
5）财務管理方面
- ABC成本法：企業控制成本的有力工具
- 杜邦分析法：企業業績評價體系中最為有效的工具之一
- 比率分析法：财務分析最基本的工具
- 淨現值法：企業投資決策中最基本、最常用的一種方法
- 沃爾評分法：對企業财務信用能力綜合評價的方法
- 本量利分析：實施目标成本管理的一個重要工具
……
6）供應鍊管理方面
- SCOR模型：第一個标準的供應鍊流程參考模型，供應鍊一體化的得力工具
- ECR系統：一種新型的供應鍊管理政策
- 關鍵路徑法：項目管理中應用最為廣泛的方法之一
- 邏輯架構法：項目品質評價的綜合評價方法
- PERT網絡分析法：有效的項目進度管理工具
- 工作分解結構：項目管理衆多工具中最有價值的工具之一
……
▲我挑選了幾種經典的資料分析方法，若大家對這些方法感興趣自己去查找學習~這裡不一一展開了
02 實踐總結
1. 抽絲剝繭
1）為什麼要抽絲剝繭？
我們來看一個例子：當你去分析某段時間内一個産品的活躍資料，就覺得這個事情很簡單啊，不就是把資料統計清楚嗎？看看趨勢，對比上周、上一年，然後進行分群分析，哪部分使用者流失等等。
看做完一遍之後呢，你會面臨一個糾結的情緒：同樣的名額，有同詞不同意；有同意不同詞；還有互相包含，就是我的這個名額當中有你的一部分，你的名額中有我的一部分啊；還有各不相幹毫無關聯的名額卻出現在同一個報表上——這都是有可能的。
其實，在做資料分析的時候，我們就會有一個扪心自問的過程：我們到底從何下手？從哪裡開始分析呢？
我自己的思考就是：先忽略亂七八糟，高大上的概念，回歸到本質，其實，明确分析目标後，資料分析就是為了名額服務的，最終的展現就是某個資料名額提升或者下降，進而影響業務決策，是以需要先了解一個問題：什麼是名額？它應該如何被解釋？
名額，它分成單一名額和衍生名額，衍生名額有一個或多個單一名額的計算得來。名額有次元和度量組成，需要注意的是，衍生名額的次元來源于組成其單一名額次元的交集。
單一名額需要經過資料統計的前置篩選，才能在邏輯上成立；衍生名額沒有自己的統計口徑，其統計口徑寄生于組成其的單一名額身上。
其實：名額就是由次元和度量組成。
我們可以給名額下定義：名額是描述一個資料統計業務的最小邏輯單元。
例如，咱們來拆解一個資料名額，就需要一個抽絲剝繭的過程，但在實際業務分析中，不一定要拆解的多麼細，基本上3個層級就能夠指導我們去做一些動作。量化以及拆分名額，是資料分析的靈魂。
- 一級名額必須是全公司都認可的、衡量業績的核心名額。它可以直接指引公司的戰略目标，衡量公司的業務達成情況，本質上需要管理層和下級員工的雙向了解、認同，且要易于溝通傳達，比如公司的銷售額，或者社交産品的活躍度。
- 二級名額是一級名額的路徑名額。一級名額發生變化的時候，我們通過檢視二級名額，能夠快速定位問題的原因所在。如我們的一級名額是 GMV 和訂單數量上升，那怎樣去定二級名額呢？我們就要去拆解一級名額，而能夠影響到 GMV 和訂單數量上升的，就是我們的核心二級名額。比如說貨品的單價上升，或者最近做的一些活動。
- 三級名額是對二級名額的路徑分析。通過三級名額，可以高效定位二級名額波動的原因，這一步也會基于曆史經驗和拆解。
2）小結
回歸今天的議題是資料分析之道，我們可以回到公司的戰略層，回到企業發展的戰略上去思考問題，需要我們思考如何應用資料分析，通過資料團隊搭建、資料名額監控體系搭建、業務分析模型規劃、業務目标規劃、相關責任人梳理等方式，快速地幫企業解決問題，實作業務增長！
是以，我認為作為一個資料分析人員而言，抽絲剝繭、總結規律、解決問題的思維方式能力，是最核心的能力。衡量一個資料分析人員是否優秀的标準，并不是學各種SQL、Python/R等資料分析工具，而是，是否能夠解構問題思維方式、還原本質、找到規律、尋找提升業務的最優解。
去尋求最優解、發展規律，那就應該運用到自己的思維架構——我們該怎麼去找到規律、怎麼去發展、怎麼去找到這個細節，需要這三步法。
2. 三步法
1）三步法
首先，還原場景，尋找規律；深入細節，全面觀察；窺斑見豹群，準确推演；交叉驗證，排除影響。要沉的夠深，要足夠的信心，要紮得夠狠。要跳出細節，回歸本質，用上帝視角做敏銳的洞察思維，大膽假設，尋找規律。
其次，覺得大方向上沒有問題，不要輕易下結論，還要再跳回到那些紛雜的細節當中，去一個一個地驗證你總結出的規律是不是适用，要保持一顆謙卑的心。當發現這些規律不适用的時候，就要大膽改正。
最後，就是場景與驗證，需要回歸到細節，做仔細的核對，小心地求證，嚴格地論述；要理清場景，一定不要有遺漏，要及時地調整，疊代更新。
2）小結
對于資料分析人員而言，給出的每一份資料，都要抱着對其負責到底的态度，這樣大家才能建立互相信任。是以，用思維去擊穿複雜的邏輯，抽絲剝繭，發現問題的本質，這是一種需要被加強的能力。
這就是在當下而言，為什麼資料産品經理、資料科學家這些厚重的職位，會成為當下的資料分析熱門領域的原因——就是因為它對能力跟素質有新的挑戰，不是大家能輕易适配的崗位。物競天擇，适者生存，市場規律就是供給多了，需求就容易滿足；供給的少，自然價位就高。
是以，你要去做那個供給少的環節，成為這個行業當中比較少見的人，而不是成為普遍的人。
3. 存乎一心
1）名額監控體系的搭建
當你把一個東西解構的足夠深的時候，你會面對一堆的需求碎片，萬法不離其宗，先找到離你思維邏輯最近的那一步，叫第一層立足點。找邏輯點的時候，我們就要存乎一心，明确分析目的，發現核心名額。尤其是第一名額，在整個分析過程中都不忘最初目的，其實就非常簡單。
那麼，如何去搭建一個名額監控體系？
①要明确産品業務目标以及KPI和所處的産品階段
要認清和明确目标。判斷業務走勢正常還是異常，探索解決問題的辦法，都是從計算目标和現狀的差距開始的，這一點非常重要。而不同的産品階段是有不同的産品目标業務的。拆解目标，細分可以有多種類型，比如常見幾種的：
- 按達成時間為：年、季度、月
- 按服務對象為：各個部門、整個公司
- 按流程位置為：結果型目标/過程型目标
②根據現階段産品業務目标，将資料名額分級
資料名額有很多：日活DAU、月活MAU、下載下傳量、激活量、新增注冊量、活躍度（DAU/MAU）、次日留存率、次人均時長、首頁通路率、停留率、人均充值金額ARPU、GMV，客單價等等，我們會針對不同的名額，分不同的層級。
一個資料名額，會受到多種因素的影響，而這些因素有内部的，有外部的，我們應當盡可能多的了解所有層面的影響因素，幫助我們對于資料的解讀及分析是在一個相對正确的範圍内。不一定要拆得太細，否則層級會過深，基本上 3 個層級就能夠指導我們去做一些動作。
我們還以上述一級名額 GMV 提升為例，我們拆解後發現是轉化率提升，那麼轉化率就是二級名額。
而三級名額則起到能夠直接指導一線營運的角色和作用，接着分平台去拆解各個轉化率的時候，我們發現是 IOS 的用戶端轉化率有所提升。那為什麼安卓沒有提升，是不是 IOS 最近做了一些疊代？是不是它的一個轉換路徑比其他端好？這些思考就能指導業務人員展開行動。
③搭建以日、周、月為機關的資料名額監控體系報表
監控每日、過去一周，上周， 上月同周， 上上月同周的資料報表，以圖表展示，來反映産品的變化趨勢，通過過去的一周資料反映産品現狀，通過每日、周、過去三個月的産品業務線資料變化趨勢預估未來的變化趨勢。
監控名額體系的基本邏輯：先看一級名額，結合二、三名額再預測判斷未來趨勢。
④根據資料監控結果，明确管理流程，實作控制
第一，當名額有異常狀态，明确營運政策執行者。如：
GMV降了→ 客單價降低了→ 使用者營運想政策GMV降了→ 某類商品降幅大了→ 商品營運想政策GMV降了→ 外部流量太少了 → 管道營運想政策
第二，再明确執行時間。要有時間狀态和走向判斷。如:
過去+負向 → 關注某某的問題過去+正向 → 發現什麼的經驗未來+負向 → 警惕啥啥的風險未來+正向 → 提示怎樣的機會
第三，明确需要多大力度，如：
注意出現異常，要提高等，立即執行。
比如：“如客單價不能在3天内得到改善提高，本月KPI将不達标，需立即優化商品組合，提升客單價”。
第四，複盤改善後效果
搭建資料監控體系，最主要環節就是效果的複盤。而且要先看是哪個層級的效果，再看具體效果大小。
2）小結
我們是要對資料的品質負責、對資料的追蹤負責、對資料服務的可靠性負責。回到存乎一心這件事，其實就是從碎片化的需求當中，結合自身和外部資源，将我們思維的底層邏輯體系一點一點的收攏起來，較精細化的解決問題。
而存乎一心的核心是應對諸多碎片化的需求時，有着深刻的洞察，順勢發展，因勢利導，随機應變，運用之妙，存乎一心，以滿足業務訴求。
03 資料分析之道
新事物的發展速度遠遠超出我們的想象，是以，關于“道”的思考還需要繼續深入，暫且當做是資料分析領域裡孜孜不倦又樂在其中地求索。
回想搭建資料分析社群的曆程，我們做了很多的準備工作，從社群願景、價值觀、使命的規劃，營運體系的搭建，到内容體系的搭建，初始使用者調研，後來使用者回報等等，遇到的困難一點點解決。
我覺得我們是站在了内容、商業和體驗的三者之間，我們為群友營造使用者體驗，我們為社群争取商業利益，同時我們也消耗着内容資源，面對内容要高品質提升的挑戰。
但是一定要有一個平衡點，這個平衡點就是最優解。我剛才講的那一切都可以忘掉，那都不是你的資料之道。回到你的實際情況當中，你要這三個點中尋找一個平衡。
是以，回到方法論就是要找到平衡點，也許這個平衡點一腳站在了内容上。
實際上，“資料分析方法論”是承上啟下的法門，往下，它們指導着“資料分析工具”的開展，往上，“資料分析之道”是戰略，是形而上的價值體系，我們需要建立自己的資料價值觀，一以貫之。
是以，如果你想真正的利用好資料分析，上述的抽絲剝繭和存乎一心，才是你們強大之道。
04 結尾
在經濟整體下滑的大環境中又受到疫情沖擊的2020年，各中小微企業都面臨着巨大艱難挑戰，并有着前所未有的機遇，希望這篇文章可以為焦慮中的中小微企業對于“資料分析”的應用帶來一點思考，幫助實作真正意義上的“資料驅動增長”。
最後，把非常喜歡的一句話送給大家：悲觀者往往正确，而樂觀者往往成功，與君共勉。艱難環境下，正是逆境崛起和彎道超車的好時機，願大家都能找到自己的資料分析之道。