什么是数据分析？
其实很多做数据分析的人，包括正在做数据分析平台的企业和公司，都很难对数据分析有清晰的认知，经过了十几年的发展，数据分析这个领域已经掺杂糅合了太多的知识学科，因此造成了很大的谬误。
其实数据分析相当简单，我尝试着自己进行了一次定义：数据分析，是针对某个问题，将获取后的数据用分析手段加以处理，并发现业务价值的过程。
这句定义中包含了“问题”“获取”“数据”“分析手段”“业务价值”五个关键词，分别代表了数据分析流程当中的五个层次——“业务需求层”“数据采集层”“数据层”“数据处理层”“输出层”
问题
数据分析的起点就是问题与目标
目就是眼睛，标就是靶子，也就是用眼睛盯着靶子瞄准，这就是目标思维。也就是说我们一定要知道数据分析的目的是什么，是为了做什么事情而分析，是要分析产品功能、还是想要原因诊断。有了目标我们才能搭弓射箭，而不是把时间浪费在应该用什么弓箭、应该摆什么姿势、应该什么时候射箭这样的问题上。
获取
当我们明确了分析的目标之后，下一步工作就是去找数据。
数据采集就是将原始数据从数据库中取出来，数据分析师在这一步更为重要的工作是搞清楚数据放在哪里+怎么把数据取出来这两件事。
数据分析
数据
第一种是数据库数据，包括公司中各个业务系统的数据、系统日志数据、行业数据等。
第二种是数据场景，什么叫作场景呢？最常见的例子就是数据分析指标体系，比如零售行业当中的“人货场”体系，其中的人、货、场三个要素都能组成一种数据场景。
第三种是清洗后的数据，这一步是数据分析当中最耗费时间的工作，几乎能占到整个过程 60% 的工作量，主要包括脏数据清洗（空数据值、空指标等）、重复数据排除、无效数据剔除等，主要的清洗数据工具有 Excel、FineBI 等。
分析
数据分析，根据实际场景需要可以分为四种：描述分析、统计分析、挖掘分析、建模分析
举个最简单的例子，学校门口卖烤地瓜的摊主告诉你他今天卖了 100 个地瓜，让你评价一下他的收入怎么样。
拥有数据思维的人这个时候应该会问一句“昨天卖了多少”或者“平时都卖多少”，假如他说平时只卖 50 个，那么评价就是今天比昨天卖得多，这时很多人就不会继续深挖数据了。这就是我们平时经常会犯的错，对比一下数据差异，然后就给个结果出来，抛给领导或者业务人员看，他们自己都能看出来的事情还要数据分析师干吗？那么我们应该怎么做呢？
首先遵守对比原则，可以分为横纵向对比、同比环比，横向对比竞争对手、纵向对比自身的差异，比如说与昨天相比今天是否出摊比较早？是否换了出摊的位置？是否隔壁摊位今天没有来抢生意等。
其次是趋势分析，大体可以分为周期趋势、行业趋势、外部环境趋势等，比如周期可以取一个星期 / 一个月的数据，最近的销售额是否一直在增长？是否是地摊的行业整体向好了？外部环境是否允许更多人来买地瓜了，例如学校门口？
然后细分分析，我们可以将烤地瓜的指标进行细分，细分成为销售个数、单个成本、工作时长或效率等。比如是否是今天的地瓜质量提高了，成本也提高了？是否是工作时长提高了，营业时间提高了？
这时候你就会发现数据中隐藏的很多信息，比如烤地瓜比昨天卖得多，很可能是因为今天老板出摊早，也有可能进了一些好吃的地瓜（成本上升带来销量的提升），也有可能是某些原因造成今天学生流量大（可能是食堂的饭菜不好吃或者其他原因），甚至有可能是因为今天比昨天冷，路人都想买个热地瓜吃。
价值
为什么总是有人抱怨数据分析没有价值、不能落地？原因很简单，他们在做分析的时候并没有关注业务与企业的价值点，所以做出的结果没有意义。
业务方为什么会找我们做数据分析？其实就是为了实现业务价值，价值体现在两点：如何将企业的盈利时间拉长？如何提高单位时间的盈利率？
第一点，盈利时间拉长需要提高用户的持续黏性，让用户和客户不断为企业创造价值，简而言之就是不断优化用户体验，拉长盈利时长；
第二点，需提高企业创造价值的效率，提高单位时间内的盈利率，比如利用数据分析及时监测员工单位产值，从而通过提高人效和产效的方式提高价值效率。