企業(yè)關(guān)注數(shù)據(jù)，主要是關(guān)注數(shù)據(jù)的價值，能給我們的業(yè)務(wù)帶來什么效能，是能發(fā)現(xiàn)運(yùn)作方式的問題？還是能找出突破點(diǎn)?還是能預(yù)估公司的賽道，讓決策層知道以什么樣的配速來跑？
而現(xiàn)實(shí)中很多數(shù)據(jù)分析從業(yè)者沉寂在用工具操作數(shù)據(jù)的快感中，還有一些迷戀各種算法帶來的成就感，這個可能和每個人的經(jīng)歷和對數(shù)據(jù)分析的理解不一樣造成的，讓自己相當(dāng)一段時間內(nèi)其實(shí)都偏離了企業(yè)的關(guān)注點(diǎn)，那就是數(shù)據(jù)的價值。
那我們要讓數(shù)據(jù)變得價值，是不是需要一套好的思維去驅(qū)動呢？肯定的，如果給每個人同樣的一組數(shù)據(jù)，我相信能出來很多不同的分析思維和數(shù)據(jù)分析的方式，但你要問他們分析的目的時很多人卻很難說清楚，那他們分析依靠的是什么？一起唱：跟著感覺走....
數(shù)據(jù)就好比一堆木材一樣，只有你深度了解了你輸出的用戶是誰，能給他們帶來什么？希望達(dá)到什么樣的預(yù)期？你才能讓這堆木材（數(shù)據(jù)）發(fā)揮巨大的作用，而這些難道不重要嗎？
那好的分析思維到底是什么樣子的？
1、落地性強(qiáng)
舉個例子，一家電商公司要提高GMV？
A分析師：GMV=每個人消費(fèi)金額的綜合，只要提高每個用戶的消費(fèi)金額，就可以提高GMV，那具體如何做呢？
B分析師：GMV=客單價*消費(fèi)用戶數(shù)，那只要做2個假設(shè)即可，假如客單價不變，我們只要增加消費(fèi)用戶數(shù)就可以增加，假如消費(fèi)用戶數(shù)不變，只要提高客單價就可以提高GMV收入，再理想的狀態(tài)都是同時提高，但還是不夠細(xì)致，只是找到了問題的方向
C分析師：GMV=客單價*消費(fèi)用戶數(shù)，先通過公式法找到了問題要突破和分析的方向，接著借助數(shù)據(jù)更深入的分析，比如客單價的分布是什么樣子的？提升的空間有多大？哪些人的可以提升？這些人都有什特征？接下來你可以
可以告訴運(yùn)營：通過滿減來刺激還是通過買贈來刺激呢？
可以告訴產(chǎn)品：對哪些人進(jìn)行購買引導(dǎo)（推薦）效果會好？
等等，所有的分析思維都是為了讓你找到正確的方向，要問什么是好思維，好的數(shù)據(jù)分析，那落地性一定是第一位，上面的三個分析師都用了公式法，第一個跑偏了，第二個只是找到了方向，那第三個其實(shí)就是別人喜歡的數(shù)據(jù)分析師，這里只是簡單舉個例子，讓大家明白其中的道理。
2、有條理性
要讓分析思維變的有條理，就要引入一個常用的思維，叫金字塔原理，其實(shí)大家不用被這個名詞嚇住
我來用一個場景來解析以下，比如我們?nèi)コ校銜l(fā)現(xiàn)同類的產(chǎn)品就集中在一起，水果區(qū)、肉食區(qū)、海鮮區(qū)、零食區(qū)等等，那其實(shí)分析也是一樣的，只要對指標(biāo)+維度做好分類，就可以保證基本的條理性了，但盡量不要存在重復(fù)和交叉。
比如：
那其實(shí)還不夠，你此時只是把指標(biāo)和方向的條理性梳理好，那接下來就是讓你分析體系變得有條理，就是大家常說的方法論，比如swot、pest、5W2H等等
大家看看這樣放在一起是不是好多了，那其實(shí)高手與低手的區(qū)別是什么？高手可以通過一個商業(yè)問題，迅速找到適合的方法論，并依此為依據(jù)進(jìn)行改良，而菜鳥呢，很多都是列指標(biāo)找方法論，還一時半會串不起來。
所以要學(xué)會有條理性，一定要掌握數(shù)據(jù)分析的方法論，有時候比模型更重要，一些成型的方法論雖然不適合我們的業(yè)務(wù)場景，但你別忘記，你學(xué)的只是它的精髓，沒人說你不可以改良、改進(jìn)。
3、目的性強(qiáng)
做分析最重要的分析的目的，做分析無非解決2大類問題：1、找到病因，對癥下藥；2、驗(yàn)證決策方向，提供數(shù)據(jù)支持；那對應(yīng)的角度也是一樣的，第一類叫后驗(yàn)分析，就是明確出了問題，找原因，第二類叫先驗(yàn)分析，要先假設(shè)再驗(yàn)證，還未發(fā)生。
那大家要切記定義好這是那類問題，這個分析的方向感是不一樣的，第一類方向明確一些，就是分析日活下降、流失率提升、客單價下降等問題，所以你所有分析的出點(diǎn)點(diǎn)都是可能影響其下降的因素，然后層層分析，找到導(dǎo)致其發(fā)生概率最大的問題。
那第二類就方向感就差一些，只告訴我要向東走，如何走，走到哪都不知道，那我們就要做層層假設(shè)，假如要進(jìn)軍一個新業(yè)務(wù)，要不要進(jìn)？假如進(jìn)，市場規(guī)模如何？增長速度如何？處于產(chǎn)業(yè)鏈的什么位置？競爭對手多少？未來預(yù)期發(fā)展線路和策略是什么？假設(shè)不進(jìn)，你覺得是時機(jī)問題，還是市場問題？還是風(fēng)險(xiǎn)太大？等等，這些都要從不同的角度去分析數(shù)據(jù)，從而給出你推斷分析的理由，更多是數(shù)據(jù)支持的角色。
所以一定要清楚你的分析目的，這能讓你更清楚的規(guī)劃自己的時間，找到短平快的解決方式，從而達(dá)到時間內(nèi)最優(yōu)的解決方式。
4、可衡量
好的分析思維，不但可以想清楚，還可以給出接地氣的行動方式，那行動后的效果如何衡量呢？這也是要考慮的事情，大千世界，無奇不有，計(jì)劃與現(xiàn)實(shí)之間的差距，就是我們成長的地方，而這個縫隙常常被很多人忽略。
我也常常告訴自己身邊的人，如果你找不到數(shù)據(jù)分析思維的精髓，那你就假裝自己要寫一份分析報(bào)告，你來找到自己的弱項(xiàng)。
有想法，不會操作：那就學(xué)工具、學(xué)方法論、學(xué)算法,開始先用excel來跑通操作，后面再去學(xué)習(xí)pythonR這些，你會發(fā)現(xiàn)工具真不重要，你以前學(xué)的都是假數(shù)據(jù)分析。
會操作、沒有想法：那就學(xué)方法論、學(xué)思維，要不斷的假裝自己要寫報(bào)告，好好思考方法論、業(yè)務(wù)、算法之間到底什么關(guān)系，這是很多分析師的痛點(diǎn)所在。
不會操作、也沒想法：那就看數(shù)據(jù)產(chǎn)品，看別人的報(bào)告，慢慢喂養(yǎng)，嘗試去做，實(shí)在不行，就放棄成為專業(yè)分析師的想法，做一個能看懂分析結(jié)果的人也行。
其實(shí)就是這么簡單。
