前言

為什么要學習數據分析

以往在增量時代，每天都有新的領域、新的市場被開發。尤其是在互聯網、電商等領域的紅利期，似乎只要做好單點的突破就能獲得市場。在那個時代，業務運營主要依靠經驗和直覺驅動。例如跨境電商領域初期，憑借世界工廠平臺的優勢，國內廠家只需基于經驗選品即可大賣。

但是隨著規則的成熟，更多玩家的進入，市場從藍海變為紅海，進入存量期，僅靠經驗驅動的增長模式不再有效。還是拿跨境電商舉例：由于賣家劇增，海外市場飽和，跨境電商進入存量運營時代，已經不存在絕對的藍海市場，每個細分領域都有許多競爭對手。

此時，要求商家從粗放運營轉為精細化運營，由經驗驅動轉為數據驅動，而這個轉變中最重要的一點就是數據，也就是用數據分析報告決定市場是否值得投入，用數據選品，用數據做經營分析，用數據管理庫存。

從這個角度來看，數據分析已然成為了大數據時代各個崗位的通用能力。因此，為了保持競爭力，任何人都有必要用數據分析能力武裝自己：利用數據思維分析問題，依靠數據支撐決策。

如何開始—數據分析師勝任力模型

由于“數據分析”是一門綜合學科，相關的知識點繁雜不一，許多初學者會有一種不知如何開始的迷茫感。

大家都知道《西游記》中孫悟空會72般變化，《列仙傳》中給出的神仙也是72位，傳說中黃帝戰蚩尤也是經過了72戰才勝利。可見人們對“72”這個數字的認知和接受程度較深。

因此，有多年數據分析工作經驗的筆者團隊匯總并撰寫了72個數據分析核心問題，沉淀出了完整的數據分析能力知識體系，幫助讀者全面認識“數據分析”。

下圖是數據分析師勝任力模型，包括底層認知、業務場景、能力三板斧三個部分：

首先，底層認知是對數據的基本認知，強調數據思維的應用。

其次，業務場景指的是“只有對業務有足夠的理解，才能開展分析工作”，而這里包括了用戶、產品、場景三個方面。

最后，才是硬實力對應的能力三板斧，包括工具技術、項目能力、思維方法。

底層認知、業務場景、能力三板斧共同鑄造了完整的數據分析能力，相輔相成，而本書則是圍繞著它們展開介紹。

本書內容介紹

1.底層認知

本書第1章主要講解數據分析中的底層認知。

在建立數據分析思維之前，應該先在底層認知達成共識。什么是認知？是對事物底層邏輯的了解，是對世界萬物的判斷。認知的本質就是做決定，也就是說，為了幫助判斷數據分析中每個決策的有效性（選擇什么指標、分析方法？接下來做什么？等等），需要先建立底層認知。

本書第1章通過11個問題對數據分析的底層認知進行詳細的討論。這一步，我們需要對數據分析的概念進行討論：數據分析是什么？數據分析的價值點在哪里？

（1）數據分析是什么？

大家在求職過程中會發現，同樣是數據分析師崗位，但是面試的內容千差萬別，有考查機器學習、統計學等專業能力的，也有考查市場／行業分析的，還有考查產品分析的。此時就有讀者問，這些真的是數據分析該做的嗎？

我們從字面上拆解，數據分析=數據+分析，進一步拆解：

數據能力=統計學+機器學習+建模能力+工具使用+……

分析能力=經營分析+用戶分析+產品分析+……

這就是認知上的偏差：當一些讀者認為數據分析就是用Excel做表、用Python寫腳本、用機器學習建模時，其實求職市場對數據分析師的要求更為完整。

既然說數據分析=數據+分析，那分析的本質是什么？當我們在談論“分析”時，一般會談論以下幾點：

●　發生了什么—追溯過去，了解真相。

●　為什么發生—洞察事物發生的本質，尋找根源。

●　未來可能發生什么—掌握事物發展的規律，預測未來。

●　我們該怎么做—基于已經知道的“發生了什么” “為什么會發生” “未來可能發生什么”的分析，確定可以采取的措施。

分析的本質，即面臨各種問題時，能通過數據找到問題，準確地定位問題，準確地找到問題產生的原因，為下一步的改進找到機會點，也就是所謂的“數據驅動”。

在數據分析相關崗位求職的過程中，讀者會發現有許多不同的職位名稱，這些職位有什么區別聯系？詳細內容可參閱“第6問：數據分析領域主要的崗位有哪些？”

回過頭來看，數據分析到底是什么？筆者團隊認為，數據分析是一個利用數據能力做分析的過程：發現問題，分析原因，然后給出落地建議。這還是一個“解構”的過程：從整體到局部，從一般到特殊，從面到線到點，不斷下鉆剖析，找到具體可落地的點。同時，也是從業務到數據，再回到業務的過程：起點是業務需求，需要專業分析師轉換為數據問題，最終的分析結論需要回到業務場景中落地。

在這個過程中，數據分析師需要借助指標，甚至是多指標編制的指標體系進行業務洞察。本書第3、4問將圍繞指標展開論述。

（2）數據分析的價值點在哪里？

社群中，經常會看到關于數據分析師價值的討論：數據分析師天花板很低。還有一些勸退數據分析的文章。這些脫離場景、只講問題不講解決方案的內容除了徒增焦慮外，別無用處。

為了更好地了解數據分析的定位，有必要對其起源進行討論，只有了解為什么市場會產生數據分析師崗位的需求，才能清楚這個崗位在業務運營中的作用定位。（詳細內容可參閱“第2問：數據分析是怎么來的？”）

在業務運營中，定位是重要的起點，理解數據分析價值在企業如何落地，能幫助讀者解疑答惑。（詳細內容可參閱“第9問：數據分析的產出價值是什么？”）

2．業務場景

前面，我們討論過數據分析是一個從業務需求出發再回歸業務的過程。從這個角度做定義的目的是強調業務場景的重要性：脫離業務場景的分析往往無法落地。

根據業務經驗，筆者團隊總結了一套便于理解的模型：業務場景=用戶+產品+場景。

也就是說，要理解業務，就要了解用戶，熟悉產品，明確分析所處的場景。它們決定了分析的目標、處理邏輯以及落地建議。

此部分在第60～63問有更詳細的介紹。

3．能力三板斧

對數據分析有了底層認知、了解業務場景后，就需要有看得見、摸得著的“招式”來行動：通過思維方法、工具技術和項目能力這三板斧組成不同的招式以應對多變的問題。

經常看到有人說數據分析如做飯，如果是這樣的話，工具技術就是鏟子、鐵鍋、勺子等器皿，思維方法就是切配、烹飪、打荷等手法，項目能力則是最后的裝盤上菜。

（1）思維方法。

本書第2章主要講解數據分析中的思維方法。

很多人學做飯，可能是因為在抖音或B站看到某個美食視頻，然后就開始按照視頻展示的步驟備料烹飪。這個過程，也就是數據分析中學習思維方法的過程。數據分析要先有思維方法，才能談得上分析。

剛開始學做飯時，通常先學基礎的煎、炒、炸、烤、煮、蒸、燜、拌等烹飪方式。這些基礎的能力在數據分析中就是統計學、相關分析、歸因分析等通用分析思維。

正如美食有八大菜系，分別滿足不同地域人群的口味，數據分析在不同場景下，也有不同的“分析招式”來滿足不同的業務需求：

●　用戶分析：同期群分析、漏斗分析、RFM用戶分層模型等；

●　產品分析：競品分析、帕累托分析等；

●　商業分析： PEST分析、SWOT分析等；

●　……

（2）工具技術。

本書第3章主要講解數據分析中的工具技術。

習得了做飯的方法后，就可以選擇幾件趁手的器皿，來提高烹飪效率。之所以不是先選擇器皿再研究做飯流程，是因為工具始終是工具，完成同一個目標或許有多種工具可以實現，再不濟用原始的土灶也能燒飯。對于部分復雜的烹飪需求，則需要選擇特定的器皿才能完成。

對于初學者而言，建議學習“高性價比”的分析工具，如Excel、SQL、Python、PowerBI等。

（3）項目能力。

本書第4章主要講解數據分析中的項目落地。

菜做好后一定要及時出鍋、裝盤、上菜，項目能力強調的是數據分析項目在業務側的落地。理論的分析方法如何在業務場景中落地賦能，如何體現數據價值，這是很多企業數據團隊在討論的課題。

首先，理解并刻意練習落地思維對數據分析價值的體現大有裨益（第54～57問）。

其次，學習實際場景中數據分析如何落地驅動業務的案例，能為實操提供參考（第64～67問）。

數據分析項目價值落地的“最后一公里”是報告呈現，學會用數據講故事，橫向跨部門溝通、向上匯報都依賴結構化思維，“報告呈現”（第68～70問）會有詳細的討論。

小結

本書定位于數據分析的知識框架，更多是橫向地補充知識范圍，故因篇幅所限，單個知識的縱向深度無法窮盡，但本書已經針對各知識點的核心及高頻問題進行回答。在閱讀的過程中，倘若對某個知識點有深入學習、探索實踐應用的進一步需求，讀者可以通過知乎等平臺補充學習，在本書的基礎上，針對核心方法論，對技術工具做延伸的閱讀學習。

此外，筆者團隊準備了一份與本書搭配使用的小冊子，請掃碼獲取。本書勘誤、知識加餐等內容也會放在小冊子中。

可以關注筆者團隊的微信公眾號：木木自由、數據分析星球、餅干哥哥數據分析，這三個公眾號專注于數據分析思維、方法、工具、項目能力及案例的分享。

作者