第2問：數據分析是怎么來的？—數據分析極簡發展史

導讀：為了深刻認識數據分析，有必要對它的來龍去脈進行一番討論。討論來龍去脈不是為了考察數據分析的國內外發展史，而是從數據分析的發展中探索本質，建立底層認知。

1．了解數據分析發展

從游牧時代開始，就已經涉及數據分析了。例如，今天抓了一只野豬，明天抓了一只羊，所以獵物總共有兩只，如何分配呢？羊可以養起來，因為羊可以產奶，給孩子補充營養；豬可以殺掉，一天吃不完，那就分兩天吃，首領多分一些，其他人少分一些……這正是數據分析的早期應用?？梢?，數據分析的歷史很悠久，可以說在人們開始使用數字的時候就已經有數據分析的意識了。

在過去的十年到二十年里，數據分析一直是非常熱門的詞匯，但是在更早的生產活動中，數據分析其實就已經存在了，只是那時主流市場并未產生需求。那數據分析是怎么成為咨詢公司麥肯錫所說的“重要的生產因素”的呢？換句話說，熱門的數據分析崗位是怎么產生的呢？

從下圖的阿里發展史中，我們可以看到這樣的發展路徑：

（1）阿里創立自己的產品—1688網站；

（2）初創團隊的成員開始聯系批發貿易商入駐，即開展銷售業務及網站運營工作；

（3）隨著業務的發展，為滿足市場需求，除了對現有產品進行迭代優化外，阿里還推出許多的產品：淘寶、天貓等，這背后需要有專業的產品經理支持，提高業務運營流程效率；

（4）隨著規模的擴大、數據的積累，專業數據分析師的需求應運而生，借助數據分析、數據挖掘的方法論優化產品迭代、業務增長策略；

（5）隨著數據的使用場景日趨成熟，數據使用需求也越來越大，需要通過衍生的數據產品來優化數據分析流程效率，如數據銀行、達摩盤、策略中心。

當然這不是嚴謹的發展史，例如數據挖掘技術早在20世紀90年代就存在了，這里的發展路徑更多是從主流市場的角度來理解，也可以說是求職市場的變化。例如2015年以前很少有專門的數據分析師崗位，后來隨著大數據在工業界的普及、落地，市場對數據分析師的需求多了起來。再例如數據產品經理也是隨市場的發展而興起的。

2．窺探發展路徑背后的業務場景需求

從數據分析的發展路徑中，我們可以進一步去窺探其背后業務場景需求的變化：

在發展初期，市場還處在“開荒階段”，那時的產品比較簡單，對應的運營玩法也比較簡單，此時體系不完善，主要依賴經驗、直覺來驅動業務增長，例如之前沒有做廣告投放，現在做了，效果就有了。

在發展中期，為了追求規?；?，品牌需要不斷去擴展邊界，于是基于現有運營能力，把成功經驗復制到其他細分市場的模式就很重要，進而成體系的運營方法論、產品方法論需求應運而生，也就是要從以往經驗中沉淀出泛化能力強的業務模型框架，來實現增長。例如以往做用戶運營，嘗試過用近期消費距離、累計消費頻次、累計消費金額來做用戶分層運營，效果不錯，因此可以把方法論總結成RFM模型應用到更多場景中。

度過了“野蠻生長”的增量時代后，市場競爭格局形成，競爭對手運營體系成熟，再想從增量市場搶奪用戶成本將變得很高，而且手里的存量客戶如果沒有及時維護也容易被競爭對手奪去；此時的業務需要更精準的方法來指導決策，于是代表理性、客觀的數據登上舞臺，數據分析就變得很重要。例如運營中常說的“魔法數字”：利用數據分析方法計算RFM模型的特征閾值，能夠得到更精準、有效的分層模型。

3．小結

從數據分析的來源中我們可以看到，數據分析的定位從來都不是“雪中送炭”，而是在發展到一定程度，有了夯實基礎之后的“錦上添花”。此外，對數據分析來源的討論，是為了說明一件事：數據分析并不獨立，它來源于業務，最終又在業務落地。所以想做好數據分析一定要懂業務，否則不論是分析邏輯還是最后的賦能建議都無法落地，無法實現數據分析價值。