到底什么是好的数据分析思维？
共 2254字，需浏览 5分钟
·
2021-06-02 15:32
而现实中很多数据分析从业者沉寂在用工具操作数据的快感中，还有一些迷恋各种算法带来的成就感，这个可能和每个人的经历和对数据分析的理解不一样造成的，让自己相当一段时间内其实都偏离了企业的关注点，那就是数据的价值。
那我们要让数据变得价值，是不是需要一套好的思维去驱动呢？肯定的，如果给每个人同样的一组数据，我相信能出来很多不同的分析思维和数据分析的方式，但你要问他们分析的目的时很多人却很难说清楚，那他们分析依靠的是什么？一起唱：跟着感觉走....
数据就好比一堆木材一样，只有你深度了解了你输出的用户是谁，能给他们带来什么？希望达到什么样的预期？你才能让这堆木材（数据）发挥巨大的作用，而这些难道不重要吗？
那好的分析思维到底是什么样子的？
举个例子，一家电商公司要提高GMV？
A分析师：GMV=每个人消费金额的综合，只要提高每个用户的消费金额，就可以提高GMV，那具体如何做呢？
B分析师：GMV=客单价*消费用户数，那只要做2个假设即可，假如客单价不变，我们只要增加消费用户数就可以增加，假如消费用户数不变，只要提高客单价就可以提高GMV收入，再理想的状态都是同时提高，但还是不够细致，只是找到了问题的方向
C分析师：GMV=客单价*消费用户数，先通过公式法找到了问题要突破和分析的方向，接着借助数据更深入的分析，比如客单价的分布是什么样子的？提升的空间有多大？哪些人的可以提升？这些人都有什特征？接下来你可以
可以告诉运营：通过满减来刺激还是通过买赠来刺激呢？
可以告诉产品：对哪些人进行购买引导（推荐）效果会好？
等等，所有的分析思维都是为了让你找到正确的方向，要问什么是好思维，好的数据分析，那落地性一定是第一位，上面的三个分析师都用了公式法，第一个跑偏了，第二个只是找到了方向，那第三个其实就是别人喜欢的数据分析师，这里只是简单举个例子，让大家明白其中的道理。
要让分析思维变的有条理，就要引入一个常用的思维，叫金字塔原理，其实大家不用被这个名词吓住
我来用一个场景来解析以下，比如我们去超市，你会发现同类的产品就集中在一起，水果区、肉食区、海鲜区、零食区等等，那其实分析也是一样的，只要对指标+维度做好分类，就可以保证基本的条理性了，但尽量不要存在重复和交叉。
比如：
那其实还不够，你此时只是把指标和方向的条理性梳理好，那接下来就是让你分析体系变得有条理，就是大家常说的方法论，比如swot、pest、5W2H等等
大家看看这样放在一起是不是好多了，那其实高手与低手的区别是什么？高手可以通过一个商业问题，迅速找到适合的方法论，并依此为依据进行改良，而菜鸟呢，很多都是列指标找方法论，还一时半会串不起来。
所以要学会有条理性，一定要掌握数据分析的方法论，有时候比模型更重要，一些成型的方法论虽然不适合我们的业务场景，但你别忘记，你学的只是它的精髓，没人说你不可以改良、改进。
做分析最重要的分析的目的，做分析无非解决2大类问题：1、找到病因，对症下药；2、验证决策方向，提供数据支持；那对应的角度也是一样的，第一类叫后验分析，就是明确出了问题，找原因，第二类叫先验分析，要先假设再验证，还未发生。
那大家要切记定义好这是那类问题，这个分析的方向感是不一样的，第一类方向明确一些，就是分析日活下降、流失率提升、客单价下降等问题，所以你所有分析的出点点都是可能影响其下降的因素，然后层层分析，找到导致其发生概率最大的问题。
那第二类就方向感就差一些，只告诉我要向东走，如何走，走到哪都不知道，那我们就要做层层假设，假如要进军一个新业务，要不要进？假如进，市场规模如何？增长速度如何？处于产业链的什么位置？竞争对手多少？未来预期发展线路和策略是什么？假设不进，你觉得是时机问题，还是市场问题？还是风险太大？等等，这些都要从不同的角度去分析数据，从而给出你推断分析的理由，更多是数据支持的角色。
所以一定要清楚你的分析目的，这能让你更清楚的规划自己的时间，找到短平快的解决方式，从而达到时间内最优的解决方式。
好的分析思维，不但可以想清楚，还可以给出接地气的行动方式，那行动后的效果如何衡量呢？这也是要考虑的事情，大千世界，无奇不有，计划与现实之间的差距，就是我们成长的地方，而这个缝隙常常被很多人忽略。
我也常常告诉自己身边的人，如果你找不到数据分析思维的精髓，那你就假装自己要写一份分析报告，你来找到自己的弱项。
有想法，不会操作：那就学工具、学方法论、学算法,开始先用excel来跑通操作，后面再去学习python\R这些，你会发现工具真不重要，你以前学的都是假数据分析。
会操作、没有想法：那就学方法论、学思维，要不断的假装自己要写报告，好好思考方法论、业务、算法之间到底什么关系，这是很多分析师的痛点所在。
不会操作、也没想法：那就看数据产品，看别人的报告，慢慢喂养，尝试去做，实在不行，就放弃成为专业分析师的想法，做一个能看懂分析结果的人也行。
其实就是这么简单。
