欢迎关注作者新浪微博：@大数据分析实战

趁着大过年的，这段时间很悠闲，咱们来思考一个深刻的问题：数据分析究竟是什么？这是一个坑，跳进去很容易出不来，但是，自己如果不学着从这个坑里面爬出来，以后遇上别人给你挖一个类似的坑，就很可能跳不过去。

像“数据分析究竟是什么？”这种类似的问题有很多，比如：

1、在面试的时候被问到：谈谈你对数据分析的理解，你为什么选择这个职位，这个职位长期发展的前景如何？

2、各种数据分析群里的讨论：Data Scientist是什么？出路在哪里？为什么做 Analytics 的活 title 却是 Data Scientist?

3、同事之间的交流：咱们明年的项目计划怎么填，下一年要做什么？

等等诸如此类的，问法虽然不同，但讨论的内容其实是类似的：数据分析(Data Analytics)究竟有什么用？

我们先来回顾一下，在工作中做决策的几个阶段。

第一阶段：没有数据，更没有分析

不管是产品也好，还是运营也好，总要做出各种决策，例如某个功能要不要做、要不要和某个渠道合作、怎么合作，是换量还是买量等等，非常多的决策问题。在项目刚开始的阶段，因为团队还是很小，十几个人左右，这时候一般凭的是从上到下的决定，靠的是经验和感觉。

这种类型的决策，就是没有数据，也没有分析。因为最后效果如何，没有一个数据上的衡量标准，或者只有简单粗暴的几个数据：DAU、MAU、有多少人用（购买），收入多少，成本多少，最后赚了多少等。

第二阶段：有数据，看起来好像有分析

很快，团队意识到，拍脑袋做出的决策，很容易导致拍大腿，没有量化的指标，也不知道产品功能的上线或者运营方案的实施，是否达到了预期的效果。

于是，招了几个大数据开发工程师，开始采集各种数据，在产品中加入各种埋点，收集各种用户的行为数据，同时把用户各种维度的数据，例如机型、地域、操作系统、网络类型、推广渠道等等上报到数据仓库里面。

然后，大数据开发工程师根据以往的经验，把每个功能的DAU、MAU、留存、召回、转化等等报表做出来，还有各种特殊需求的报表，放在一个报表系统里面，满目琳琅，很全面。

这个阶段，我们已经达到了数据分析的第一个目的，就是知道了过去，也就是明白过去发生了什么事情，想要知道过去发生了什么，很简单，把报表系统做好即可。但是一碰上一些特殊的事件，例如某天某个功能的DAU下降了，咋回事呢？不知道怎么回事了。

这时候，我们自然而然地想到，要通过数据去解决问题。慢慢地，我们进入了第三个阶段。

第三阶段：有数据，有分析，有原因

这个阶段开始引入hypothesis的概念，我们不但要知道发生了什么(reporting)，还要知道为什么会发生 (hypothesis driven)。知道为什么会发生很重要，首先这个是你老板经常要你回答的问题。其次，知道为什么发生，可以告诉我们，以后做类似的事情，可能会发生什么。

要回答为什么发生，只需要一种数据分析方法即可，那就是对比分析，做起来，就有三个手段了。

第一个手段，就是多维度对比分析，前面我们收集了那么多维度的信息（机型、品牌、地域、操作系统、版本等等），多维度对比分析，也经常被称为用户画像分析，通过多种维度的对比，我们很容易就发现了某个指标的变化，是由于哪几个维度的变化而导致的。

第二个手段，就是相关分析，相关分析通过对比多个指标之间的相关性，找出指标之间的相关关系，例如广告费用和每日新增用户数之间的关系一般是强正相关的，应用内广告的频次的数量一般和留存率是强负相关的等等，通过相关分析，可以把要分析的指标转移到另外一个指标去，例如我们分析为什么日活跃用户数降低了，如果发现应用内广告的频次增加了，留存是降低了，那么日活说不定就收到影响了，这时候，我们把这个影响量化，基本上就可以回答为什么这个问题了。

第三个手段，就是A/B test了，这个比较具有难度，首先，要做A/B Test需要前端和后端的支持，而且，这个测试，是和核心功能无关的工作，因此，经常得不到各个部门的支持。但是，做A/B Test非常有必要，因为，它可以找到因果性，也就是证明了，为什么会发生。有没有发现，我前面说的话，都是可能、说不定的词语，做了A/B Test，你就可以拍胸脯用“肯定”这个词了。没做实验，谁都没有发言权。

实验这个词，是否有点高端？这是一个经常在大学里面听到的词，大学里面谁经常干实验这个事情？没错，就是科学家，因此，数据分析为什么称为数据科学？现在知道了吧。也就是说，你要做到使用实验，来验证数据分析的结论，要做到这种程度，才可以称为数据科学。

这里我们还需要注意一下，科学（Scientist）的定义并不是说，采用的分析方法多么高大上（例如回归、神经网络、聚类、有监督、无监督等等），而在于其解决问题的方式：通过对现有问题做出各种假设，然后通过实施各种A/B Test的科学实验，验证假设是否正确。

总结一下第三个阶段的核心，第二个阶段是知道过去发生了什么事情，而第三个阶段，则是知道现在发生了什么事情，也就是可以通过数据去解释业务中的问题。如何了解目前业务中的问题呢？一般我们会通过专题分析，不停地去对比数据之间的差异性，找出业务问题发生的原因。

第四阶段：知道发生了什么、知道为什么发生、知道接下来应该做什么

数据分析的终极阶段，就是我们不但知道发生了什么

(reporting)，知道为什么发生 (hypothesis-driven)，还知道接下来应该做什么 (product/strategy leadership)。

这个阶段有很多难点：本身搞清楚应该做什么就很难，还需要把这些东西 sell 出去，就更是难上加难了，但是这恰恰是数据分析的作用之一。不管数据分析做出了什么结果，如果没有把结论应用到实际product change里面去的话，都是纸上谈兵。

对于大多数的数据分析岗位来说，阶段二是基础，阶段三是应该做到的，阶段四是好像能做到一些，但是还有很大提高余地的。而数据分析的作用和影响力，就来源于阶段四。这也是为什么很多数据分析的职位看起来要求很低，但是要做得好却很难。因为第四阶段做得如何，实在是太难量化了。

数据分析第四个阶段的核心，就是不仅知道了过去以及现在的业务状况，还需要指导业务的下一个走向，也就是未来应该做什么。通过数据分析确定下一步应该做什么，可以让组织达到最大化的提高。

最后，我们来总结一下，数据分析的作用。很简单，用赵本山春晚小品的节目名字就可以总结，那就是《过去、现在和将来》。通过报表（reporting），可以知道业务过去发生了什么，通过专题分析（hypothesis driven），可以知道目前某个业务问题为什么产生，最后通过数据分析结论，推动产品的改进（product/strategy leadership），知道将来应该做什么。

欢迎关注作者新浪微博：@大数据分析实战