导读：借着互联网的东风，“数据分析”这个词越来越火，小到业务执行、大到企业决策，数据都在持续发挥着价值。

但是很多同学只闻其名、未见其道，到底如何进行数据分析？数据分析有什么方法？应该遵循什么思路？

01

数据分析步骤

1. 准确看数据

看数据主要看2个要素，【数字】和【描述】，两者缺一不可。如果描述不到位，甚至会有2种截然不同的结果。比如：

A. 小明收入100万

B. 小明打工了20年，总收入合计100万

看数需要明确数字对应的场景描述，场景越具体、数据的含义才越清晰。

2. 客观判断是否有问题

想客观的得出判断，首先得有判断问题的标准，常见确定标准的方式有经验定标、专家定标、趋势定标等。

（1）经验定标：即根据历史数据和经验作为判断标准，常见的参考如历史同期数据、竞品同期数据等，如大促活动目标可参考历史促销或竞品促销数据。

（2）专家定标：即基于专家的人工判断，常见的有专家评分、层次分析（AHP）等，即分结构、有效收集专家反馈信息，总结出不同维度的权重标准。

（3）趋势定标：根据事物发展的周期规律（如营销活动周期、产品生命周期等），找到同阶段的情况作为当前对比的标准。

比如下图的销售周期趋势图，销量会周期性的发生波动，所以A点虽然是在走下行趋势、但属于正常情况，但B点是销售周期的低谷、且低于之前的周期低谷，所以会存在问题。

3. 找准数据分析方法

常用的分析方法有矩阵分析、漏斗分析、杜邦分析、分层分析、交叉分析等，确定问题的主要矛盾，以明晰现状。

一些常见的数据分析方法

02

数据分析思路

有一些分析同学在具体实践时，很容易狂堆各种维度，什么用户画像、商品画像、场景画像，噼里啪啦一堆取数，各种盲目地交叉分析，最后整了个几百M的Excel，但是啥有价值的结论也没探查出，然后开始怀疑人生......

那有哪些方法可以帮助我们梳理思路，或者说明确分析框架？常用的思路有以下几种：

1、业务流程驱动：业务流程既是了解业务的基础，也是常用的分析框架，需要清楚“结果”是由哪些“环节”导致的，且明晰各“环节”可能与结果相关的因素，就容易探查出相对本质的原因。

例：某商品发生缺货，可以梳理出商品供应的关键节点，评估各个节点上可能的原因，再通过数据去论证。如缺货可能是在做销量预测时即偏低，也可能是下单环节为了控制库转、保守备货，只有梳理清楚相关节点及影响因素，才更容易得到有价值的结论。

2、部门职能导向：数据分析是为了明确问题，且定位到具体执行的人或部门，这样才容易推动落地。因此在梳理分析框架时，可按照部门职能，分模块进行分析。

例：活动分析场景，活动分析的维度众多，复盘活动效果最常用的思路之一，就是按活动的负责部门去分类，定位每个部门的好坏、给出相关策略建议，如下图（非真实数据）。

3、策略目标导向：在做业务分析、尤其是复盘时，分析师经常会遇到无法“判断好坏”，或无法找到分析切入点的情况。很多情况还是归因于“不够了解业务”，既然做分析复盘，还是需要明确业务当时的目标是什么、有哪些策略、策略的方向和目标是什么，以此为基准、确定分析方向，会更加符合客观情况，也更容易与业务达成一致。

例：如下图针对促销活动的分析（非真实数据），可与业务梳理和明确活动目标、策略情况，形成自己的分析复盘的框架。

数据分析要具备什么思维？有哪些工具？如何提高效率？

对于企业来说，如何个性化地打造高效、准确、敏捷的大数据实时分析平台？

本文参考：

1.数据分析，竟然这么多套路！

https://mp.weixin.qq.com/s/iNxczk2sbP2AzbjH-B71bQ

2.网易 | 数据分析避坑指南：思路篇

https://mp.weixin.qq.com/s/UbttRq6q9jriKPt7ayVq_Q