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(fā)。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(yè)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(yōu)勢，國內廠家只需 基于經驗選品即可大賣。
但是隨著規(guī)則的成熟，更多玩家的進入，市場從藍海變?yōu)榧t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(zhàn)蚩尤也是經過了 72 戰(zhàn)才勝利�？梢娙藗儗�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(yè)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(yè)務場景指的是只有對業(yè)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(yè)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(fā)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(tǒng)計學等專業(yè)能力的，也有考查市場 / 行業(yè)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(tǒng)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(fā)生了什么追溯過去，了解真相。
●為什么發(fā)生洞察事物發(fā)生的本質，尋找根源。
●未來可能發(fā)生什么掌握事物發(fā)展的規(guī)律，預測未來。
●我們該怎么做基于已經知道的發(fā)生了什么 為什么會發(fā)生未來可能發(fā)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(fā)現有許多不同的職位名稱，這些職位
有什么區(qū)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(fā)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(yè)務到數據，再回到業(yè)務的過程：起點是業(yè)務需求，需要專業(yè)分析師轉換為數據問題，最終的分析結論需要回到業(yè)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(yè)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(yè)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(yè)務運營中，定位是重要的起點，理解數據分析價值在企業(yè)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(yè)務場景
前面，我們討論過數據分析是一個從業(yè)務需求出發(fā)再回歸業(yè)務的過程。從這個角度做定義的目的是強調業(yè)務場景的重要性：脫離業(yè)務場景的分析往往無法落地。
根據業(yè)務經驗，筆者團隊總結了一套便于理解的模型：業(yè)務場景 = 用戶 產品 場景。
也就是說，要理解業(yè)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(yè)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�？吹接腥苏f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(tǒng)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(yè)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(yè)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(yè)務側的落地。理論的分析方法如何在業(yè)務場景中落地賦能，如何體現數據價值，這是很多企業(yè)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(yè)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