文章轉載自知乎專欄“撩撩數據吧”。原文鏈接：https://zhuanlan.zhihu.com/p/21378331?refer=jiago

#文前小絮#很久之前璧坟，你我都曾經做過物理題既穆。記得那時老師經常嘮叨，“先認真審題雀鹃，理解題意幻工，然后再想方法，最后再落筆去做”黎茎；“審題澳衣！審題案嫡啊踢代！說過幾遍怎么就是不聽，尋思鷹呢嗅骄？”

理解當年老師的良苦用心胳挎，歷經磨難，你我也都順利結束了學業(yè)溺森，不必再審題慕爬、不必再做題、不必再考試屏积。然而医窿，人生不如意十之八九，你我又再次走上了數據分析的道路炊林。

轉換為現在的視角姥卢。我們做數據分析的目的，是為了解決問題，換個詞独榴，是為了有用啊僧叉。那么你做的分析，有用嗎括眠，怎樣做的分析才有用呢彪标？

直接將分析結果利用，轉換為價值的掷豺，是業(yè)務”∩或許按照這樣的路線來做分析当船，更有用。

先審題（理解業(yè)務默辨，做為方向）

思考方法（分析思路德频，設計分析方案）

下筆（選擇分析技術，開始分析）缩幸。

可見壹置，套路是和我們當年做題一樣的吧，可是表谊，當年的物理題也做過了不少钞护，多苦多累我們都熬過去了，為什么到了數據分析這里爆办，還是很多問題呢难咕？私以為，做題是一個人的事距辆，而現在做分析余佃，變成了一個組織的事，銜接出了問題跨算。

正文

做數據分析可能出現的失敗場景：

分析結果就是錯的

分析結果是對的爆土，然而并沒有什么卵用，結果產生不了價值

根據分析結果诸蚕，可以給出建議方向步势，但是很空洞，無法落地

分析結果對挫望、建議方向也對立润、也有落地的方案，但是業(yè)務就是不執(zhí)行

第一種場景比較少見媳板、而后面的幾種場景卻是做數據分析的經常會碰到桑腮。舉個栗子。

場景a：公司在6月18號跟著京東一起搞了個618大促蛉幸，結束后業(yè)務找到老王破讨，說：“老王啊丛晦，我們活動做完了，給我做個分析提陶，讓我看看活動效果怎么樣烫沙？”

老王接到任務開始收集數據、處理數據隙笆、做模型锌蓄、畫報表。最終出來結論：“我們本次活動期間撑柔，環(huán)比上周末uv增長了150%瘸爽，綜合轉化率提高了27%，訂單量增長了110%铅忿，銷售額增長了85%剪决。其中江蘇省訂單占比最高，達到了27%檀训。柑潦。。峻凫∩恚”

業(yè)務：“你要說明什么，是想告訴我活動真好蔚晨，明年還搞618大促嗎乍钻？”

此時，老王只能期待他一臉懵逼的表情來萌翻業(yè)務了铭腕。

場景b：業(yè)務：“老王银择，感覺公司的綜合轉化率有點低，你給我做個分析累舷，看看是什么問題”

向來以行動力強浩考，技術水平高的老王，結合大量的訪問數據被盈、用戶數據析孽、訂單數據，采用聚類分析算法只怎、主成分分析袜瞬、相關行分析等挖掘手段。成功的發(fā)現身堡，年齡段在40歲以上的男性群體邓尤，綜合轉化率超高，平均達到47%，所以建議業(yè)務汞扎，制定拉新策略季稳，提高這一用戶群體的訪問量。整體的轉化率就可以上來了澈魄。

業(yè)務：“但是這群人景鼠，平時很少上網啊”。

老王再次懵逼痹扇。

場景c：老王：“我做了一個用戶流失預警模型铛漓，發(fā)現有a類行為特征用戶在注冊后30天左右流失概率最大，有b類行為特征的用戶在40天左右流失概率最大鲫构，有c類行為特征的用戶在50天左右流失概率最大票渠，那么我們只需要做一個精準的關懷，針對不同行為特征的用戶芬迄，在不同的時間點，推送廣告昂秃、或者發(fā)放優(yōu)惠券禀梳，就能夠有效的降低流失率”。

業(yè)務：“老王肠骆，你說的很對算途，但是我們公司小，實現這樣的精準投放成本太高了蚀腿，我們現在每天忙成狗嘴瓤，核心的內容體驗還沒做好，你的建議后面再考慮吧莉钙，辛苦了廓脆。。磁玉⊥７蓿”

老王他已經很努力了，但是分析結果確不盡如人意蚊伞。

我們常常見到數據分析師抱怨：我的工作不夠重視席赂，他們要數據的時候就讓我提取一下，最多做個簡單的加工时迫；業(yè)務做決策都不看數據颅停，全憑經驗來；業(yè)務開會掠拳，討論方案從來不叫上我癞揉，不參考我們的意見。

同時，也能聽到業(yè)務方的抱怨：數據部門提供的結果烧董，都不是我想要的毁靶；數據部門太天真，提供的方案太多漏洞逊移；數據部門的人都不懂業(yè)務预吆，拿著點數據就能來指導我們嗎；

我想胳泉，這里就是業(yè)務與分析之間的銜接出了問題拐叉。業(yè)務不相信數據，當一個分析結果與他的設想不同時扇商，首先就是懷疑數據凤瘦，他所做的分析，僅僅是為了驗證自己的觀點案铺。

見過數據分析做的比較好的公司蔬芥，一個是bi經理是產品經理出身，懂業(yè)務控汉、懂產品笔诵、懂運營，所以他帶隊做的分析項目自然貼合業(yè)務需求姑子。還有一個是公司將數據化運營提升到了很高的高度乎婿，培養(yǎng)公司業(yè)務具有數據意識，了解數據分析的思路街佑，認同數據分析的價值谢翎，知道如何利用分析結果。

可以是數據分析師向業(yè)務多走一步沐旨，也可以是業(yè)務人員向數據多走一步森逮，使得兩方面有一定的重疊，做好這個銜接希俩，數據分析可能就會更有用吊宋。嗯，你們邁出的這一小步颜武，就是你們公司的一大步璃搜。

一方面，培養(yǎng)全公司業(yè)務的數據意識鳞上，是需要時間并且有難度的这吻。另一方面，作為一個數據分析師篙议，也應該更多的了解業(yè)務唾糯，這樣才能把“業(yè)務的需求”轉化為數據需求怠硼，再進一步把分析結果轉化為有意義、可落地移怯、可產生價值的方案香璃。同時也能反過來完善自己的知識體系，提升自身的業(yè)務理解能力和數據分析能力舟误。

問題來了葡秒，怎樣去了解業(yè)務呢，只能說嵌溢，世上無捷徑眯牧，除非你改行。能想到的方法赖草，就是交流交流再交流学少，當業(yè)務需要分析一個活動效果的時候，多問一句秧骑，你關心哪些指標版确？哪些參數會影響一個活動的成效？當業(yè)務要分析轉化率的時候乎折，多問一句阀坏，影響轉化率的因素有哪些，有哪些方法可以提高轉化率笆檀。都是一個公司的，沒事請業(yè)務吃頓飯盒至，沒有什么是一頓飯解決不了的酗洒，如果有，那就兩頓枷遂，吃著吃著樱衷，不僅你懂了業(yè)務，業(yè)務也懂你了酒唉。

交流矩桂，聽起來很簡單，做起來是最難的痪伦，尤其大部分數據分析師都是數學侄榴、統(tǒng)計學、計算機等這種理工科出身网沾。會有人期待一個更簡單的方法癞蚕。例如：數據部門只做技術，分析全都交給業(yè)務部門如何辉哥，我們買bi工具桦山，讓業(yè)務實現自主分析攒射。你說用bi來節(jié)省工作量降低時間成本我信，你給bi這么艱巨的任務恒水，且不說bi工具的分析能力有限会放，無法實現深度分析和挖掘，業(yè)務部門的數據意識上去了嗎钉凌？沒有統(tǒng)籌咧最，各個業(yè)務部門的分析結果相互沖突怎么辦呢？業(yè)務部門的分析結果不客觀甩骏，對于公司來說窗市，是最好的嗎？

所以饮笛，對于一整個數據分析體系而言咨察，工具和技術只是輔助，業(yè)務和思路才是核心和重點福青。

談到技術摄狱，再進入到第二個銜接點。

互聯(lián)網公司一直處于技術的前沿无午，技術可能都不是問題（如果跟一個互聯(lián)網公司說你技術不行媒役，就希望他們公司程序員加班太多打人的力氣都變小了吧），更多的可能是對技術的選擇宪迟。

私以為互聯(lián)網行業(yè)的數據分析需求可以大體上分為三類：

業(yè)務常規(guī)需求酣衷，主要是輔助業(yè)務日常工作用

指標監(jiān)控與數據呈現類，為管理和決策提供支持次泽，也為后面的針對性的挖掘分析提供入口

有主題有針對性的挖掘分析穿仪，為運營、產品的改善提供數據依據意荤，具有一定的驅動價值

對于第1類和第2類需求啊片，有用開源報表的、有用商用報表的玖像、有用bi的紫谷、有寫echart的也有用excel的。對于第三類需求捐寥，有用sas的笤昨、spss、python的握恳、r的甚至有用c++的咬腋。

要說哪一類技術或工具才是最好的呢，我相信沒有睡互，如何選擇根竿，更多的是要結合業(yè)務場景陵像，有時是多種工具同時使用，才是最佳的寇壳。如何才能做好這一點醒颖，我想就是要有清晰的分析思路，和熟練的分析技能（對各種工具的了解）壳炎。也就是打通第二個銜接點泞歉。

對于很多分析師來說，這一點要比第一個銜接點容易的多匿辩。但是我再多說一點的是腰耙，分析手段的選擇，不僅要考慮分析實現的可行性铲球，也要考慮分析成本挺庞，主要的就是時間成本。R語言現在大量應用于互聯(lián)網公司稼病，我想也是因為它提供大量的統(tǒng)計函數和算法选侨，降低了數據分析成本的原因，當然然走，少不了它開源的巨大優(yōu)勢援制。

同樣，對于第1類和第2類需求芍瑞，選擇實現方案晨仑，也要考慮成本。相比較來說拆檬，這兩類需求的實現難度更低寻歧，相信對于任何公司來說，也都是并非核心技術秩仆。有堅持用excel的，也有堅持碼代碼的猾封。當然澄耍，具體怎樣選擇也要結合業(yè)務場景，但是綜合起來看晌缘，如果有方法一天就實現齐莲，就盡量不要花兩天時間去開發(fā)。例如一個好的報表工具例如finereport磷箕，相比于開源report或者echart來說选酗，還是節(jié)約一定的時間成本的，省下的程序員岳枷，還能打掃打掃衛(wèi)生啊芒填。

以上是我對互聯(lián)網行業(yè)中數據分析業(yè)務的一些淺薄的看法呜叫，如有不當的地方，歡迎批評指正和交流殿衰。

作者：知乎達人“jiago王”朱庆，知乎專欄“撩撩數據吧”。帆軟數據人闷祥，樂于交流的數據小兵娱颊。