数据分析的重要性

如果大家近期对招聘市场有所关注的话，应该会注意到，在互联网公司中大部分非研发类岗位都会在职位JD里写入“擅长数据分析”或类似要求。

公司越大、薪资越高的岗位，“数据分析”出现的概率也就越高。

例如下面几个互联网大厂的高薪岗位，无一例外都对数据分析的能力有着明确要求：

即便你暂无求职/跳槽准备，提前掌握数据分析能力也不亏，常言道“技多不压身”，更何况数据分析在职场中的重要性正在日益凸显。无论是制定工作计划、统计工作情况，还是解决具体问题、汇报年终成果，都需要数据分析能力作支撑。

现在“懂数据”的人就是职场中的香饽饽，在激烈的职场竞争中这项能力不可或缺。

事实上已经有越来越多的职场人注意到数据分析在工作中的重要性，正在通过各种方式和渠道来提升自身的数据能力。

但据我观察，多数人学习数据分析的方法都有着很大的问题...不说南辕北辙吧，至少是事倍功半的。

数据分析学习的错误打开方式

下面这些数据分析的学习场景相信大家都不陌生：

Excel函数技巧大全

SQL/Python/Hadoop数据分析从入门到精（fang）通（qi）

100种酷炫可视化图表

数据驱动的14条法则

网站落地页数据分析如何做

SEM投放的数据分析指南

如果你是通过以上方法学习的数据分析的话，相信你会有这样一种感觉：

明明学了一堆方法，但不知道如何落地实施。即使勉强落地，也难以做到举一反三，遇到其他问题就束手无策，无法实现能力的迁移。久而久之，这种疲惫感、无力感就学会打消学习的积极性。

为什么会这样呢？难道是这些方法有问题吗？

当然不是！方法本身是没错的，之所以没能发挥它应有的作用，帮助我们取得理想的成果，主要是因为缺乏系统认知。这就好比修建一幢高楼大厦，在没有施工图纸作指导，没有夯实的地基做支撑时，直接开工蛮干，建筑的进度和质量自然不言而喻。

既然上面这些学习方法不可取，那么正确的数据学习方式又应该是怎样呢？

数据分析学习五步法

01-掌握数据指标建模的方法

要想学好数据分析，第一步要做的是掌握数据指标建模的方法。

“指标建模”这个词听起来有点唬人，但实际含义很简单：

当我们在面对一个工作场景/业务问题时，如果想要开展数据分析，首先要做的就是找出在这个场景中，我们需要关注的数据指标都有哪些。而这些找出数据指标的过程就是“指标建模”。

例1：如果我们想优化一个APP产品，那么我们就需要首先明确在这个APP产品中，都有哪些数据指标需要观测。不同的子模块分别对应着什么指标，这些数据指标又需要有怎样的表现才能代表产品的“好坏”。

例2：如果我们想要提升某店铺的收入，首先需要列出整个收入的产生流程，梳理出流程中所涉及的每一个步骤及其对应的数据指标，并对这些指标进行多维度拆解，最终构成一个收入达成的公式，推动收入目标的实现。

第一步的“指标建模”是数据分析的起点，如果这一步没搞清楚，后续的学习与应用是没法落地的。这就好比英语学习中的单词，不背单词的话，语法学得再好也写不出完整的句子。

02-掌握数据分析的基本方法

搞定指标建模后，接下来我们需要做的就是掌握数据分析的基本方法。

大家注意这里的关键词是“基本”。

市面上有关数据分析方法的文章、书籍数不胜数，但是在N多种数据分析方法中，我建议大家重点掌握四种最基本的方法：对比分析、多维度分析、漏斗分析、相关性分析

对比分析与多维度分析可以解决【数据涨跌异动类】问题

漏斗分析可以解决【流程转化类】问题

相关性分析可以解决【影响程度判断类】问题

掌握这四种分析方法后，就足够应对日常工作中90%以上的数据分析问题了，而其他更为复杂高深的分析方法学习难度大、应用场景少，对大多数人来说没有掌握的必要。

03-掌握数据分析的基本逻辑

有了前序两步的基础，在第三步我们需要掌握的是数据分析的基本逻辑。也就是当我们面对一个业务问题时，应该以怎样的思考逻辑和顺序来解决问题。

在这一步的学习中，真诚的向大家推荐一本书《如何用数据解决实际问题》（[日]柏木吉基），书中的核心逻辑简单易懂，实用性强：

《如何用数据解决实际问题》的核心逻辑图  

04-熟练运用数据处理工具

与其他攻略不同，我将数据处理工具的学习放到了数据分析学习的第四步。毕竟没有底层逻辑的支撑，直接学习工具是难以落地的。

谈到数据处理工具，相信大家第一时间都会想到Excel。

没错，Excel确实是重中之重。所以下周我会单独写一篇关于如何学习Excel的文章，这里就先不展开了。（提前预热一下）

如果你觉得Excel还不够，对可视化要求较高的话，BI工具也可以简单掌握。

而至于SQL/Python/Hadoop等专业工具，非技术向岗位不建议学习，因为付出的时间精力与最终效果不成正比，如果有相关需求交给专业人士即可。

05-在实际场景中进行数据分析应用

掌握“建模、方法、逻辑、工具”四点后，接下来我们需要到实际工作中进行试炼，通过不断的练习加强自身对数据分析的理解。

关于这一步的学习我们可以依样画葫芦，多数常见的场景都有较为成熟的数据分析方案。但只有通过前四步的学习铺垫，我们才能真正做到知其然，且知其所以然，并能根据自身情况，对这些成熟方案进行个性化调整，使其更适合我们的实际场景。

经过系统化的学习后，如果我们再去学习一些数据分析的碎片化知识，就可以快速提取出其中的核心内容，有的放矢，真正融入到自身的知识体系当中，对知识消化吸收的效率也会远超从前。

我相信通过以上五步的学习，今后无论面对何种场景，大家都能够举一反三，实现数据分析能力的快速迁移，将数据分析纳入自身在职场中的核心竞争力！

---

注：以上学习方法是我在三节课【业务数据专家培养计划课程】中教学&教研工作经验的总结，希望可以为大家的数据分析学习之路提供帮助。