一、什么是数据分析？
在商业分析领域特别有名的咨询公司——Gartner，率先将数据分析能力分为四个层次，当我们在说数据分析的时候，其实就是在说用数据解决这四类不同层次的问题。
1.描述性分析，就是指对业务数据进行客观描述。
2.诊断性分析，就是指对过去的业务结果进行分析，寻找达成或者未达成目标的原因。
3.预测性分析，就是指对未来的业务结果进行预测，分析未来可能会怎样。
4.规范性分析，就是结合业务提出可行方案，利用数据进行验证，看看我们做哪些事情可以给业务带来增长。
比如，假设你是一位销售主管，对应这四类不同层次的数据分析，可以是什么场景？有什么用呢？
第一层分析：在年度工作汇报中，你可以这么说，今年我的销售额是1000万，比去年增长了20%；我们团队排在公司前10%；而我带领的5名销售，排名也都在前20%。掌握数据分析的第一层次，能够帮你通过数据，更有说服力。
第二层分析，今年销售业绩做得比较好，原因有三个。一是潜在客户数量比平均数增多10%，跟多拜访了一些客户有关系；二是销售转化率提升了5%，跟团队的销售技巧提升有关系；三是老客户贡献的营收比去年多10%，跟增加老客户的回访频率有关。
第三层分析，就是根据历史数据，结合行业的比较，对下一季度的提出预测和计划。
第四层分析，要想达成预测数据，我们要做哪些方案措施。
二、数据分析误区
脑中错误的固有观念，会阻碍一个人去认识、学习、理解新的事物。所以，在学习数据分析这个新事物之前，首先清空脑海里关于数据分析的固有观念。
误区一：不是所有人都需要以及用得上数据分析。很多人认为只有专业的数据分析师才需要学会数据分析，现在很多热门岗位，都要求有一定的数据分析能力。
误区二：学习数据分析，就是要掌握Python/Tab leau/等等这些工具，工具终究是由人驾驭的，没有思维方法，及时你的工具在专业，也解决不了工作当中的问题。在老板眼中，价值的重要性，远远大于专业。
误区三：数据分析门槛很高，一般人很难学会。从网上、书籍中经常看到讲的一些关于数据分析高大上的概念，什么挖掘数据、建立数据等，数据分析领域中，有一部分是搞数据科学研究的，就是聚焦数据科学发展，但是，大部分人学数据分析，只是为了应用，解决问题。数据分析发展这么多年，早就有了很多可应用的工具和框架，只需要套用就好。
三、常见的分析方法
四、数据分析实操
行政部门，通过一周内不同天的考勤数据对比，你发现周四周五大家都到的晚、走的早，那是不是大家疲惫了，是不是要搞一些活动调节一下？你还能通过对比工作时间长与业绩之间的相关关系，看看加班到底是不是有利于提升，看看鼓励不鼓励大家加班。
网友评论