数据分析到底有没有用？经常会在不同场景看到对数据分析价值的质疑。作为数字化时代重要且通用的能力，数据分析必定有它的高光时刻，但同时也有它的使用场景：

1. 数据分析起作用的条件是什么？

先做个简单定义：数据分析 = 数据能力 × 分析逻辑，即借助“数据”进行逻辑分析，所以前提是得有“数据”，具体来说：量得大、维度得丰富，如果盘点数据后只有少量的稀疏数据，就别指望数据分析了，还是先从养数据做起吧！

如果你正在求职数据分析师，想要选择符合上述条件的公司，一般来说可以从行业、产品的类型和公司生命周期这三个维度来做判断：

a. 行业

虽然说各行各业都已经开始数字化转型，但目前数据分析师还是主要集中在互联网、游戏、零售电商等领域比较多。

b. 产品类型

以零售行业为例，最理想的情况是高频场景的产品，例如快消品；一般频次和价格成正相关，所以低价往往和高频对应，也就是说高频低价的场景比较好落地各种数据分析方法

相反，低频高价的耐消品，用户的行为数据少，所以往往做商品维度的分析会比较多，例如库存预测、供应链管理等，而这些跟C端用户分析不一样，非常依赖沉淀的行业经验与组织管理的加持

还有一种能做到高频高价的产品，它们往往是营销驱动，可能更多分析集中在渠道分析；有些成瘾类产品也属于这一种，它们也不需要数据分析，做好产品、搞好营销更重要

c. 公司业务的生命周期

即使选择好了行业与产品，还得看具体的公司，它所处的生命周期也决定了数据的成熟度。除非是靠算法驱动的产品（例如抖音），否则大部分初创公司都是不需要数据分析的，此时的它们做好业务抢占市场更重要；同时，数据的积累与建设也是需要投入与周期的

从生命周期这个维度上讲，数据分析做的一定是锦上添花，而不是雪中送炭。说的就是在成长期成熟期的公司通过数据做降本增效，而进入期衰退期的公司还不如调整业务降价促销效果来得更快。

2. 数据分析作用在哪个环节？

商业中，每天都会面临大大小小的业务决策，但很多其实都跟数据分析无关。按分析复杂度和组织复杂度对决策进行分类，数据分析主要在右下角的位置（看图）

大企业中还有与数据分析比较类似的岗——战略，它们方法论与数据分析类似，但能协调的资源更多，所以图中右上角的决策更适合他们做。

3. 数据分析是怎么作用的

首先，数据分析是很大的概念，可以做的事也有很多，但是这些事的价值能否落地就因人因环境而异。

从岗位分类或者实际的工作内容来看，有：

靠近业务运营的数据运营，

解决数据信息传递效率的BI，

中观市场视角的商业分析，

靠近技术支撑产品效率的数据开发，

对业务发展降本增效的经营分析，

开发核心业务功能能力的算法工程师等等

它们都是在从不同的角度、环节作用于业务链条；所以最终还是得回归到业务场景中做价值判断，而如果对岗位本身定位不明确，不知道如何作用业务，那难免会对价值产生疑问🤔️