数据分析首先要明确分析问题（2W1H）：
为什么分析？(Why)
为了识别机会，规避风险，问题诊断，方便进行量化管理；
也就是事前预测/预判（策略分析），执行过程中的达成情况和进度监控/监管预警，事后综合判断活动效果并总结经验和改进问题。
具体分析哪些内容？（What）
分析相关活动和方案对公司企业的影响（战略、营销、用户偏好分析等等），目的在于让公司赚钱，降低公司成本。
1、策略类数据分析：内外部条件评估、作战计划评估：
核心是经营分析，目前经营指标如何？-管理层是否满意目前的经营成果？-经营业绩下滑、利润减少等原因是什么？为什么会这样？-如果采取措施、会如何改变？会改变多少？-评估目前发展策略，预测新策略的可能性
2、创意类数据分析：需求洞察、市场评估、上线测试、效果评估等等维度
3、执行类数据分析：任务分解、效果评估
4、支持类数据分析：需求预测、进度跟踪、成本控制、结果评估
如何进行数据分析？（How）
1、临时取数：没有固定形式，想要什么要什么，内部数据分析或者调研去问，
是常见的，用途灵活，但是消耗时间，最好是用在突发、异常、探索性问题）；
2、分析报表：有固定形式（分析维度+分析指标、固定取数时间和指标计算公式），
最常见的分析输出形式，一般用来跟踪进度，做分组对比；
3、专题报告：针对**问题（销量不好、活跃下降、库存太多、用户流行等）的专题分析，
常见的分析输出，一般用来分析特殊问题，跟领导汇报（所以要做图、要做漂亮些）；
4、数据产品：做成网页、APP、大屏幕的报表；
5、数据模型：针对特殊的问题（多维度推荐、综合评估），一般是在人为影响因素较小的情况下使用数据模型
三种分析思维（思维框架，如何思考？）
结构化思维（金字塔思维，要符合MECE原则）
包括演绎思维：大前提-小前提-结论（也就是描述现象-分析原因-判断趋势-提出对策，4W模式）；
时间思维：按时间顺序分成事前、事中、事后不同阶段进行思考；
重要性思维：从纷繁复杂中找到重点（可以参考KANO模型）
将论点归纳和整理（核心论点）
将论点递进和拆解（自上而下结构拆解，MECE相互独立完全穷尽）
将论点完善和补充（验证）
公式化思维（将一切皆可量化，而且计算）
结构化是分析的思维，大多数概念性的，但是还没有进行量化，要结合使用公式化思维进行更好的量化才能达到分析的量化目的（通常就是将各个指标数据化，然后采用数学方式进行计算，如销售额、利润、转化率等是由什么构成的？）。
业务化思维：
结构化和公式化存在一个缺陷，很多论点和金字塔的结构是孤立的，缺乏构成完整的思维整体，要具有业务思维，从业务方的角度思考，要考虑将结果落地（点线面），多接近业务、多沟通、多换位思考，如果是业务人员会怎么考虑？
网友评论