1、接下來，我們正式開始分享，先來想一個問題：如果我說，“這次分享，我PPT都是隨隨便便做的，前后也就不過三十分鐘吧，內容呢也是想到哪寫到哪，大家就隨便看看就好了。這次準備分享的過程，是不是隨意？”

請問，我說的話里面，有沒有問題？為什么？大家也可能看到了，我的ppt有50多頁，按每2分鐘做一個PPT，那么50多頁的PPT也是需要100分鐘，不可能前后不超過30分鐘，所以，我想表達的是需要有基本的常識！

當我們做分析時有如下要點： √有一個基本的判斷 √找到相應的數據支撐 √用數據來支持你的判斷，或者推翻你的判斷 √有必要的話，還要做一個報告，進行展示√有必要的話，跟我反饋，或者給我建議，或者與我進一步溝通匯√總所有的數據和結論，進行總結（新的判斷）√形成閉環 當我們了解了做分析時，需要注意的要點時，我們心中基本就有一個業務數據分析簡要的流程：拿到數據 → 分析數據→ 得出結論。

2、那么，問題來了：（拿到數據 → 分析數據→得出結論）這個流程有沒有問題？是不是大家都覺得其實沒有問題，但是又總感覺缺了點什么，缺了什么呢？不清楚。那不妨我們可以來做一下模擬演練！模擬演練和復盤其實是一回事，都是對實際場景的一種復現。

3、拿到數據：從哪里拿？什么時候拿？

所以這里可以分解出，拿到數據有這么幾部分：我們需要一個數據庫(搭建框架)，然后我們在數據庫里面進行提取數據。

拿到數據可分為搭建框架、提取數據。

4、分析數據：同樣的道理，這一環，能怎么分解呢？

拿到數據后，不一定直接管用，所以要對臟數據做數據預處理，預處理后拿到了干凈的數據，開始分析，這里一般根據分析的目的，會區分為幾種分析思路：描述性分析、預測性分析、驗證性分析·····(這里就不一一暫不展開)

復雜的分析模型，需要對數據進行建模，所以這一環叫數據建模，建模完成后，有一個大概的結論了。

你會想，這個結論會不會有問題呢？所以,要想一想，數據分析過程中會不會有一些錯誤的產生，這一步叫做數據驗證，通過驗證，數據沒問題，結論應該也還OK。

那么，分析數據這一環應該可以結束了。分析數據可以分為：數據預處理、數據建模、數據驗證。

5、得出結論：分析完數據，之后我們就需要向上做匯報了。

要怎么才能讓匯報對象接受自己的分析結論呢？這一步叫數據展現。

我們展現的內容可能有很多內容，這是就需要要寫報告。

可作報告可能還不夠，此時我們還要做演講，讓別人清楚的了解報告的內容。

那么，得出結論可以分為數據展現、撰寫報告、報告演講。

6、現在，數據展現了，報告做好了，演講說完了，聽的人也接受自己的觀點了，下一步是啥呢？分析新的問題？還是繼續追蹤原來的問題？這里就是閉環了。

所以，比較完整的流程，是這樣的：

搭建數據庫--數據提取--數據處理--數據分析--數據展現--撰寫報告--報告演講--閉環

但是，大家有沒有遇到一種情況，就是在你匯報的時候，人家問你，不對不對，我要你分析的問題不是這個問題，你回去重新搞吧。你會不會原地爆炸？你會想問題到底出在哪里了呢？

對了，是分析問題的確認。如果沒有確認清楚，就開始吭哧吭哧的干，可能最后還得落到一個前功盡棄的結果，所以，在數據分析所有環節之前，應該加上一個：明確問題。

避免給自己埋坑，因此，比較完整的流程，應該是這樣的：

明確問題--搭建數據庫--數據提取--數據處理--數據分析--數據展現--撰寫報告--報告演講--閉環

7、現在大家重新回顧一下，我們是如何從三個環節的分析流程，演變成九個環節的分析流程的，值得注意的是，我這里說的是“演變”。

那么，如果我們的流程，可以從三個演變成九個，那么可不可以從九個，演變成更多？答案是完全可以！

例如，第一個環節，明確問題，這個地方，就可以這樣演變，問題是誰的問題？是直接領導安排的問題，還是隔壁部門求助的問題，問題的跨度是大是小？是可以在短時間內解決的，還是需要好幾周才能搞定，問題涉及的部門是多還是少？是否需要涉及跨部門溝通？需不需要申請額外的權限？等等等等

這里面涉及到兩個重要的分析方法，我們等會會講，一個是5W2H，另一個是邏輯樹。對剛才明確問題環節中演變的思路，其實就是5W2H；剛才從三個分析節點演變成九個分析節點的思路，其實就是邏輯樹。具體我們后面再講。

好了，我們思路講完了，該講講工具了。作為一個專業的數據人，我們需要使用哪些工具？又應該使用到什么程度才可以呢？

8、在開始之前，我們可以思考一個問題：“光學會了工具，就可以做好數據分析了嗎？”。

要做好數據分析，不僅要學會工具的使用（硬技能），還要學會數據分析思維，其中就包括常用的數據分析模型或方法（軟技能）。

明確問題環節中，還可以延伸出更具體的情況，例如問題是誰的問題？問題的跨度是大是小？等等，其實就是5W2H分析方法。從原本三個分析節點演變成九個分析節點的思路，其實就是邏輯樹分析方法。

那么，我們現在來了解三個好玩的分析模型：

5W2H分析方法

邏輯樹方法

對比分析方法

9、邏輯樹方法要解決的問題是，拆解和演變。我們來看一個“馬斯克造火箭”的案例，怎么把成本從100億美元降到20萬美元？

馬斯克，特斯拉電動車公司的老板，他有一個火星殖民計劃。其中一個最大的問題在于成本。根據保守預估，將乘客用火箭送到火星上去，再送回來，成本大概一個人100億美元，馬斯克希望把去一次活性的成本，從100億美元，降到20萬美元，相當于原來的0.002%。這是如何做到的呢？

我們來看一個“芝加哥有多少鋼琴師？”的案例，這一類估算的問題，又稱為“費米問題”，例如：北京有多少量特斯拉汽車？某胡同口的煎餅攤一年能賣出多少個煎餅？深圳有多少個產品經理？一輛公交車里能裝多少個乒乓球？等等。

通過以上應用案例，邏輯樹模型可以比喻天下大事必作于細，天下難事必成于易！

?在沒有分析思路的時候，拆解也許是個好辦法。還記得微積分里面的內容，就是將一條連續的線進行無窮小的切分，使得原本無法直接計算的部分變得可以計算了，這就是拆解的魅力。

?費米問題可以考察一個人有是什么樣的思維方式。公司招聘中，需要的是能把事情做成、有嚴密邏輯推理和分析能力的人，而嚴謹的推理能力，需要經過長期的后天訓練，才有可能學好并掌握到位。

思考：業務數據分析與商業數據分析的區別在哪里？

10、對比分析方法要解決的問題是，通過錨點形成分析結論，還可以通過設計錨點，來影響消費者心理，提升業務！

通過以上應用案例，對比模型在數據分析中應用非常廣泛，需重點掌握！

? 同比與環比，實質上是關于時間的對比

? 自己產品水平與市場平均水平的對比，則是競品分析

? 設置對照組的方法，則是經典的A/B測試

? 假定結論后驗證正誤的方法，則是假設檢驗

? ……

? 還有許許多多分析的分析模型，都有對比的味道

? 對比的兩個重要因素：參考系、結論。

責任編輯：lq6