做数据分析工作，一定要遵循一定的原则，这些原则，我简单列了列，属于亮哥比较看重的，但是不一定是通用的。

让我们先来看数据分析的一般流程。

数据分析的一般流程-数据分析应该遵循下面这个流程：

?

也就是说，数据分析需要从问题中来回到问题中去。拆解一下其实，数据分析主要要有五个步骤：

问问题、找对象、选数据、做分析、再验证。

1、问问题：数据分析的目的，数据分析必须要有明确目的

数据分析的目的，数据分析在启动时，一定要有非常明确的目的。

这种目的，可能伴随一次或多次目标明确的测试动作。

譬如说，原先的商品落地页的购买转化率比较低，需要使用新的落地页，以提升流量进入后的购买转化率。

这个时候问的问题，应该有3个：

1）当前的商品落地页是值得进行优化的吗？

2）商品落地页的优化是可行的吗？

3）能够优化到什么程度？

你会发现，这个时候，其实原先的一个目的（想办法提升商品落地页的购买转化率），就变成了3个问题，而这3个问题，接下来就要指导整个数据分析的过程。

2、找对象：明确分析的可行性和分析的范围

对于上面的例子来说，其实是要对着三个问题来进行1by1的解决，需要去弄清楚对象。

问题1）当前的商品落地页是值得进行优化的吗？

这个问题的对象其实不是商品落地页，而是商品落地页的来源渠道的流量情况和流量到来后在商品落地页的行为模式。

因为，如果流量本身进入的就少，可能样本本身就不具备去测试验证的可能性，反而需要我们先去提升流量分发的能力。

问题2）商品落地页的优化是可行的吗？

这个问题的对象既可以是新的落地页，也可以是老的落地页，只要能够通过数据证明，对落地页的调整是否会影响购物转化率，那么就可以得到结论。

问题3）能够优化到什么程度？

这个问题其实现在是回答不了的，要回答这个问题很明显，首先有一个前提，就是商品落地页的调整，对于改进购买转化率来说，是具备可行性的。

这样你就可以把对象识别出来。

3、选数据：从已明确对象身上去挖掘相关联的数据

选数据这件事儿，其实后半段不难，但前半段不太容易做。

涉及到选择时间跨度，对象数据的维度等。

一句话，要有逻辑性。

4、做分析：客观中立，从数据中洞察

分析这件事情，其实就是讲究，从数据中自然推导出结论，讲究客观中立。

不能带着结论去凑数据，也不能一脸懵比不要知道数据想要和你谈什么。

5、再验证：带着数据告诉你的结论，反过来去看待最初的问题

我和小朋友说的是，数据要能够带来：

1）结论

2）假设

3）行动项

也就是说，一次数据分析，应该能够帮助你先认识到问题在现阶段的状况（结论），能够帮助你提出下阶段的可能性（假设），能够帮助你梳理接下来要着手做的事情（行动项）

思迈特软件Smartbi是国家认定的“高新技术企业”，以提升和挖掘企业客户的数据价值为使命，专注于商业智能(BI)与大数据分析软件产品与服务。在企业进入数据化和智能化的大趋势之下，思迈特软件作为行业内最早专注于企业数据化和智能化的产品公司，在众多的客户中获得了很好的口碑，并获得了投资机构的青睐。