企业关注数据，主要是关注数据的价值，能给我们的业务带来什么效能，是能发现运作方式的问题？还是能找出突破点?还是能预估公司的赛道，让决策层知道以什么样的配速来跑？

现实中很多数据分析从业者沉浸在用工具操作数据的快感中，还有一些迷恋各种算法带来的成就感。

只有你深度了解你输出的用户是谁，能给他们带来什么?希望达到什么样的预期？你才能让数据发挥巨大的作用，所以分析思维能力的重要性远远大于工具算法的操作上。那么好的数据分析思维到底是什么样子的？

1

目的性

做数据分析无非解决两大类问题：第一类叫后验分析，就是明确出了问题，找原因；第二类叫先验分析，要先假设再验证，还未发生。

第一类方向明确一些，现实中无非就是分析日活下降、流失率提升、客单价下降等等问题，所以你所有分析的都可能是影响其下降的因素，然后层层分析，找到导致其发生概率最大的问题。

那第二类就方向就差一些，只告诉我要向东走，如何走，走到哪都不知道，那我们就要做层层假设，假如要进军一个新业务，要不要进？假如进，市场规模如何？增长速度如何？处于产业链的什么位置？竞争对手多少？未来预期发展线路和策略是什么？假设不进，你觉得是时机问题，还是市场问题？还是风险太大？等等，这些都要从不同的角度去分析数据，从而给出你推断分析的理由，更多是数据支持的角色。

2

落地性

所有的数据分析思维都是为了让你找到正确的方向，要问什么是好思维，好的数据分析，那落地性一定是靠前位。

举个例子来简单说下，假如一家电商公司要提高GMV，让你提供数据分析支持。

分析师：GMV=客单价*消费用户数，先通过公式法找到了问题要突破和分析的方向，接着借助数据更深入的分析，比如客单价的分布是什么样子的？提升的空间有多大？哪些人的可以提升？这些人都有什特征？接下来你可以可以告诉运营：通过满减来刺激还是通过买赠来刺激呢；可以告诉产品：对哪些人进行购买引导（推荐）效果会好？

3

去学习

如果你找不到数据分析思维的精髓，那你就假装自己要写一份分析报告，你来找到自己的弱项。

有想法，不会工具：那就学工具、学方法论、学算法,开始先用excel来跑通操作，后面再去学习python\R这些，你会发现工具真不重要，你以前学的都是数据采集。

会工具、没有想法：那就学方法论、学思维，要不断的假装自己要写报告，好好思考方法论、业务、算法之间到底什么关系，这是很多数据分析师的痛点所在，不会分析没有项目经验托底，始终是纸上谈兵。

不会工具、也没想法：那就看看别人的报告，慢慢学习，尝试去做。实在不行，那就来九道门数据分析学院，老老实实线下学习两个月课程，让你高起点进入数据分析领域，其实就是这么简单。

九道门数据分析实训营课程设计真实项目实战，MBA式的教学体系，把数据分析在所有行业的应用“龙骨”提炼了出来，课程中通过不断做项目，加深学生对“龙骨”的理解，锻炼学生项目操作能力以及项目分析思维，尤其是会带着学生去做企业真实项目，让学生全程参与到一个完整的项目中去，让学生在学习的过程中就得到真实项目经验的积累，让学生的项目经验经得起市场的考验！

高起点进入数据分析领域