数据分析的最高境界，离你这么近
编辑指南：数据分析的最高境界是什么？笔者认为，具体问题具体分析。乍一听，任何人都可以做到，但结合实际工作，要达到这个标准并不容易。本文将从四个方面进行分析，与大家分享。
很多同学问：数据分析的最高境界是什么？在这里，陈老师可以给出非常明确的答案：具体问题，具体分析，就这八个字。
看到这里，很多新人会说：“这个我早就知道了，所以我已经达到了最高级别？”答：这八个汉字很容易读。将这八个字符与实际工作结合起来是非常困难的。
1。什么算具体问题
很多学生在提问时喜欢用这种提问方式：
- 类型1：老师，是的，没有分析思路？互联网行业
- Type 2：老师，有没有用户画像分析的思路
- Type 3：老师，有没有归因分析的思路
那么，这三类是具体问题吗？
不算！
就问几个问题：
- 谁想看这个分析？
- 当他看到它时，他能做什么？
- 什么是商业分析？
- 是否有此业务的数据？
- 现有数据是否足以使用XX方法？
我什么都不知道。当然不能说是具体问题。所谓：衣食住行。如果分析的问题从源头上不够具体，就无法确认分析结果是否令人满意。结果最后输出的时候，盲盒被打开了，要么傻傻的，要么莫名其妙的被诟病。
一个具体的问题至少包括以下三个层次：
- 人：谁需要这个分析？
- 事物：什么是业务场景？
- 数字：数据有多少，质量如何？
第二，谁需要分析
在很多情况下，数据分析是为了让别人看到。领导/同事/客户/公众都是可能的。如果你想做一个符合你需求的分析，你必须知道对方想要什么。
识别分析对象有五个方面：
身份：< /strong> 指听分析的人所在的部门。部门确定需求方关注的工作流程、工作KPI以及相应的工作条件。了解部门基本可以判断需求方的顾虑。
级别：部门领导、团队领导和士兵的侧重点肯定是不同的。了解层级差异，才能更好的追踪真正的需求发起者，避免被一个听风吹雨打的下属搞砸！
技术能力：你对数字化、数据采集、数据了解多少分析？事实上，数据分析领域的头号问题是不了解数据的领导/同事日益增长的数据模型错觉与基础数据收集与基础业务流程数字化建设落后之间的矛盾。如果发现对方知之甚少，尽快停止吹牛，扔掉复杂的方法。否则，吹得越用力，摔得越惨。
动机分析：很多人做分析不是为了了解真实情况，而是为了达到自己的目标。想借机求功的人，想甩锅的人，想争夺资源的人。因此，弄清楚需求方的位置是非常重要的。否则，无论你怎么做，他都不会接受货物。
基本认知：他对业务的现状和数据上的表现了解多少？在实际工作中，不少人没有基础知识，遇到事情时，都是根据情绪、媒体报道、领导讲话、客户投诉等零散的感性信息来判断的。一开始的判断是错误的，给出的分析要求肯定是错误的。
在工作中，很多同学觉得很委屈：
- “为什么老是说我不深入”
- “为什么有没有必要在这样的波动中挣扎？”
- “为什么总是改变分析结果”
归根结底是不了解人的问题。面对客观、理性、合乎逻辑的人，一眼就能分析出来；面对主观的、感性的、不讲道理的人，就得用非凡的手段。单靠书本上的代码或共识是无法应对的。
3.什么是业务场景？
所谓业务场景是：为实现一个业务目标而进行的所有业务行为的集合。业务场景也分为宏观、中观、微观（如下图）：
中分工与人员 角色是一致的。所以，在实际的沟通总结中，很容易先确定需要的人，再结合他的部门和职责来分析问题场景。对于在甲方工作的同学来说尤其如此。了解对方的部门和职位，大概可以判断对方的情况。
对于陈先生这样的公司，乙方需要非常仔细地了解情况，从对方的行业、商业模式、分工、业务流程、系统流程等方面梳理出情况a一点点避免不同的名字。 ，造成理解错误。
这里很多同学会偷懒，经常说：老师，我是互联网/传统行业的，你就告诉我互联网/传统行业的一般知识。