在业务数据分析中，无经验的新人常面临这样一种现象：即便已经掌握了数据分析工具，但有时候拿到数据仍然不知道从何下手，即便已经做出了很多的图表，但仍然无法发现业务问题。为什么简单的数据在经验者手里能分析出不同的洞见，而有些却只能得到非常简单的结论？

若要通过数据来深入分析业务问题，首先需要具备一定的数据分析思维，充分的利用好可获得的数据，挖掘到现象背后更多的潜在信息，本文将介绍一些基础的数据分析思路。

一、充分利用可获得数据

在开展一个调研，执行数据分析的阶段，我们可以首先去思考下，除了我们调研中设置的数据以外，还有哪些数据我们是可以获取并进行分析的。从便于理解数据分析思维的角度，我们把数据类型可分为：用户数据、行为数据、态度数据、产品数据。

用户数据：是指用户本身的属性和基本情况，比如：性别、年龄、身份、职业、地区等，了解用户数据便于我们在后续的分析阶段更好的对用户进行细分和拆解。

行为数据：是用户与产品交互过程中产生的数据，即记录用户做过什么的数据，常通过产品埋点等方式记录收集，比如：用户点击酷家乐设计入口的次数、在某个页面的停留时间、查看过的页面类型/数量、使用过哪些工具类型等，行为数据主要包括用户做了哪些行为、发生行为的时间等。

态度数据：是用户对于某个事情或者观点的态度，通常是通过我们在研究中设置好的问题来获取，比如常见的：用户的满意度、NPS、某个问题对用户的影响程度等。

产品数据：是产品本身属性或者具备的数据，例如：产品名称、产品价格、产品种类、功能个数、产品评论、产品销量、产品满意度等。

不同的数据类型可能来源于不同的获取渠道，有些来自公司内部数据库，有些是通过自己主动投放获取，在实际进行业务问题分析时，要有充分调用不同渠道、不同数据类型的意识，不仅关注同一类型数据的表现，还可以分析不同数据类型之间的关联，从而对业务问题背后的原因进行更深层次的洞察。

二、基础的数据分析思路

数据分析的目的是为了回答某个业务问题，通常来说，常见的业务问题主要有两类：

一是业务现状分析（即通过业务数据分析，来发现当前业务问题），二是业务问题原因分析（即在发现某个业务问题后，层层深入挖掘问题背后的原因）。

例如，我们在工作中面临着这样的业务诉求：当前产品用户NPS如何，是高还是低？是升了还是降了？产品NPS上升/下降的原因是什么？

对比分析法是进行业务现状分析和发现问题最基本的方法，单一的数值并不能说明什么问题。比如，了解某产品NPS达到30%，只了解这个数值是没有太大意义的，因为并不能判断这个NPS是高还是低？是升了还是降了？所以只有通过对比分析，才能让数据变得有意义。

常见对比分析思路：

和行业比：想知道NPS是高还是低，可以和行业的平均水平进行对比，或者和行业内的标杆进行对比。

和目标比：与既定的目标比，来了解当前NPS的距离目标的差距。

和同类/同级比（横向对比）：和同一行业内/生态内的其他产品水平，找到相对更高或者更低的答案。

和不同时期的自己比（纵向对比）：可以从时间维度来看数据随着时间发生的变化，也称为趋势分析，用来追踪业务动态是否有异常。

在使用对比分析时，需要注意的是：如果是对总体数值进行比较，那么各对比维度的规模需要一致。

因此，在数据分析中，通常会使用比例或者平均数作为指标来进行对比。例如，对比A地区的总销售额高于B地区，但并不能直接得到A地区的销售业绩更好，有可能A地区的销售门店数量远多于B地区，因此此处用平均销售额会更合理。