我做的到底是不是數據分析？【簡明版】
- 2019 年 12 月 9 日
- 筆記
「你做過什麼分析，介紹一下」是個面試時經常被問的問題。很多同學答完以後被懟，更多的同學沒有自信回答。為啥？因為大家平時都在范嘀咕：「我可能做了個假的數據分析。到底數據分析是啥？為啥我感覺我做的不是？？？」今天簡明扼要的教大家如何判斷。
凡是符合：
- 有未解決問題
- 有研究過程
- 有研究結論
的都是分析。
如果研究是基於數據做的，就是數據分析
如果研究是基於訪談、溝通、座談會做的，可以叫定性分析
如果研究是基於二手資料、新聞報道做的，可以叫行業分析
(づ◕ᴗᴗ◕)づ就這麼簡單
舉例
未解決問題：不知道4月份電商網站交易金額下降的原因
研究過程：
- 通過杜邦分析法，發現是新人數量少導致的
- 通過漏斗分析法，發現AB渠道新人少是主因
- 通過與市場部溝通，發現AB渠道長期依賴補貼，本月起消減了補貼
研究結論：交易金額下降，因為AB渠道消減了補貼，導致新用戶增長乏力
完成一個分析就這麼簡單。做數據分析是解答企業實際問題的，解決問題是1問1答的形式，只要能解答問題都是分析。
當然，這麼簡單的報告交上去可能被人質疑，諸如：是不是新人數少就是100%的原因？是否消減補貼就是全部AB渠道新人少的原因？其他渠道是不是有類似問題？市場部說了你就信了？以上這些質疑，通通叫分析不夠嚴謹。這麼做還會遭到第二個質疑：你為啥沒給建議？如果市場部沒有錢了，以後沒有補貼是常態，那麼還能怎麼做？這些質疑，叫分析不夠深入。
理論上，在時間、精力、資源、業務方認可度均有保證的情況下，是需要嚴謹論證，不斷深入的。不過這些是把分析從60分做到90分的過程，我們首先要保證的是：這是個完整的，60分的數據分析，而那些有疑問的同學做的，往往是0分，甚至是負分滾粗級的。比如：
負分滾粗級例子1，大標題叫《4月電商網站銷量分析》，內容是：本月銷量1個億，同比下降10%，環比下降5%……然後就沒有然後了。這是個毛線的分析啊。這是陳列了幾個數據，沒有和業務問題結合。下降就是不好？如果是季節性波動呢？數據要和業務問題結合才有意義。
負分滾粗級例子2，大標題叫《4月電商網站銷量分析》，然後做個折線圖，內容是：本月銷量下降。這是個毛線的分析啊，這只是把陳列的數字畫個圖而已，以為業務部門不認識阿拉伯數字嗎。這個和例子1本質上是同個問題。
負分滾粗級例子3，大標題叫《4月電商網站銷量分析》，然後寫到：銷售額下降是因為用戶活躍率低了，結論是要把活躍率搞高……或者銷售額下降是因為新人數少了，要搞多……
這個問題不止同學們會犯，很多網上教數據分析的老師都是這麼教的，真讓人懷疑他們有沒有在企業干過。這樣只不過是把一個一級指標拆成二級指標而已，本質上還是在羅列數據，而那句「要搞高」在真實的企業里會直接讓業務部門炸毛的——我又不是瞎子，我也看到指標低了，不搞高難道還搞低嗎！電商也是線上零售，驅動原因是人貨場，從人貨場角度出發才是真正的原因。這裡的錯誤，是：點出了一個業務問題，但沒有推理過程，還是在羅列數據。
負分滾粗級例子4，大標題叫《4月電商網站銷量分析》，然後寫到：銷售額下降了，我打個電話問了業務，業務說是沒活動了……如果是這樣的話，業務部門還要分析幹什麼，看到指標低了自問自答一句就好了。這裡本質上和例子3一樣，沒有推理過程，直接把問題甩回給業務部門了。
要注意的是，數據本身很有價值。在企業里不是所有數據工作都需要「分析」，比如做數倉、ETL、BI開發的同學們，就不太需要做分析，看需求單做事把數據跑起來就行。但做數據分析、數據運營、商業分析、市場研究的同學們，就一定得認真關注自己做的是不是分析，不然僅僅是跑數，沒有分析能力，就很難做出價值，也容易被替代掉。去面試的時候也會被各種質疑：你這也算分析？你就是羅列了數據而已。
