編輯導語：在我們的日常工作中，經常會遇到數據分析的情況，對於一些業務來説，合理的數據分析能夠幫助我們更加清晰的認識到問題所在，找到解決辦法；本文作者分享了關於數據分析中的價值所在，我們一起來了解一下。
最近和身邊一些朋友交流，有的小夥伴們對數據分析的發展方向和實際價值有一定疑惑，我們今天一起來聊聊數據分析的價值和發展方向。
01 價值拆分就數據分析這四個字來説，我們如果將之拆分為“數據 + 分析”，就能較好的理解數據分析在幹啥了。
通過信息的採集/收集，整合，處理，提煉，得到相應的結論，使得我們能夠更清晰的認知事物，從而為決策提供幫助，使得做出的決策更明智。
前半段，從收集信息到得到結論，是具體的工作內容。
我們提數據，做報表，這些都是信息的收集，信息的處理，信息的整合；而給結論，是我們需要輸出的對這些信息的描述，也就是我們需要告訴別人這些信息到底是啥；因為信息多，我們才要整理，因為整理了，我們才需要提煉有用信息。
後半段，從認知事物到決策，是工作的目的。我們呈現了高度彙總的信息，這個是個事實；呈現事實本身是沒有用的，通過事實給出的觀點才是有用的。
一切的數據處理，內容總結，都是為這個觀點服務的；就如同論文，我們長篇大論寫了一堆數據，描述了一堆事實，最後不給一個論點，你説的這些數據和事實，都是無用的。
所以説，數據分析應該分析在前，數據在後；因為核心目的，是為結論負責，而這個結論又是為後續的決策負責。也就是説，我們在做數據分析時，第一個階段時整理數據，處理信息；第二個階段是總結信息，呈現事實；第三個階段是基於事實，給出觀點。
很多朋友説天天當成工具人，那就是處於第一個階段，我們總在整理數據，提供數據；但是我們反過來可以想想，需求方用這個數據幹什麼，目的是什麼，那麼我們是不是就能夠深入到第二個階段，甚至第三個階段了。
我們僅天天抱怨問題，沒有自己去主動解決問題，就等着業務方去解決。希望業務哪天提一個業務分析需求，就可以大展身手了。不要將這種改變現狀的想法放到別人身上，你自己都不願主動改變，為啥要期待別人會去改變？！
另説，業務的需求你瞭解是什麼嗎？定性的描述是什麼？定量的描述是什麼？你負責的業務的核心指標是什麼，提供的核心服務是什麼，從最粗的粒度，到最細的粒度，你瞭解了什麼，等等等等。這些數據和概念，你能夠在不問別人的情況下，直接就説出來嗎？因為數據分析一定是源於業務的，我們如果連業務都不瞭解，那麼就需要先沉下心來了解業務。
如果我們對業務已經足夠了解了，那麼來了一個需求，我們就需要去關注這個需求本身了。不要僅關注需求是什麼，咋完成；這種是最基本的，完成一個需求是表現，解決一個問題才是本質。
通過業務方的需求，去總結他們需要解決的問題，看看這些問題，我們能夠哪些從他們不知道的角度，提供哪些有用的數據，基於這些數據，我們能夠呈現什麼信息和觀點，從而幫助他們解決問題。從業務出發，又高於業務，最後反哺業務。
02 價值進階總的來説，數據其實只是一個決策的切入點，我們需要從中拿到信息，才是數據的價值；因為數據能表達得更直觀，全面。剛剛我們也講了數據分析的三個階段，如果我們再深入一步，基於最後提供觀點的目的（幫助業務做決策），我們能做什麼呢？提供決策的選擇。
也就是説，我們有了觀點，還可以將觀點具體落實。即我們不僅提供觀點，還提供觀點之後的具體落地方案及可能的收益，以及如果有負面影響，我們如何cover；這個就是第四個階段，結合觀點，落地方案。到了這一步，數據分析的價值才被非常非常好的體驗出來。
我們提供整合了信息，概述了事實，表達了觀點，給出可落地的方案及相關評估。業務只需要去決策，落地哪種方案即可。
很多時候，我們可能覺得沒有啥觀點，或者沒有啥觀點，這是肯定的，因為所有東西也都是一點一滴積累的，我們可以去學，可以去模仿，但是一定要要求自己去給觀點。只有開始做了，才會有提升的空間。結合我自己的經驗，這種走起來會稍微快一些，僅供參考。
就數據分析這個職業來説，數據分析師的工作古代就有了；比如古代的參謀，軍事家，政治家等等。他們會基於敵我人數，糧草數量，兵馬數量，地區各方面經濟指標等進行軍事和政治決策，這個其實就是在進行“數據分析師”的工作；比如大家耳熟能詳的諸葛亮，他就是一個非常厲害的“數據分析師”。
到了近現代，隨着科學計數的發展，我們的各項職業和技能都越來越精細化和專業化，各行各業也都在數字化落地，所以我們現在需要更專業的編程計數，數據分析方法論。
因為以往粗放的、不專業的、籠統的、基於經驗主義的決策方式，已經無法滿足很多發展的越來越精細和完備的企業的需求，所以我們也需要更加專業、準確、精細的數據分析，來為決策提供更先進的依據。
但是講回來，我們是利用工具去解決問題，利用方法論去解決問題。不要陷入到工具和方法論學習中，工具和方法論都是一個過程，大部分數據分析都是要解決業務問題，問題背後的目的是需要我們去深入思考的。
當我們能夠清楚的描述出問題時，基本問題就解決了一半了，所以，瞭解業務很重要。當然，後期我們如果想要轉到技術方向，多學習技術和工具也沒問題，畢竟什麼事情做到極致都是非常厲害的，就類似“匠人”精神。
03 分析思考很多時候，我認為數據分析不再是一個職位，一個工作，而是一個思考的方式，或者説技能buff；因為我們生活中很多時候就在用這個技能，比如定外賣可以算算滿減，為了多睡兩分鐘卡點出門上班，買東西貨比三家等等。
這些就是日常生活中我們的“分析”，為什麼我們自己在生活中會不由自主的想這些呢，因為我們可以從這些東西中受益。
工作同樣，我們也可以用這些主動的技能去思考，業務如何做好，問題如何解決，目標如何達成，相信我們也能有非常多的思路和點子做“數據分析”。
環境是很重要，但是，起碼我們得先主動去改變；被動的等分析需求展現自己的價值，何不主動些，去展現自己的能力，體現分析的價值。
不斷的沉澱總結，千萬不要理所當然的覺得“這個事兒就是這樣”。
我們一定要去關注背後的原理，因為表現出來的，或者我們能看到的，都是最表層的，在做需求中多多思考，那些很有價值的點和思路就能找到了~
作者：Sven，BAT數據打雜專家，做過用户增長，目前負責數據全鏈路。
本文由@一個數據人的自留地 原創發佈於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議。