眾所周知，數據分析的發展歷史并不長，1880年，在使用計算機之前，美國人口普查局花了7年的時間來處理收集到的信息并完成最終報告。

之后隨著計算機與計算技術的發展加速了數據分析的過程。比如1970-1980年誕生的關系數據庫、數據倉庫等技術，提供了按需分析數據的優勢；而數據倉庫經過優化，可快速響應查詢，至今仍在廣泛使用。

如今隨著大數據時代到來，海量的數據以及新的技術發展更是讓商業智能BI、數據挖掘技術實現了崛起，同時數據科學家成為了21世紀最性感的工作。

而對于邁入數字化時代的普通職場工作者，數據分析已然成為了基礎的必備工作技能之一。那到底什么是數據分析？數據分析有什么作用？以及我們該如何進行數據分析？今天小億就來為大家分享下。

一、什么是數據分析？

數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。

數據是基于客觀事實，對于客觀事物發生、發展的數字化記錄。隨著科學技術的發展，數據的概念內涵越來越廣泛，包括數值，文本、聲音、圖像，視頻。

數據可以分為定性數據和定量數據。定性數據是用來描述事物的屬性，名稱等，它是一種標志，沒有序次關系。例如“性別”，“男”編碼為1，“女”編碼為2；定量數據描述量化屬性，或用于編碼。如交易金額、額度、商品數量、積分數、客戶評分等都屬于量化屬性。

二、數據分析的本質：讓業務更清晰，讓決策更高效

在市場經濟的條件下，企業處于激烈的競爭、差異化的市場、多變的環境之中，常常會面臨各種難題。數據分析可以用來解決企業的難題，幫助企業識別機會和規避風險，并進行相關問題的診斷。主要體現下以下3個方面：

1.現狀分析

簡單來說就是告訴你過去發生了什么。

第一，告訴你企業現階段的整體運營情況。通過各個經營指標的完成情況來衡量企業的運營狀態，以說明企業整體運營是好了還是壞了，好的程度如何，壞的程度又到哪里。

第二，告訴你企業各項業務的構成。讓你了解企業各項業務的發展及變動情況，對企業運營狀態有更深入的了解。

現狀分析一般通過日常通報來完成，如日報、周報、月報等形式。

2.原因分析

簡單來說就是告訴你某一現狀為什么發生。

經過第一階段的現狀分析，我們對企業的運營情況有了基本了解，但不知道運營情況具體好在哪里，差在哪里，是什么原因引起的。這時就需要開展原因分析，以進一步確定業務變動的具體原因。

假設2012年2月運營收入環比下降5%，這是什么原因導致的呢？是各項業務收入都出現下降，還是個別業務收入下降引起的？是個地區業務收入都出現下降，還是個別地區業務收入下降引起的？這就需要我們開展原因分析，進一步確定收入下降的具體原因，對運營策略做出調整與優化。

原因分析一般通過專題分析來完成，根據企業運營情況選擇針對某一現狀進行原因分析。

3.預測分析

簡單來說就是告訴你將來會發生什么。

在了解企業運營現狀后，有時還需要對企業未來發展趨勢作出預測，為制定企業運營目標及策略提供有效的參與決策依據，以保證企業的可持續健康發展。

預測分析一般通過專題分析來完成，通過在制定企業季度、年度等計劃時進行，其開展的頻率沒有現狀分析及原因分析高。

三、數據分析的具體步驟

1.明確分析的目的和思路

（1）理解業務

從事數據分析工作的前提就是懂業務，即熟悉行業制度、公司業務與及流程，有自己的業務見解。

比如，首先理解業務的商業模式是怎么樣的？通過什么樣的方式發生關系并最終產生什么樣的商業價值；其次要了解商業模式的核心組成要素，例如客戶細分、收入來源、關鍵業務、核心的資源、成本的結構等；最后要對外界的環境因素有所了解，例如宏觀經濟、市場影響、行業趨勢等。

（2）明確目的和思路

做任何事都要有目標，數據分析也不例外。在開展數據分析之前，要想想為什么要開展數據分析？通過這次數據分析要解決什么問題？當分析目標明確后，我們就要梳理分析思路，并搭建分析框架，即從哪些角度進行分析，采用哪些分析指標。

一些常見的思維模型應用與分析，能夠幫我們更加清晰的理解背后的邏輯線索，做到”不重不漏“（MECE）。常見的思維模型有：結構化思維模型、時間模型、邏輯演繹模型、重要性思維模型。

最后還要確保分析框架的體系化，使結果具有說服力。體系化也就是邏輯化，簡單來說就是先分析什么，后分析什么，使得各個分析點之間具有邏輯聯系。

2.數據收集

數據收集是按照確定的數據分析框架，收集相關數據的過程，它為數據分析提供了素材和依據。這里所說的數據包括第一手數據與第二手數據，第一手數據主要指可直接獲取的數據，第二手數據主要指經過加工整理后得到的數據。

3.數據處理

數據處理是指對收集到的數據進行加工整理，形成適合數據分析的樣式，它是數據分析前必不可少的階段。數據處理的基本目的是從大量的、雜亂無章、難以理解的數據中，抽取并推導出對解決問題與價值、有意義的數據。

數據處理主要包括數據清洗、數據轉化、數據提取、數據計算等處理方法。一般拿到手的數據都需要進行一定的處理才能用于后續的數據分析工作，即使再“干凈”的原始數據也需要先進行一定的處理才能使用。

4.數據分析

數據分析是指用適當的分析方法及工具，對處理過的數據進行分析，提取有價值信息，形成有效結論的過程。即我們需要通過特定手段、多種方法和行業技巧對數據進行探索，從中發現因果關系、內容聯系和業務規律等，為商業目的提供參考。

在確定數據分析思路的階段，數據分析師應當為需要分析的內容確定適合的數據分析方法，等到真正進入進行數據分析階段時，就能夠駕馭數據，從容地進行分析和研究。

同時由于數據分析多是通過軟件來完成。這就要求數據分析師不僅要掌握各種數據分析方法，還要熟悉主流數據分析軟件的操作。一般的數據分析我們可以通過Excel完成，而高級的數據分析就要采用專業的分析軟件進行了，如數據分析工具SPSS Statistics、億信ABI等。

△圖表使用億信ABI制作

5.數據展現

一般情況下，數據是通過表格和圖形的方式來呈現的，我們常說用圖表說話就是這個意思。常用的數據圖表包括餅圖、柱形圖、條形圖、折線圖、散點圖、雷達圖等，當然可以對這些圖表進一步整理加工，使之變為我們所需要的圖形，例如金字塔圖、矩陣圖、漏斗圖、帕累托圖等。

△圖表使用億信ABI制作

大多數情況下，人們更愿意接受圖形這種數據展現方式，因為它能更加有效、直觀地傳遞出分析師所要表達的觀點。記住，在一般情況下，能用圖說明問題的就不用表格，能用表格說明問題就不用文字。

6.撰寫報告

最后階段，就是撰寫數據分析報告，這是對整個數據分析成果的呈現。通過分析報告，把數據分析的目的、過程、結果及方案完整呈現出來，以供商業目的提供參考。

△圖表使用億信ABI制作

Tips: 一份好的數據分析報告，首先需要有一個好的分析框架，并且圖文并茂，層次明晰，能夠讓閱讀者一目了然。結構清晰、主次分明可以讓閱讀者正確理解報告內容；圖文并茂，可以令數據更加生動活潑，提高視覺沖擊力，有助于閱讀者更形象、直觀地看清楚問題和結論，從而產生思考。

另外，數據分析報告需要有明確的結論、建議和解決方案，不僅僅是找出問題，后者是更重要的，否則稱不上好的分析，同時也失去了報告的意義，數據的初衷就是為解決一個商業目的才進行的分析，不能舍本求末。

四、常見的數據分析方法

1.基礎分析方法

（1）指標分析法

在實際工作中，當拿到一些可視化數據圖表或者是Excel表格時，我們可以直接運用統計學中的一些基礎指標來做數據分析，比如平均數、眾數、中位數、最大值、最小值等，它們各自代表著數據的某些含義，比如最大銷量，平均閱讀量等都可以輔助我們進行數據分析。

（2）對比分析法

對比分析法是指將兩個或兩個以上的數據進行比較，分析它們的差異，從而揭示這些數據所代表的事物發展變化情況和規律性。它可以非常直觀地看出事物某方面的變化或差距，并且可以準確、量化地表示出這種變化或差距是多少？對比分析法可分為靜態比較和動態比較兩類。

①靜態比較：在同一時間條件下對不同總體指標的比較，如不同部門、不同地區、不同國家的比較、也叫橫向比較，簡稱橫比；

②動態比較：在同一總體條件下對不同時期指標數值的比較，也叫縱向比較，簡稱縱比。

這兩種方法既可單獨使用，也可結合使用。進行對比分析時，可以單獨使用總量指標、相對指標或平均指標，也可將它們結合起來進行對比。比較的結果可用相對數表示，如百分數、倍數等指標。

在使用對比分析法時，需要先注意以下幾個方面：①指標的口徑范圍、計算方法、計量單位必須一致，即要用同一種單位或標準去衡量；②對比的對象要有可比性；③對比的指標類型必須一致。無論絕對數指標、相對數指標、平均數指標，還是其他不同類型的指標，在進行對比時，雙方必須統一。

（3）結構分析法

結構分析法是指被分析總體內的各部分與總體之間進行對比的分析方法，即總體內各部分占總體的比例，屬于相對指標。一般某部分的比例越大，說明其重要程度越高，對總體影響越大。

結構相對指標（比例）=（總體某部分的數值/總體總量）*100%

市場占有率=（某種商品銷售量/該種商品銷售總量）*100%

市場占有率是分析企業在行業中競爭狀況的重要指標，也是衡量企業運營狀況的綜合經濟指標。市場占有率高，表明企業運營狀況好，競爭能力強，在市場上占據有利地位；反之，則表明企業運營狀態差，競爭能力弱，在市場上處于不利地位。

2.流程分析法

（1）漏斗分析法

漏斗分析法能夠科學反映用戶行為狀態，以及從起點到終點各階段用戶轉化率情況，是一種重要的分析模型。漏斗分析模型已經廣泛應用于網站和APP的用戶行為分析中，例如流量監控、CRM系統、SEO優化、產品營銷和銷售等日常數據運營與數據分析工作中。

比如，對一些電商產品來說，最終目的是讓用戶下單并支付，但轉化率取決于整個流程。這時，我們就可以通過漏斗模型一步一步地進行監測。如下圖所示，我們可以監控用戶在流程中各個層級上的行為路徑，尋找每個層級的可優化點。對沒有按照流程操作的用戶繪制他們的轉化路徑，找到可提升用戶體驗，縮短路徑的空間，最終提升整體轉化率。

漏斗模型除了在電商中應用的比較多以外，在落地頁、H5等也應用的比較多。我們可以反復優化落地頁當中的圖片、文案、布局，進一步的提高整體轉化率。

（2）留存分析法

留存分析法是一種用來分析用戶參與情況和活躍程度的分析模型，考察進行初始行為的用戶中，有多少人會進行后續行為。從用戶的角度來說，留存率越高就說明這個產品對用戶的核心需求也把握的越好，轉化成產品的活躍用戶也會更多，最終能幫助公司更好的盈利。

比如，我們可以通過觀察不同時間段用戶留存的情況，通過對比各個渠道、活動、關鍵行為的用戶后續留存變化，發現提升用戶留存率的影響因素，例如觀察領取過優惠券的用戶留存率是否比沒有領取優惠券的用戶留存率更高。

除此以外，還可以針對流失高/留存高的用戶群組進行一對一的用戶行為分析，統計留存/流失用戶的行為特征，特別是針對流失用戶，通過流失用戶的行為分析總結流失原因，從而提升留存率。

3.分組分析法

分組分析法是根據數據分析對象的特征，按照一定的標志（指標），把數據分析對象劃分為不同的部分和類型來進行研究，以揭示其內在的聯系和規律性。

分組的目的就是為了便于對比，把總體中具有不同性質的對象區分開，把性質相同的對象合并在一起，保持各組內對象屬性的一致性、組與組之間屬性的差異性，以便進一步運用各種數據分析方法來揭示內在的數量關系，因此分組法必須與對比法結合運用。

分組分析在日常工作中應用的比較多的是用戶分層與分群，比如在發優惠券的時候，可以通過紅包，滿減，限時券還有積分券等方式。我們可以針對不同的用戶發送不同的優惠券以達到精細化運營的效果。那么當我們在做數據分析時，也可以從結果將用戶進行分層來進行判斷，這時同樣也可以得到優化和改進業務的建議。

4.矩陣關聯分析法

（1）矩陣分析法

矩陣分析法是指根據事物（如產品、服務等）的兩個重要屬性（指標）作為分析的依據，進行分類關聯分析，找出解決問題的一種分析方法，也稱為矩陣關聯分析法，簡稱矩陣分析法。

矩陣關聯分析法在解決問題和資源分配時，可以為決策者提供重要參考依據——先解決主要矛盾，再解決次要矛盾，這樣有利于提高工作效率，并將資源分配到最能產生績效的部門、工作中，最終有利于決策者進行資源優化配置。

比如在電商行業，我們可以使用瀏覽量和加購數這兩個維度來進行矩陣分析，例如，左上角的是瀏覽量低的，然后加購次數多的，這說明產品其實是有很大潛力的，這時需要將這部分產品放在更好的位置讓給用戶進行瀏覽；右下角的瀏覽量高，但加購數低的，說明這個時候他的資源位置是好的，但是用戶對這部分的產品并不感興趣的，我們就需要對其進行相應的位置調整。

（2）關聯分析法

關聯分析法是一種簡單、實用的分析技術，是指從大量數據集中發現項集之間的關聯性或相關性。若兩個或多個變量的取值之間存在某種規律性，就稱為關聯。關聯可分為簡單關聯、時序關聯、因果關聯等。

關聯分析的一個典型例子是購物籃分析。該過程通過發現顧客放入其購物籃中的不同商品之間的聯系，分析顧客的購買習慣。通過了解哪些商品頻繁地被顧客同時購買，幫助零售商制定營銷策略。其他的應用還包括價目表設計、商品促銷、商品的排放和基于購買模式的顧客劃分。

可從數據庫中關聯分析出形如"由于某些事件的發生而引起另外一些事件的發生"之類的規則。如“67%的顧客在購買啤酒的同時也會購買尿布”，因此通過合理的“啤酒和尿布”的貨架擺放或捆綁銷售可提高超市的服務質量和效益。

5.綜合評價分析法

綜合評價分析法是將多個指標轉化為一個能夠反映綜合情況的指標來進行分析評價。主要有5個步驟：

（1）確定綜合評價指標體系，即包含哪些指標，是綜合評價的基礎和依據

（2）收集數據，并對不同計量單位的指標數據進行標準化處理

（3）確定指標體系中各指標的權重，以保證評價的科學性

（4）對經處理后的指標再進行匯總計算出綜合評價指數或綜合評價分值

（5）根據評價指標或分值對參評單位進行排序，并由此得出結論

五、小結與建議

現代管理學之父彼得·德魯克說過：“如果你不能衡量它，那么你就不能有效增長它。”

對企業來說，數據分析是當前管理過程中不容忽視的重要支撐點，企業需要有完整、真實、有效的數據進行支撐，才能夠對未來行業的發展趨勢進行有效的預測，從而采取積極的應對措施，制定良好的戰略。對個人來說，數據分析并不是一個結果，只是一個過程。

我們做數據分析是為了能以量化的方式來分析業務問題，并得出結論。其中有兩個重點詞語：量化和業務。

量化是為了統一認知，并且確保路徑可回溯、可復制。 統一認知后，才能保證不同層級、不同部門的人在平等話語權和同一個方向上進行討論和協作，才能避免公司內的人以“我感覺”、“我猜測”來判斷當前業務的情況。而最終只有解決業務問題分析才能真正創造價值。

更多精彩內容歡迎關注微信公眾號：億信華辰Pro

關于億信華辰

億信華辰是中國專業的智能數據產品與服務提供商，一直致力于為政企用戶提供從數據采集、存儲、治理、分析到智能應用的智能數據全生命周期管理方案，幫助企業實現數據驅動、數據智能，已積累了8000多家用戶的服務和客戶成功經驗，為客戶提供數據分析平臺、數據治理系統搭建等專業的產品咨詢、實施和技術支持服務。