如何快速提升数据分析能力
数据分析是现代企业运营中不可或缺的一部分，但如何快速提升数据分析能力，尤其是结合公司业务实现快速见效，是许多数据团队面临的挑战。本文将系统介绍数据分析能力的三个层次，并提供实用的方法和工具，供大家参考。 有同学问：“目前数据团队的分析能力偏弱，想提升分析能力，能结合公司业务，快速见效那种”…… 今天系统介绍一下，数据分析能力分三层，要一层层提升。 一、三个层次的能力要求 初级能力：使用SQL，Python等工具，按要求提取数据，满足看数需求 中级能力：基于业务流程，主动梳理指标体系，开发数据看板，用固定的数据监控取代零散的、临时的取数需求 高级能力：基于数据监控，主动发现业务问题，提供可落地建议，设计实验检验业务方案。做到这一步，才真正让数据“见效”。 目前网上对于初级能力的介绍非常多，包括： 大量刷题，提高取数熟练度 招聘时，将工作中复杂查询作为考试题目，筛选能做对的 提供样表+查询逻辑，利用AI工具，辅助SQL编写 建立“取数错题本”，对于统计出过错的指标反复练习 总之，熟能生巧，练多了就能打造一个合格取数工具 但是从中级能力开始，就要求数据结合业务，并且有自己的洞察。这一块网上分享很少，大多是介绍AARRR之类的通俗做法。今天就深入跟大家介绍一下 二、要点1：用标准模版取代零散提数 常见的数据分析需求有四类： 1、监控业务情况 2、分析问题原因 3、预测业务走势 4、测试业务想法 其中监控类需求最大，耗时最多。想提升分析能力，应分业务线（比如：销售、运营、产品、市场、物流……）梳理指标体系，并生成固定监控模版（如下图所示），这样能加深新手同学对业务理解，并且极大压缩临时取数工作量，把人力释放出来，才能钻研更高级的事情 三、要点2：总结业务常规走势 “做数据的，看不懂数据”是很多基础同学痛点。在建立监控指标以后，应首先了解业务考核的关键指标（比如销售收入、利润、新用户数、活跃用户数等）的常规走势 这里有三类规律要特别关注（如下图）： 自然周期：指标是否和季节变化、节假日有关 生命周期：业务从上线到下线的主要指标走势 同期群变化：用户注册之后N个时间周期走势 了解常规走势以后，才能让新人理解“正常走势”是什么意思，进而发现真正的指标异常（而不是有个1%的波动就胡乱拆解半天）。这是深入分析的起点。 四、要点3：深入业务过程 相基于数据做出洞察，首先得深入业务 比如销售，可以了解： 销售过程有几步，有哪些数记录 销售渠道有几类，每类表现如何 销售产品有几种，每种占比多少 比如供应，可以了解 从原料到出品过程有几步 每一步消耗哪些资源 每一步产出什么结果 在了解业务的过程中，注意： 每个环节有多少数据采集 业务自身最关注哪些环节 业务常见的做法是什么 了解完成后，可以按照业务流程+常见做法，建立指标体系（如下图）这样才能实现数据无死角监控+从业务视角思考问题（而不是“数据库里有啥指标，我一股脑都倒出来”） 五、要点4：量化业务动作效果 对于业务常做的关键动作，一定要建立量化监控机制。 比如业务想提升销售业绩 1、如果是市场部做个促销活动，则可以用数据记录，哪些订单是促销订单，看促销订单的增长情况，计算活动收益。 2、如果是销售部开个销售能力培训会，很可能没有数据记录每个人提升多少。此时只能退而求其次，记录哪些人参与培训/哪些公司参与培训，然后看指标是否有变化。 这样做，一方面，能加深新人对业务的理解，另一方面，能先从结果上了解业务各种动作的效果。后续做深入分析才有素材。有些公司，业务做了啥事，数据都不知道，还要事后去问……这是谈不上“深入分析”的 六、要点5：拆分业务问题，形成分析假设 学会先提假设，再找证据，是从中级到高级的关键一步（如下图） 分析假设有三个来源 根据过往规律、经验、走势提假设 根据业务方关心的问题提假设 根据结构/分层分析中，发现的问题大的点提假设 这三种方法都需要之前几步的积累。当有可能假设有很多种，比如一个简单的“下雨对业绩影响”，高级的分析师能拆分出若干种情况（如下图）。这种从粗到细的思维，需要长期训练。突破了这一步，才能使自己晋级高手行列。 综上可见，分析能力的提升，需要 1）深入业务流程，了解业务细节 2）把握业务规律，衡量业务做法 3）合理提出假设，找到关键要素 并且，大量的训练是必不可少的。 本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。
数据分析是现代企业运营中不可或缺的一部分，但如何快速提升数据分析能力，尤其是结合公司业务实现快速见效，是许多数据团队面临的挑战。本文将系统介绍数据分析能力的三个层次，并提供实用的方法和工具，供大家参考。
有同学问：“目前数据团队的分析能力偏弱，想提升分析能力，能结合公司业务，快速见效那种”…… 今天系统介绍一下，数据分析能力分三层，要一层层提升。
一、三个层次的能力要求
- 初级能力：使用SQL，Python等工具，按要求提取数据，满足看数需求
- 中级能力：基于业务流程，主动梳理指标体系，开发数据看板，用固定的数据监控取代零散的、临时的取数需求
- 高级能力：基于数据监控，主动发现业务问题，提供可落地建议，设计实验检验业务方案。做到这一步，才真正让数据“见效”。
目前网上对于初级能力的介绍非常多，包括：
- 大量刷题，提高取数熟练度
- 招聘时，将工作中复杂查询作为考试题目，筛选能做对的
- 提供样表+查询逻辑，利用AI工具，辅助SQL编写
- 建立“取数错题本”，对于统计出过错的指标反复练习
总之，熟能生巧，练多了就能打造一个合格取数工具
但是从中级能力开始，就要求数据结合业务，并且有自己的洞察。这一块网上分享很少，大多是介绍AARRR之类的通俗做法。今天就深入跟大家介绍一下
二、要点1：用标准模版取代零散提数
常见的数据分析需求有四类：
1、监控业务情况
2、分析问题原因
3、预测业务走势
4、测试业务想法
其中监控类需求最大，耗时最多。想提升分析能力，应分业务线（比如：销售、运营、产品、市场、物流……）梳理指标体系，并生成固定监控模版（如下图所示），这样能加深新手同学对业务理解，并且极大压缩临时取数工作量，把人力释放出来，才能钻研更高级的事情
三、要点2：总结业务常规走势
“做数据的，看不懂数据”是很多基础同学痛点。在建立监控指标以后，应首先了解业务考核的关键指标（比如销售收入、利润、新用户数、活跃用户数等）的常规走势
这里有三类规律要特别关注（如下图）：
- 自然周期：指标是否和季节变化、节假日有关
- 生命周期：业务从上线到下线的主要指标走势
- 同期群变化：用户注册之后N个时间周期走势
了解常规走势以后，才能让新人理解“正常走势”是什么意思，进而发现真正的指标异常（而不是有个1%的波动就胡乱拆解半天）。这是深入分析的起点。
四、要点3：深入业务过程
相基于数据做出洞察，首先得深入业务
比如销售，可以了解：
- 销售过程有几步，有哪些数记录
- 销售渠道有几类，每类表现如何
- 销售产品有几种，每种占比多少
比如供应，可以了解
- 从原料到出品过程有几步
- 每一步消耗哪些资源
- 每一步产出什么结果
在了解业务的过程中，注意：
- 每个环节有多少数据采集
- 业务自身最关注哪些环节
- 业务常见的做法是什么
了解完成后，可以按照业务流程+常见做法，建立指标体系（如下图）这样才能实现数据无死角监控+从业务视角思考问题（而不是“数据库里有啥指标，我一股脑都倒出来”）
五、要点4：量化业务动作效果
对于业务常做的关键动作，一定要建立量化监控机制。
比如业务想提升销售业绩
1、如果是市场部做个促销活动，则可以用数据记录，哪些订单是促销订单，看促销订单的增长情况，计算活动收益。
2、如果是销售部开个销售能力培训会，很可能没有数据记录每个人提升多少。此时只能退而求其次，记录哪些人参与培训/哪些公司参与培训，然后看指标是否有变化。
这样做，一方面，能加深新人对业务的理解，另一方面，能先从结果上了解业务各种动作的效果。后续做深入分析才有素材。有些公司，业务做了啥事，数据都不知道，还要事后去问……这是谈不上“深入分析”的
六、要点5：拆分业务问题，形成分析假设
学会先提假设，再找证据，是从中级到高级的关键一步（如下图）
分析假设有三个来源
- 根据过往规律、经验、走势提假设
- 根据业务方关心的问题提假设
- 根据结构/分层分析中，发现的问题大的点提假设
这三种方法都需要之前几步的积累。当有可能假设有很多种，比如一个简单的“下雨对业绩影响”，高级的分析师能拆分出若干种情况（如下图）。这种从粗到细的思维，需要长期训练。突破了这一步，才能使自己晋级高手行列。
综上可见，分析能力的提升，需要
1）深入业务流程，了解业务细节
2）把握业务规律，衡量业务做法
3）合理提出假设，找到关键要素
并且，大量的训练是必不可少的。
本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
你的反应是什么？
