文：戲說貓狗（趙偉森）
源：樹蔭下的貓貓狗狗
全文共2331字，閱讀需要6分鐘
數據驅動產品一定少不了數據分析這個話題，因此本文將淺談一下數據分析的思維和現狀，儘量以最簡單通俗的語言來聊一聊。
數據分析是個什麼東西？我們把這個名詞分解來看：數據和分析。這裡面最主要的不是數據處理技術和分析的方法論，而是思維和角度。方法論是千篇一律的，思維卻是獨特的，這才是最重要的。
一、思維
數據分析技能大同小異，而思維決定高度。因為技能是可以複製的，是輔助思維實現的。我認為數據分析包括數據運營為了推動業務增長或其他分析目的需要的可能是去發現挖掘更多與結果相關的新維度，而不止是利用已有固化的數據集或維度去分析。
這個新維度的發現和傳統意義上的數據挖掘並不盡相同，傳統數據挖掘一般指的是挖掘信息之間的聯繫，也就是說有了既定的維度，去挖掘各個維度之間的聯繫。而我們的挖掘是為了發現可以促進或達成分析目標的拓展維度即新方向。
可能上面說的比較抽象，有人問了：“數據分析的過程會先根據分析目標來確定數據維度，這不就是發掘維度的過程嗎？”。大多數據分析前的數據需求都有些侷限，侷限在數據倉庫，侷限在公司數據的豐富度，侷限在自己的溫床。很多人覺得站在項目或公司的角度分析只需要獲取涉及到的範圍內已有數據就可以了（個人侷限或公司侷限），數據分析只是去對已有數據的加工處理到產出結果，成為了一個數據後加工過程。舉個簡單的栗子，如果分析一個人的信用情況，可能優先考慮他還款能力涉及到的相關數據（如：資產情況、還款記錄等，像央行的徵信報告會涉及一百多個維度），那是不是他騎共享單車的某些行為也可以作為信用的依據呢？那麼騎共享單車的多種行為就是我們發現的新維度，表面看似沒有關聯，但卻是存在內在聯繫。那麼又引出來一個問題，新維度是有了，由於公司數據豐富度的侷限性並沒有相關數據，那數據哪裡來？這個等到下面再說。
我想說明的是，很多人挖空心思分析已有固化的死數據，就像財報分析或經濟數據分析報告一樣，對死數據全方位多角度的分析。為何不把死數據變活？死數據只能分析出問題原因，而活數據才能更好地分析業務增長。
大數據分析可以簡單的概括為兩個層面：①豐富的數據集使分析的道路走得通；②大量的數據讓結果更精準。從這個角度來說，挖掘新維度是在擴充數據的豐富度。再回到上面那個遺留的問題，當數據的豐富度擴充後，即新的維度增加，就需要去填充數據。而數據填充就需要藉助到數據產品經理構建的數據採集產品了，把你的需求扔給他，蹂躪他~
所以數據分析不只是數據的後處理過程，還有前面未知的探索。
二、現狀
馬雲說過未來數據分析師一定會下崗，我是認同的；可笑的是馬雲一邊說，阿里一邊大量的招數據分析師。當然未來還早，數據分析師遲早是要轉型的，比如人工智能訓練師。這也是我最近恰巧接觸到的，國內阿里是首先創造此崗位的，杭州新政人工智能訓練師可直接落戶。
目前大多數的數據分析工作我高度概括為兩部分：預測和發現並解決問題。預測的含義除了狹義上對數值走勢的預測，也包含確定產品方向，功能交互體驗和風控等；而發現並解決問題也涵蓋了促進業務增長等。並且這之中工作量最大的還是發現問題，分析問題並解決問題。當然還有少部分披著數據分析師衣服的數據科學家做著非常人可以理解的研究，這種不能相提並論。
我覺得數據分析師是一箇中間的過渡產物，是在數據產品還處於初步發展階段的一個替代品，當強有力的數據產品廣泛應用時，中間過渡產物就會消失。我在上一篇文章《數據產品深思，社會發展的先知》中提到各業務線對數據的認知較低，獲取數據和分析數據的成本較高，但發展的需要又不得不去做，因此需要專人去做分析。當數據產品成熟並滲透到各個業務線後，隨著大家對數據認知的提升，人人都可以簡單方便的分析，甚至設計的產品系統就會自動進行分析產出結果。不要低估數據產品，你要知道谷歌的阿爾法狗（AlphaGo）連圍棋的策略都可以作出判斷，更何況基礎的數據分析及運營工作？這時候數據產品替代的就是數據分析師和基礎運營的工作。不要以為離我們很遠，這是許多數據產品正在實現的工作，提高效率降低成本。
金融業幾百年的發展至今對數據的運用就是個很好的說明，現在量化基金公司數量增速加快及量化交易應用範圍的擴大標誌著金融業即將進入人工智能的機器決策時代。可能有些人對金融不是很瞭解的不知道什麼是量化交易，我貼一段百科：“量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種“大概率”事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策”。從歷史的收益來看，往年採取量化交易的基金公司年化收益率均處在中上水平且相對穩定，因此對大規模資產配置是很有利的。當時15年有想留美讀金融的時候發現，全美排名前六十的商科院校最熱的不是MF（金融碩士），而是MQF（計量金融碩士）。也就是說整個美國金融未來的方向就是量化交易，而美國又是世界的金融中心，因此數據的智能應用是金融的未來，近一年來量化交易的概念在國內也火了起來。
金融業如此，其他行業亦是如此，因為人工轉智能是社會發展的必然趨勢，這也說明了為什麼未來數據分析師下崗是必然的。在社會發展中很多中間的過渡產物都消失殆盡，當然也會進化衍生出其他產物。
當想要以數據驅動產品時，先要分析出驅動的方向和方法，驗證可行後再把規則和邏輯落地成數據產品，這是一個循環的過程。當產品化程度很高時，數據分析師或許會消失，但數據分析永遠不會消失，並且會普及每個人成為必備的技能。這是人類進步的一個標誌。
閱讀更多 數據分析不是個事兒 的文章
