「數據分析」可謂是當紅“炸子雞”，一是因為現在每類工作都離不開數據，二是因為專職數據崗的薪資待遇十分不錯。
而在剛接觸分析數據時，你是否也有疑惑？
數據分析到底該怎麼做？
為什麼需求溝通的不清晰？
為什麼分析沒有思路？
如何讓分析思路更清晰？
…………
對於上疑惑，我們看一看在數據分析操作中如何解答？
數據分析是對收集來的大量數據使用適當的分析方法進行分析，運用高效的分析工具將它們加以分類和彙總；
並提取其中最有價值的信息，概括總結形成有效結論，挖掘數據最大價值的過程。
那數據分析該怎麼做呢？
這裡將數據分析分成 7 個閉環步驟，與你一起進行交流：
① 明確需求 → ② 確定思路 → ③ 處理數據 → ④ 分析數據 → ⑤ 展示數據→ ⑥ 撰寫報告 → ⑦ 效果反饋。
一、明確要求
明確需求是數據分析的第一個步驟，主要是與他人溝通交流與需求相關的一切內容，並將相關內容清晰及準確的理解、表達。
一般剛入門的分析是以被動分析為主，也就是他人發現問題，你來進行數據分析，所以要清晰的勾繪需求內容，讓輸出結果與需求的契合度更高。
需求內容
在溝通需求內容時，會存在反覆溝通的情況，主要是因為還沒有進行數據分析，問題考慮不周全；還有就是遇見 XX 人。
而在溝通中，可通過抓住需求的核心內容，減少反覆溝通，需求的核心內容可從5個方面確定：分析目的、分析主體、分析口徑、分析思路、完成時間。
在溝通需求的時候，要適當提出自己的想法，讓需求更清晰立體。需求內容確定後，儘量以文檔的形式記錄下來，並郵件發給參與分析的全部人，便於各方參考需求內容開展工作。
注意事項
為提高需求的確認效率，要在溝通中注意9個字--“聽得懂，問得準，記得牢”。
也就是聽懂需求方說的，遇見不懂名詞，一定要補課弄懂；並且對於有疑問的地方及時提出；最後記錄清楚溝通內容的重點。
二、確定思路
分析思路可謂是分析的“靈魂”所在，它是將分析工作進行細化，分析思路清晰、有邏輯，可避免一個問題反覆分析的情況。
確定思路需要從分析目的出發全面、深入拆解分析維度，確定分析方法，最終形成完整的分析框架。
思路來源
你是否也曾困惑過，為什麼分析問題沒有思路？
細思考量有2點原因，一是對分析業務不熟悉，二是對分析“套路”不熟悉。所以針對上述原因，我們從下面3個方面拓展分析思路：
① 套用經典：前人經過歲月的沉澱，已總結出成熟的分析“套路”， 套用經典分析思路，站在前人的肩膀上進行分析，常用 “套路”如：AARRR分析、RFM分析、5W2H分析等。
② 指標體系：利用公司內部已形成的指標體系，通過指標、維度找到分析適當的切入角度，如下面是某互聯網公司的指標體系表：
③ 總結提煉：通過學習公司歷史分析報告，請教同事，不斷運用總結，提煉出自己的分析框架。
梳理工具
當頭腦中已有分析思路，是否有工具讓分析思路清晰表達出來呢？
這時就可以使用【思維導圖】一邊表達一邊梳理，常用的思維導圖軟件有Xmind、Mindmaster，網頁的話可用使用百度腦圖。
三、處理數據
當拿到數據時，數據不能滿足直接用來分析，所以需要將收集到的雜亂無章的數據，快速、準確加工成適合數據分析的樣式，常用的樣式是一維表，也就是每個數據只有一個對應數值，每一列都是獨立參數。
數據來源
處理數據，一定需要有數據才能分析，那數據來自哪裡呢？
來源可以分為內部及外部，內部來源主要是現有的報表，數據庫，而外部的主要可以通過網頁爬蟲、調查問卷、國家統計局等來獲得，無論從哪裡獲得要保證數據的統一、有效。
處理操作
數據傳輸過來，就可以對數據進行加工處理，數據加工主要是 4 種操作：
① 數據收集：也就是從數據來源中收集、提取出分析的相關數據；
② 數據清洗：觀察數據是否存在異常值、空值等，若存在，可剔除或用合理值代替，常用的代替值是平均值、中位數、眾數；
③ 數據計算：通過數學公式等用已有數據計算出自己需要的其他數值，如：日均值、總銷售額；
④ 數據轉化：將數據轉化成分類數據也就是離散型數據，俗稱“標籤化”。
四、分析數據
分析數據是分析流程重中之重的工作，可謂是“抽絲剝繭”，它是從分析目的出發，按照分析思路，運用適當的分析方法或分析模型，使用分析工具，對處理過的數據進行分析，提取出有價值的信息。
方法模型
如何開展具體的分析呢？
可以將現有的分析方法、分析模型進行結合，去對數據進行整合分析。
像基礎的分析方法對比分析，結構分析、分類分析等，高級分析方法聚類分析、迴歸分析、決策樹分析等，分析模型AARRR分析，RFM分析，A/B測試等。
分析工具
當然，分析也少不了工具的輔助。在分析中常用的工具，入門的話就是 Excel、SQL，進階的話是 Python、R，當然數據處理的時候也可以使用這些工具，只是想達成的目的不一樣，數據處理側重於清洗、轉化，數據分析側重於彙總、分類。
五、展示數據
展示數據也稱為“數據可視化”是以簡單、直觀的方式傳達出數據包含的信息，增強數據的‘易讀性’，讓閱讀者輕而易舉的就看出數據表達的內容。
俗話說的好“文不如表，表不如圖”，所以展示數據一般用圖表進行展示，常用圖表有表格、柱狀圖、折線圖、條形圖、散點圖、餅圖。
這些圖表是不是很熟悉？在 Excel、PPT是不是製作過？Excel、PPT是最基礎、常用的圖表展示工具，當然，也有專業的展示工具Power BI、Tableau。
六、撰寫報告
撰寫報告是指以文檔形式輸出分析結果，其內容是通過數據全方位的科學分析來展現運營情況，能夠為決策者提供強有力的決策依據，從而降低運營風險，提高盈利。分析報告就是第1步~第5步工作的總結，以文檔的形式展現“推理”的過程，並說明最終的結論。
報告形式
目前常用的報告形式有，PPT、Word、Excel：
① PPT：製作耗時較長，但其美觀度強，大型彙報一般都是以PPT載體；
② Word：分析報告主要是用於文字較多、正式的郵件附件；
③ Excel：常用於內部的交流報告，製作時間較短。
注意事項
在撰寫報告的時候，為了讓報告易讀且有價值，也需要注意一些事情：
① 報告中註明分析目標、分析口徑、數據來源；這樣報告閱讀人能清晰的知道報告的背景情況，降低因此帶來的溝通成本；
② 報告圖文並茂、條理清晰、邏輯性強、單條推理；讓閱讀人能夠跟著你的一條分析思路走到分析結果；
③ 報告中需體現有價值的結論、建議；用“落地”的方案，體現分析的數據價值。
分析報告也是PPT的一種，所以也在“幹不過PPT”的系列中，幹不過的主要原因是分析報告是工作的精華濃縮，能夠更直接的向上級彙報。
一定要堅持寫下去，可能剛開始報告寫得毫無章法，但會越寫越清晰，報告功底與報告數量成正比。
七、效果反饋
分析報告中以數據為導向的建議已提出，但還不知道建議的效果。這就相當於玩抓娃娃機，幣已投入，但還不知是否已抓到娃娃。
“有輸入有輸出”才能知曉自己的操作問題點和閃光點，所以效果反饋是十分有必要的。
所謂效果反饋就是選擇恰當且代表性的指標，及時監控報告中提出的策略執行進度、執行效果。
反饋形式
進行效果反饋時，需要一定的載體來進行呈現，目前通用的2種反饋形式：
① 監控報表：是反饋時間間隔比較短、重複頻次高的反饋，比如日報、週報；
② 分析報告：是反饋時間將較長或一個執行週期情況，比如XX月分析報告、XX公司年總結報告。
注意事項
因為營銷動作的效果情況是引導下一步動作的主要參考依據，所以在進行效果反饋要注意 2 點：
① 指標恰當：指標需能直觀的進行反饋，能夠準確的看到營銷效果，如果出現問題，可以參考效果數據迅速進行營銷調整；
② 反饋及時：當指標能夠統計時迅速進行操作，如果統計不及時，而且營銷動作出現失誤，越晚發現損失就會越大。
八、總結
一般第 7 步效果反饋後還會回到第 1 步需求溝通，與他人溝通反饋效果情況，比如是否有異常、異常原因、下一步動作等，這就形成了閉環分析。
通過如此反覆的迭代優化，提高模型精準度，提高營銷與用戶的契合度，提高投資回報率等……
閉環分析中“閉環”在做的事情其實就是“揚長避短”，讓數據引導動作到更有價值的地方，實現資源配置最大化，也就是用最小的力氣撬動最大的利益槓桿。
閉環分析流程每步重點為：
① 明確需求，最重要的是準確；
② 確定思路，最重要的是全面、深入；
③ 處理數據，最重要的是高效；
④ 分析數據，最重要的是合適；
⑤ 展示數據，最重要的是直觀；
⑥ 撰寫報告，最中的是建議落地且邏輯清晰；
⑦ 效果反饋，最重要的是迅速。
關於 DataHunter
DataHunter 是一家專業的數據分析和商業智能服務提供商，註冊於2014年。團隊核心成員來自 IBM、Oracle、SAP 等知名公司，深耕大數據分析領域，具有十餘年豐富的企業服務經驗。
DataHunter 旗下核心產品智能數據分析平臺 Data Analytics、數據大屏設計配置工具 Data MAX 已在業內形成自己的獨特優勢，並在各行業積累了眾多標杆客戶和成功案例。
成立以來，DataHunter就致力於為客戶提供實時、高效、智能的數據分析展示解決方案，幫助企業查看分析數據並改進業務，成為最值得信賴的數據業務公司。
閱讀更多 DataHunter 的文章
