互联网时代，大家都在说数据分析，那我们说的数据分析究竟是什么呢？

谷歌开始靠数据分析可以预测一个地区即将爆发的流感，从而进行针对性的预防；

淘宝早就根据你浏览和消费的数据进行分析，为你精准推荐商品；

网易云音乐，通过其相似性数据分析算法，为不同的人量身定制每日歌；

数据分析似乎在互联网时代无处不在，无时不用，也像题主提出的问题一样，难道数据分析就在互联网行业的鄙视链最下端吗？

其实并不是如此，数据分析在互联网行业算是一项生存技能，毕竟万物皆可“数据分析”，但是像BAT这类公司或者其它公司又有专门的数据分析师岗位，尤其是将数据分析业务细化之后，数据分析在互联网行业还是大有可为的。数据分析现在已经无时无刻不被利用起来，小到我们每个人的社交网络、消费信息、运动轨迹……大到企业的销售、运营方案、活动策划，整体发展等离不开数据和数据分析。

小亿今天就和大家聊聊数据分析在互联网行业中处于什么地位。

一、什么是数据分析

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。是有组织有目的地收集数据、分析数据，使之成为信息的过程。

数据分析是从数据中提取信息的过程，其在各个领域发挥着非常重要的作用。数据分析是检查、清理、转换和建模数据的过程，它有助于从数据中发现规律并制定更加科学的决策，已被广泛应用于自然科学、社会科学和管理科学的各个领域。

数据分析划分为描述性统计分析、探索性数据分析以及验证性数据分析；其中，探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧重于已有假设的证实或证伪。不同的分析方式也会带来不同的分析结果，可以根据自己的需求选择合适的数据分析方式。

二、数据分析究竟分析什么？

大数据时代人人都在谈数据分析，那么互联网行业数据分析究竟分析什么呢？其实，所有的数据分析，都是围绕三个问题展开的：监控现状，发现问题；分析原因，评估效果；预测走势，测试方案。但在不同的场景，数据分析解决的问题都不一样，一般来说有。

1、产品分析

在互联网公司，一般由产品经理提需求，开发负责实现。有了一个应用程序，就有了第一个可分析的东西：产品分析。产品分析，顾名思义就是分析互联网产品的，产品分析主要针对应用程序各功能模块的点击、使用、跳转情况进行分析，主要包括监控是否能正常使用；发现各功能模块的问题；提高核心功能转化效率。

2、推广分析

作为一个应用程序，光有功能是不够的，更重要的是让更多的人知道它的存在。这就需要做推广。推广会分很多渠道进行，比如抖音或者快手、微信朋友圈、应用商店等等。

以上所有推广渠道，都得花钱买广告。实际上，推广是一项非常烧钱的事，甚至是很多互联网公司最大的成本，因此必须进行分析确定成本再进行推广活动。推广分析主要解决推广效率问题，包括监控各个渠道推广投入产出比情况；分析各种广告素材、转化链接的质量；测试并寻找效率更高的推广方式。

3、用户分析

推广完毕后，会有用户进来使用，此时需要用户运营，来给用户派一些福利，激发用户兴趣。、用户分析有一套经典理论叫AARRR，关注用户新增、活跃、留存、转化、转介绍五个方面。包括：监控用户行为，比如AAARR的表现；洞察用户需求，推测用户喜好；分析用户群体存在的问题；测试并寻找有效激励用户的方案。

4、、活动分析

互联网应用经常搞一些大型活动，类似618，双11，双12一类，这一类大型活动通常投入巨大，因此会单独进行分析。活动都是高度目标导向的，比如为了拉升GMV，为了获取更多用户，为了提升用户活跃等等，因此做分析的时候，也是高度目标导向的。

5、内容分析

除了通过优惠，吸引用户购买以外，现在还很流行搞直播、种草文等方式，吸引用户购买。这些视频、图文统称内容，因此也有了内容分析，一般包括监控不同内容的用户点击、浏览、转发情况；分析热门/冷门内容原因；测试并寻找更好的内容制作方式。

6、商品分析

对于互联网电商行业来说，如果是自己经营的网上店铺，则需要进行商品管理，包括商品的进货、上架、下架、库存管理等工作。这些和传统的实体店分析是一样的，需要监控商品进销存数据；分析畅销/滞销原因；及时提醒补货/清货，避免积压/断货。

7、商户分析

如果是作为交易平台，自己不提供商品，而是吸引商家入驻，那就需要商户分析。商户分析和用户分析类似，只是分析对象换成了入驻商家。我们希望入驻的商家能在我们平台上多进行交易，多使用我们提供的付费功能。因此要分析监控商家入驻、活跃、流失、付费情况；发现商家入驻后使用问题；测试并寻找更好的激活商家的手段。

三、数据分析面临的挑战有什么？

数据分析行业之所以在互联网行业中处于一个非常尴尬的位置，就是因为其面临的一些挑战尚没有解决，也正是这些挑战的存在，使得数据分析行业的发展受到阻力，难以往更高层次发展。

1、数据存在问题

对于数据分析这一岗位来说，数据就是基础，没有好的全面的数据就难以完成有效的数据分析。但很多企业在数据转型的进程中对于数据治理、数据清洗、数据存储等前期工作并没有做好，导致了数据分析人员在数据分析的过程中难以全面、有效的分析，更不要说分析预测了，数据出现问题只能让数据分析人员从浅层对数据进行分析。

2、不能有效推动业务

数据分析不能有效地推动业务的原因多种多样，而且互相影响，一个典型的环路：

业务发展太快，招人赶不上进度；人手不够，数据分析师没法深入了解业务；因为不够了解业务，所以没法提出有效的问题，也不能很好的判断哪些需求是重要的；没有在解决正确的问题，导致数据分析产出不能影响业务；缺乏数据分析落地的实例，于是没有底气说需求；进而循环往复，难以实现真正的数据分析推动业务。

3、数据分析行业天花板较低

准确地说，数据分析行业的天花板不是低，而是在他人看来数据分析行业天花板较低。由于数据分析不是必需品，很多时候在不少公司又缺乏充足的落地的实例，于是行业整体看来，即不如技术类工种难度高、需求大，又不如产品类工种贴近业务，于于是在公司管理层或者互联网行业其他人看来，数据分析岗位的竞争力还是不足。

4、入门容易进阶难

数据分析这门技能，不只是数据分析师需要掌握的，别的职能也需要了解一些基本的，尤其在互联网行业。比如一些常用的基本分析框架，简单的拉个数、做个报表，读懂 A/B test，能做简单的决定等等。但是呢，数据分析这个行业，进阶非常难，因为实际操作中会遇到很多书本和学习之外的情况。

对于数据分析从业人员来说，没有经历过这些情况就想要把各个知识点串起来举一反三，还是很有难度的，所以数据分析的进阶仍然存在一些难度。

四、数据分析的前景？

首先确定一点，数据分析师是一个紧跟时代潮流发展的职业，一般来说不容易被淘汰。其次企业一旦发展到的一定规模，就急需数据分析师来分析社会群众的思想动态；捕捉国家相关行业政策的变动等。数据分析师在规模、资源、技术、资金等方面都具有较大的优势譬如互联网、金融、BAT等数据平台企业，以及其他数据驱动的非数据公司都会需要大量优秀的数据分析师或数据科学家，由此可见发展的平台是广阔。

一旦跨入数据分析这一行业，你会不由自主的学习，看着同行业的人都在进步，整个大环境是积极向上的。进入行业，一般有两大发展方向：其一是向专业型发展，你可以在在技术层面不断深化，求得算法、模型等方面能力的更加完善;其二是向“数据与方案”型发展，在拥有扎实的数据分析技术能力上，结合企业、市场需求，进行数据分析，给企业提供多种方案。

在互联网时代，各种企业都努力实现企业的互联网转型，例如数据分析在产品领域应用，主要是通过可量化数据指标来评估产品的改进方向是否成功；例如数据分析在运营领域的应用主要涉及到的数据分析，主要是预测和复盘。更好的优化运营策略，规划业务重心以及运营抓手。主要的数据分析方法有漏斗分析、趋势分析、对比分析、描述统计分析、归因分析、细分分析等。

总的来说，数据分析在各种领域的细分上仍然有其独特的前景和发展道路，并不能简单的说其处于互联网行业底端。

五、小结

总的来说，数据分析完全可以说当做一个技能，用它来服务自己的本职工作是非常有价值的，对数据敏感，能够通过数据分析来发现业务提升的机会，是很多企业对未来职场人的基本要求。当其他人还在用经验或者教条主义指导业务的时，你却能通过洞察数据，观察规律，进而做出可落地执行的业务决策，驱动业务线高效的增长，为企业降本增效，这也就是“数据分析”之所以成为企业“新动力”的根本原因。

但是是把数据分析当做一个技能去支撑行业发展业务岗位上，还是术业有专攻的去从事专业的数据分析相关岗位上，就需要我们必须结合自己的自身经验和认知情况和大环境以及所处公司等诸多因素来思考数据分析的前景和地位究竟如何。