这周来讲讲数据分析师，以及如何将数据分析这种能力赋能。

数据分析是做什么的？

这里引用一句比较官方的解释：“数据分析是在⽴⾜于业务的基础上，通过数据收集、清洗、处理、分析、建模、展示等⽅式，⽤于监控业务状态，分析⽅案效果，定位业务问题，最终实现优化业务，辅助决策制定的⾏为。”

我们再具体一点，讲几个实际的例子。

1、实时疫情数据情况展示

2、电商用户画像

以上两个方面是不同行业下数据分析的工作之一，需要将数据可视化报告（PPT、Excel和其他可视化形式）展示出来。但前期需要经历以下分析流程：

需求分析——数据收集——数据清洗——数据分析——数据建模——数据可视化

整个流程，大部分时间花在前三步，但最有价值的是在最后的可落地的方案。

3、数据异常排查。这算是占据了数据分析师大部分工作时间，需要对运营、业务数据进行异常排查。数据发生异常，有可能是正常的波动，也有可能是产品，用户和运营上发生了一些问题，这需要数据分析师去定位问题所在。这一个工作内容就需要对业务很熟悉，理解相关指标口径以及数据产出过程。

比如，在互联网企业数据分析师需要会对产品App的DAU进行分析，当遇见DAu在某一天发生了很大的波动，这时候就需要对波动的背后进行原因分析，找到问题，并及时解决。这个过程就需要和多个部分沟通，所以比较考验一个人的跨部门沟通能力。一般的解决思路如下：

后面再重点分析这类问题怎么分析。

4、专题分析。

专题分析报告有4种类型：

解释性分析：目的是要获取有关起因和结果之间联系的证据，解决市场分析时遇见的“为什么”的问题。如日常的指标波动原因分析，订单量下降，DAU下降，用户量下降等原因分析。描述性分析：目的是要描述事物总体的特征或功能，旨在说明研究对象“是什么”的问题。如分析过去一周、一个月或一年时间内用户描述分析。探索性分析：帮助研究者对问题更清晰准确。比如探索两个事物之间是否存在某种关联，产品是否需要增加某种功能。预测性分析：对未来一定时期的可能变化情况进行预测，根据过去和现在估计未来，根据已知预测未知，从而减少对未来事物的不确定性。如对下个月销量的预测，提前备货。

以上工作内容看起来好像挺有意思的，可以为公司业务发展提供这么多的指导性建议，想想都刺激。但现实目前大部分的数据分析师还停留在“表哥”，“表姐”的阶段，做表做到崩溃。几年下来Excel倒是玩得飞起，发现自己对业务的理解很难拔高，这一点我更是深有体会。

当然这与公司发展所处的阶段和行业有关系。这一点后面再慢慢展开讨论。接下来讲讲数据分析如何赋能给职场人，提升自己的多方面分析能力。

数据分析其实是一种思维与能力

这几年，企业越来越重视历史发展过程中产生的数据，并不断从中挖掘新的价值，需求新的增长点。比如最近，我发现招聘网站突然多了一个人力资源数据分析师这种招聘需求，主要是一些大型制造企业为降低人员离职率，提高人工效能，优化招聘流程，提高员工稳定性。

数据分析赋予了人力资源更多的价值，而不仅仅是招聘。

增长黑客，源于硅谷，这几年在国内兴起，这是一群以数据驱动营销、以市场指导产品，通过技术化手段贯彻增长目标的人。

所以说发现事情的本质，并学会理解它，运用它，那到哪里就不会失业。

在艾瑞咨询发布的2020年中国数据驱动型企业成长路径研究报告中，从2014年到目前，中国的数字经济规模正在逐步上升，越来越多的传统企业开始数据化转型，特别是在这次疫情当中，“线上”显得尤其重要。而企业在数据驱动转型的过程中需要更多的数据化人才去搭建数据平台与体系。

如果你在工作中会经常做一些数据分析，但又不知道怎么去思考这些问题，这就需要去学习一些数据分析方法与思维，这种思维和方法可以更好地教会我们如何去思考问题，解决问题。

下一节我来给大家分享一些经典的数据分析方法与思维。

欢迎关注我，定期为大家分享数据分析从零到入门所有内容。公众号：TechTalker。