如何快速提升數據分析能力
有同學問：“目前數據團隊的分析能力偏弱，想提升分析能力，能結合公司業務，快速見效那種”…… 今天系統介紹一下，數據分析能力分三層，要一層層提升
三個層次的能力要求
- 初級能力：使用SQL，Python等工具，按要求提取數據，滿足看數需求
- 中級能力：基于業務流程，主動梳理指標體系，開發數據看板，用固定的數據監控取代零散的、臨時的取數需求
- 高級能力：基于數據監控，主動發現業務問題，提供可落地建議，設計實驗檢驗業務方案。做到這一步，才真正讓數據“見效”
目前網上對于初級能力的介紹非常多，包括：
- 大量刷題，提高取數熟練度
- 招聘時，將工作中復雜查詢作為考試題目，篩選能做對的
- 提供樣表+查詢邏輯，利用AI工具，輔助SQL編寫
- 建立“取數錯題本”，對于統計出過錯的指標反復練習
總之，熟能生巧，練多了就能打造一個合格取數工具
但是從中級能力開始，就要求數據結合業務，并且有自己的洞察。這一塊網上分享很少，大多是介紹AARRR之類的通俗做法。今天就深入跟大家介紹一下
要點1：用標準模版取代零散提數
常見的數據分析需求有四類：
1、監控業務情況
2、分析問題原因
3、預測業務走勢
4、測試業務想法
其中監控類需求最大，耗時最多。想提升分析能力，應分業務線（比如：銷售、運營、產品、市場、物流……）梳理指標體系，并生成固定監控模版（如下圖所示），這樣能加深新手同學對業務理解，并且極大壓縮臨時取數工作量，把人力釋放出來，才能鉆研更高級的事情
圖片
要點2：總結業務常規走勢
“做數據的，看不懂數據”是很多基礎同學痛點。在建立監控指標以后，應首先了解業務考核的關鍵指標（比如銷售收入、利潤、新用戶數、活躍用戶數等）的常規走勢
這里有三類規律要特別關注（如下圖）：
1、自然周期：指標是否和季節變化、節假日有關
2、生命周期：業務從上線到下線的主要指標走勢
3、同期群變化：用戶注冊之后N個時間周期走勢
圖片
了解常規走勢以后，才能讓新人理解“正常走勢”是什么意思，進而發現真正的指標異常（而不是有個1%的波動就胡亂拆解半天）。這是深入分析的起點。
要點3：深入業務過程
相基于數據做出洞察，首先得深入業務
比如銷售，可以了解：
1、銷售過程有幾步，有哪些數記錄
2、銷售渠道有幾類，每類表現如何
3、銷售產品有幾種，每種占比多少
比如供應，可以了解
1、從原料到出品過程有幾步
2、每一步消耗哪些資源
3、每一步產出什么結果
在了解業務的過程中，注意：
1、每個環節有多少數據采集
2、業務自身最關注哪些環節
3、業務常見的做法是什么
了解完成后，可以按照業務流程+常見做法，建立指標體系（如下圖）這樣才能實現數據無死角監控+從業務視角思考問題（而不是“數據庫里有啥指標，我一股腦都倒出來”）
圖片
要點4：量化業務動作效果
對于業務常做的關鍵動作，一定要建立量化監控機制。
比如業務想提升銷售業績
1、如果是市場部做個促銷活動，則可以用數據記錄，哪些訂單是促銷訂單，看促銷訂單的增長情況，計算活動收益。
2、如果是銷售部開個銷售能力培訓會，很可能沒有數據記錄每個人提升多少。此時只能退而求其次，記錄哪些人參與培訓/哪些公司參與培訓，然后看指標是否有變化。
圖片
這樣做，一方面，能加深新人對業務的理解，另一方面，能先從結果上了解業務各種動作的效果。后續做深入分析才有素材。有些公司，業務做了啥事，數據都不知道，還要事后去問……這是談不上“深入分析”的
要點5：拆分業務問題，形成分析假設
學會先提假設，再找證據，是從中級到高級的關鍵一步（如下圖）
圖片
分析假設有三個來源
1、根據過往規律、經驗、走勢提假設
2、根據業務方關心的問題提假設
3、根據結構/分層分析中，發現的問題大的點提假設
這三種方法都需要之前幾步的積累。當有可能假設有很多種，比如一個簡單的“下雨對業績影響”，高級的分析師能拆分出若干種情況（如下圖）。這種從粗到細的思維，需要長期訓練。突破了這一步，才能使自己晉級高手行列。
圖片
綜上可見，分析能力的提升，需要
1）深入業務流程，了解業務細節
2）把握業務規律，衡量業務做法
3）合理提出假設，找到關鍵要素
并且，大量的訓練是必不可少的
