很多同学有疑问：数据分析到底对企业有什么用？数据分析到底能解决什么问题？今天我们一次讲清楚。所谓不识庐山真面目，只缘身在此山中。如果只站在数据分析本位角度看，很容易陷入各种花里胡哨的名词讨论中。我们换种方法，设想一下自己是业务部门的人，看看数据分析到底有什么用。
从一个最简单的例子开始。设想下，你刚刚就任一个零售公司大区总监，你管着五个省300家门店。一个风和日丽的早上，你正悠闲的坐在玻璃房里搓手机，忽然财务一个急促的电话把你从游戏里震出来，说这个月业绩KPI没有达标。那么你的第一反应是：
A． 大骂“你是神经病吗！”
B． 让助理定机票，把300家店逛一圈
C． 立即给下属各片区经理打电话，轮着日一遍娘
D． 拿起一包纸巾直冲老板办公室大哭：“经济形势不好，业绩做不起来不管我事啊！”
你不会这么选，对不对，随便哪个都显得自己太傻逼了。So，第一件事，当然是看！数！据！到底业绩KPI没达标是个什么情况：
- 差多少达标？
- 什么时候开始不达标的？
- 差距越来越大还是越来越小？
- 所有区域还是单个区域的问题？
- 没有问题的是不是在变得有问题？
所有一切，都得数字说话。是滴，这就是数据分析的第一个用途了：定量描述问题现状。或者我更喜欢把它叫：是多少。
看到数据，有的时间段高于目标，有的低于目标，所以下一步怎么办？你可能本能的想：高了表扬低了骂呗！是滴，确实有些没水平的领导是这么做的。问题是，作为玉树临风的你怎么可能这么没水平呢。想着自己刚刚到任，骂人太多要官逼民反的。因此你很冷静沉着的要给问题定个性：到底没达标是不是个事，是个多大的事。
类似的场景多的很，比如：
- 2亿的总目标，差100万和差1个亿是不是一样的问题？
- 本月过去7天没达标，和过去27天没达标，是不是一样的问题？
- 本月12日有大促销，所以累积到本月5号没有达标，是不是个问题？
- 本月是2月，2月5日过年，所以累积到2月10日没达标是不是个问题？
所以你看，没达标只是个数据结果，不一定是个问题。要通过分析才知道，这个没达标到底是不是个事。是个多大的事。有了轻重缓急的判断，才知道调动什么力量，用什么办法解决。这就是数据分析的第二个用处：树立标准，给现状下判断。俗话说：是什么。
这里是个大坑，很多从业很久的数据分析师都会踩进去！“是多少”+ 标准判断 才等于 是什么。很多只会无脑跑数的数据分析师，往往本能的看到涨就认为是好，看到跌就是认为是差。既不懂业务，也不会和业务沟通，结果不了解业务的判断标准，很难get到真正的问题，做出的分析自然不知所云了。
做完前两步，如果是一个从业10年的大区总监，估计不需要分析也能凭经验做判断了。如果是一个靠资历混上来的大区总监，估计不想分析直接上三板斧了。如果是一个靠关系混上来的大区总监，估计已经在去找老板哭可怜的路上了。然而作为正义感与颜值的你，肯定不会这么lowB，你才上任没经验，还想多分析分析，于是有了以下三项分析工作：
- 通过数据分析找一下，为什么会不达标（为什么）。
- 预测一下销售走势，看看预计业绩缺口多大（会怎样）。
- 评估一下过往的措施哪个好用，然后上政策（又如何）。
这三项工作是很多人津津乐道的“高级分析”。甚至还有人就直接把数据分析分成了三类
- 描述性分析
- 原因性分析
- 预测性分析
认为描述性的就是低级的，原因就是高级的，预测自然被认为是最高贵的。“预测是数据分析的精华”这种奇葩口号都敢喊出来。
可为啥之前描述性分析那里说了这么多，原因和预测讲的那么少呢？因为这些玩意看似高深的玩意，现实中却很少做！大家掐指头算算，是不是自己的时间80%被耗在清理数据、更新报表、做描述性统计上去了。剩下时间，可能大部分还耗在写评估报告上。偶尔找找原因，还是拍脑袋找居多。建模预测？不存在的。
其实原因之前已经解释过：一来，找原因、做预测、评绩效都是基于描述性分析的。二来，这些分析可能根本轮不到数据分析师来做，业务部门不是自己搞掂，就是压根懒得去计较。结果，自然是数据分析大把时间都消耗在跑数上。只有数据，没有分析
总结一下，数据分析能解决/部分解决五大类问题
- 是多少（数据描述现状）
- 是什么（到底现状好不好）
- 为什么（出现这个事的原因是……）
- 会怎样（预测一下，这样的后果是）
- 又如何（总结一下，这个事的结论是）
这五个问题是环环相扣的。有了清晰的描述才能寻找标准，有了标准才有好坏判断，有好坏判断才能思考为什么好/为什么不好。有了对原因的了解，才知道如何构建预测模型，才知道如何全面评估。
诶，这就完了？是滴，就完了！数据分析不是万能的，有相当多的问题不能解决。最常见的，就是这三大类问题：
- 想不想（我想不想做这个事呢？）
- 能不能（我能不能干这个事呢？）
- 会不会（我不会干！怎么干！）
因为这三大问题，和意愿、能动性、创造力有关。数据分析方法需要数据才能分析，这就决定了它是一种后置的方法，很难预知创新；数据分析方法是理性、逻辑的代表，也就意味着在解决感性、创造问题上存在劣势。认知了这一点，就能更合理的规划方法，解决工作难题了。在企业工作中，一般要么是交给数据分析的兄弟：市场与用户研究来解决的。要么是现有方案，然后数据做ABtest和效果评估。
然而在工作中，才没有人会这么细致的梳理呢。大家都是习惯性的丢一句：“你来分析下这个XXX吗！”这时候，做分析的同学们就得有转化能力，把这些似是而非的问题转化成一个具体的分析问题。
比如“我想不想做这个事”，当然可直接回一句“你爱做做，不做拉倒！”可是稍作转化，把它变成：“如果我做了XXX事会产生什么影响？”这样就把一个“想不想”转化成了“会怎样”，有了具体的行动就可以分析。当问问题的人看了干会怎样，不干又怎样的结果后，自然心里有个判断。
比如“我能不能干这个事”，当然我们回一句：“有能力的人就能干！”这种毫无意义的屁话。但是如果把它转化为“过往做成这个事需要什么条件，你又具备了多少？”这个问题就变成了“是什么”的问题，问问题的人看了自己与条件之间的差距，自然心里也有了答案。
比如“分析下这个事怎么干”，如果转化成：“过往的举措有什么效果”就从“怎么干”变成了“又如何”，当问问题的人看了原来ABCD方法各自是什么效果，心里也有答案了。
所以，数据分析方法在企业经营，个人生活中都有很多用处，关键在于我们如何使用它。数据分析不仅仅是某一条公式或者一串代码。数据分析的真正魅力在于系统的、客观的、有逻辑的思考。用这种思考去代替零散、臆断、盲目。这才是它的做大价值。有些同学会问：既然数据分析有这么大价值，为啥我做分析就是天天在跑数……哈，这就涉及到工作方法问题了。俗话说：“你若安好，跑数到老”数据分析师如果太安于现状，不懂梳理需求，不会管理需求，不会邀功请赏，结果就是天天等着业务部门丢需求，那就真的跑数到老了……这个问题下一篇分享。
这是数据分析成长手册的一部分，在整本成长手册里位置如下：
欢迎扫下方二维码，关注陈老师公众号：接地气学堂，持续追剧哦
成长手册之三（您在这里）
职业发展的系统1对1指导，戳：求职宝典
业务知识体系化课程，戳：业务知识
数据分析工作能力课程，戳：八大能力
