大家好，欢迎来到”时久读书”，我是时久。今天是《大数据实践之路》读书笔记的第5篇。

今天我们继续来看“数据中台”中另外一个对业务非常重要的组成部分，数据分析。

数据分析一般都是和业务结合的，业务和数据之间存在映射关系，数据是业务在数字世界中的映射。

现在大家都在说的数字化转型，从基础上看主要就是得好下面这2件事。

（1）业务数据化：业务线上化，存储业务所产生的数据，记录业务。

（2）数据业务化：分析收集的业务数据，评估业务状态，指导业务发展，提升效率。

通过业务数据化，你可以知道自己有什么数据，能记录哪些数据，能收集哪些数据。数据业务化，就是收集完成数据后，需要把信息提炼成为知识，来反哺业务或指导业务。

数据、信息和知识

当我们把平时工作中鲜活的业务利用数据表现出来，并中发现业务背后的信息，然后将这些数据和信息转化成一组规则来辅助我们的“知识”或者变成一个新的可以销售的“产品”，这样数据就会变得很有价值。

这个过程就是：从数据到信息，信息再到知识，知识再转变成决策或者产品的过程。

数据分析的定义与流程

我们一般说对数据分析是在做一件什么事呢？主要这个事情就是指使用一定规模的数据，并利用应用统计学和定量分析的方法，发现数据背后的信息，实现对业务的预测、描述和诊断，指导业务发展，提升效率。

在做数据分析过程中，也需要掌握如下几个工作重点。

1.明确分析目的

我们一定要弄清楚分析目的是什么。目的不同，分析的方向和思路就可能完全不同。

2.明确分析思路

搭建分析框架，拆解分析对象。拆解分析对象是为了接下来能够更好地衡量和评估分析对象。

拆解业务要遵循MECE（Mutually Exclusive Collectively Exhaustive）原则：完全穷尽和相互独立。

MECE原则出自《金字塔原理》，通俗地来理解：如果拆解的有遗漏，就没办法完整地评估业务（完全穷尽）；如果拆解的模块相互之间有交叉，就没办法具体定位是哪个模块的问题（相互独立）。

因此，为了保证拆解的过程有逻辑、不遗漏，我们经常套用成熟体系的分析框架，如逻辑树、5W2H等。

3.获取数据

从数据分析整件事情来看，数据获取只是其中的一个环节，但这个环节极其重要，获取数据的质量与效率，直接影响我们做数据分析的效果和产出。

4.处理与分析数据

处理数据经常用到的工具有Excel、Python、R、Tableau等。工具没有高级与不高级之分，只要用得熟练，能够高效率地解决问题即可。

5.撰写报告

在完成上述流程之后，就是得开始写报告了，呈现分析的过程与结论。

在撰写完报告之后，事情并没有结束，只是分析的过程告一段落，最重要的环节来了，就是给需要数据的人做介绍和汇报。

往往一个项目干的好不好，最后的分析汇报能占60%-70%的重要性。务必在汇报前，认真准备数据，并且能理解听汇报的人主要想听什么内容。

数据分析师如何修炼进阶

数据分析师除了要具备扎实的专业基本功，还需要深刻地理解业务。

1.专业基本功

（1）数据获取：数仓基础知识+SQL。

（2）数据处理：Excel+Python（R/SPSS/Matlab）。

（3）数据分析：数据思维+分析思维+统计学+定量分析方法。

（4）结论呈现：PPT/Tableau（PowerBI）。

2.理解业务

数据分析师不要只是从数据出发，而是要贴近业务、参与业务，设身处地地去感受业务。数据分析师不仅要做到心中有数，还要能理解数据背后的业务场景。

（1）业务—数据：没有灵魂的工具。

（2）业务—数据—信息：浅思考的提供者。

（3）业务—数据—信息—知识：有主见的布道者。

（4）业务—数据—信息—知识—合作：有影响的决策者。

个人认为，只要脱离业务线的数据分析师，基本上就是不会有太大的业务价值，特别是公司级别的BI团队，只能完成任务，想给业务做指导，基本上是胡扯。只有和业务线一起成长的数据分析师或者数据产品经理，才真正能懂业务的同时分析清楚数据。

今天就分享到这里，明天继续本书的学习。在这里希望与朋友们一起交流学习，让自己度过健康，有质量，不焦虑的每一天。