“大家好，我是李启方!
作者：杨俊 来源：人人都是产品经理
正文开始前，老李先给大家推荐一个《帆软行业场景建设白皮书》，总结了覆盖制造、金融、国资央企、消费零售、物流交通、电力水务、建筑地产、医药健康、医疗卫生、高校教育等10大行业、24个细分行业的解决方案。旨在为各行各业的IT、数据从业者提供在其所属的业务场景下，现成的解决方案和蓝图参考，从而帮助他们快速落地数据分析和展示平台。扫描下方二维码即可下载完整PDF！
数据很重要，这已经是企业和员工的共识。因此，不管是产品经理还是运营经理，都在试图不断的提升自己的数据分析能力。这自然是没有错的，但在实际的落地过程中，我发现越来越多的从业者走向了另外一个极端——数据分析专业能力。
这里说的数据专业能力是指产品运营和运营经理往往朝着成为专业的数据分析师的角度上去提升自己，自己一定要懂算法会写代码等等。我并不否认如果你真的能够成为专业的数据分析师自然是好的，但那你直接转岗为是更好。因此，在这里，我想强调的是：数据分析和你数据分析专业能力并无半毛钱关系。
作为打工人，我们一定要搞清楚一个前提，就是我们是职场到底是干嘛的。简单来说，职场打工人是为了解决问题而存在的。问题可大可小，可难可易。但总之，就是有实际的问题要解决，而且公司也都会设置对应的可数据量化的指标。比如成交额，比如用户规模等。
因此，无论你是从事哪个岗位，做任何事情或项目，第一前提就是：你的目的是什么？
当你重视数据分析，准备提升自己数据分析能力的时候，你可否想过你为什么要做数据分析，你是想通过数据分析来解决什么样的问题呢？
——我想这就是当前所谓的追求提升自己数据分析能力的打工人最大的问题所在！你仅仅是觉得数据重要，但你并不清楚也从来没有仔细想过，你到底是想解决什么问题的。当你不清楚自己想要解决的实际问题时，数据分析与分析压根都不会产生任何价值。
因此，数据分析第一点：你得搞清楚你所谓的数据分析到底是想要解决什么问题的！当你清楚后，才能够基于问题，设置目标，并逐步拆解并落地。
我们举个具体的例子，六一儿童节，我准备开个快餐店。开业当天，咱们必须来个开门红。所以，想要找你帮我推广下。
1. 目的是什么？
很简单也很现实的一个案例，那么在这个案例中，老板的需求是什么？很简单，想要开门红。潜在的台词就是：我想要人流大，一炮打响我的门店；我也想要高成交，能够赚到真金白银。转化成咱们互联网有逼格的专业用语就是：高流量和高转化！
2. 需要哪些数据
通过一个简单的转化公式，咱们就可以得出所需要的基础数据，包括不限于：
方圆10公里人口 可触达的人口 触达后能够到店的人 到店且能够购买的人 购买且能够尽可能多花钱的人 ….
那么，我们在此可以虚拟一个数据来感受下：
100000（方圆10公里人口）*10%（触达率）*10%（到店率）*10%（转化率）=100
3. 我有数据了，我分析了，我准备改进了，如何改进？
咱们现在有了基础的数据，也做了分析。分析的结果是：
能够覆盖的人数太少 触达的人数也低 到店的人数太低 转化率太低 ……
这一切都很低，而且咱们也确实基于上述的问题进行了改进。改进后，数据果然呈现了极大的提升，如下所示：
100000（方圆10公里人口）*10%（触达率）*10%（到店率）*10%（转化率）=150
4. 但，老板会认吗？
提升效果很明显，理论上应该兴高采烈了吧。但问题是，这样的结果，你觉得老板会认吗？或者，老板会认。或者，老板不认。这些都不是最关键的。最关键的是，当我们再重新回过头，思考咱们数据分析能力的时候，有没有发现这里面存在的几个天然的BUG？
通过上面的例子，我实际上想说的是两个核心的点：
1. 数据分析专业能力并不重要，重点的是你基于目标的解题思路
正如做数学题一样，其最核心的是学习解题思路和方法。而不是会做某道题。上学时，我们经常遇到太多太多的同学，只做解一道又一道再多一道的题目，但当题目发生了变化后就不会做了。因此，当你试图去提升自己所谓的数据分析专业能力时，需要扪心自问的是：
你懂得解题思路吗？
那么，我给你提供一个数据思维的方法：
2. 数据分析的专业能力并不重要，重要的是你没有数据
在实际工作中，数据分析的专业能力95%的情况下，可以说没有半毛钱用处。其最核心的问题在于，咱们99%的公司是没有数据的。你可能会说，我在腾讯我在阿里。但你在腾讯阿里也是一样的，以我上面举的一个门店开业的例子来说，你是腾讯你是阿里也一样，你能够使用到的关联的有效的数据也就这么多，实际上会更少。
因为工作中，我们为了提高所谓的转化率，会设置更多的关键标签。但实际上就是，叠加的标签越多，就越不可能有数据。咱们再举个例子，宝安壹方城算是深圳最大客流量的商超之一了吧。比如月均不重复客流200000。我想要开一家有逼格的服装店，此时此刻如果为了锁定所谓的精准人群，所以我会要求：最近3个月有到过壹方城的，而且有购买过的，而且月购买金额能够在1000元以上的，而且购买过的商品还是需要有品味的（比如最好的买过书、买过喜茶、买过创意商品之类的）、而且按照过往的频率最近一个月还会来壹方城的，而且而且而且而且….
当你把这些而且都加上的时候，你会发现基本上所有的数据都少于100。当绝对值少于100时，你会发现任何一个单一分子的波动，均会对整体带来极大的波动。因此，也就失去了数据分析的意义。
因此，不要痴迷于技法，而是要真正的从解决问题的角度来看待数据，从最粗糙的数据中去做基础的趋势性分析就足够了。因为，地主家也没有余粮，腾讯阿里字节也没有数据。你，就别做数据美梦了！！！
3. 数据分析专业能力并不重要，会使用简单的BI工具足够了
对于产品运营和运营经理来说，在专业数据分析工具的维度上卷算法卷代码根本没有必要，在这些事情上耗费时间精力完全就本末倒置了，我们进行数据分析是想要得到结论来辅助决策，而不是为了数据分析而数据分析。
所以对于非专业的数据分析师之类的运营等业务人员来说，使用简单的BI工具，快捷地分析得出自己想要的结论就足够了，我们要把更宝贵的时间应用到结论的时间上去。BI工具的设计理念就是给不懂技术的业务人员（运营/财务/销售等）或专业数据分析师（使用深度不同）使用的。我在这里推荐开箱即用、业务自由度、高效率、超低学习成本的FineBI工具。
FineBI采用的是类Excel设计，整个数据分析流程简单易懂，添加数据→编辑分析数据→制作可视化图表及仪表盘→分享发布，符合大多数人的分析思维，通过1-3天的学习即可快速上手。且FineBI在Excel操作基础上还增加了快速数据校验、分析操作步骤回溯等功能，一边分析一边校验预览数据，减少返工成本。
FineBI还拥有数据解释、数据预警等辅助我们进行深层次数据分析的功能。
以数据解释为例，当我们发现毛利额下降，毛利率环比增长率出现负值，不知道问题出现在哪时，不用担心。通过数据解释功能，我们只需点击查看影响销售额数值的因子，就能发现零售类商品的影响最大，再通过时序对比门店维度，就能发现鄂尔多斯店和长沙梅溪湖店是关键影响因子，对这两个店重点分析即可。数据解释功能能够快速帮助我们找到“数据关键出错点”，节省分析时间。
而且利用BI工具制作可视化图表和报告的步骤比Excel简单的多，拖拖拽拽就能生成可视化图表，自由布局生成可视化报告：
点击文末阅读全文即可永久免费使用新一代商业智能BI工具：FineBI。
