数据分析是业务决策的重要工具，但很多数据分析师在实际操作中却常常感到困惑，不知道如何将数据转化为有价值的业务洞察。本文将系统性地介绍数据分析的标准流程，帮助数据分析师理清思路，更有效地支持业务决策。
“数据分析的标准流程是啥？”
“为啥感觉自己只取了数，看不到结果？”
“分析做到什么地步，才算是对业务有用？”
经常有人有这些疑惑，今天我们来系统讲解下，数据分析的标准流程，帮大家理清思路。做数据分析其实有2种基本流程和6种具体情况，我们一个个讲。
此类流程，典型有三步：问题→数据→答案，一般业务部门会沿着这个路径思考。比如你是一个销售主管，你最关心的肯定是自己业绩表现，于是你会先看：
当然，有可能你思考得更深入一些。
比如公司目前有一个业绩排名奖：全国每月同比增长排名前5的团队，可以拿一笔奖金。现在已经20号了，你很想知道自己有没有机会拿到这个奖。
于是，你会进一步分析：
注意！问题2比问题1要复杂很多，因为问题1只需要统计历史数据就好了，问题2得预测未来10天的走势。
在怎么预测上，可能有好几种方法，比如：
这就是我们常说的：复杂需求。当需求变复杂的时候，数据分析的流程也会变长，主要在数据环节，越复杂的方法，需要越多的数据准备。那么，有哪些是复杂方法呢？
这种最简单，直接统计历史数据即可，比如截至1月3日，今年新增加的用户数/累计完成的销售业绩；1月3日时间点上，商品库存有多少等等。注意！单纯罗列数据，并不能解释现状好坏，需要数据+判断标准，比如累计销售业绩+业绩考核标准，这样才能发现问题。
在这种情况下，数据分析流程就是：业务想了解现状→统计数据指标+判断标准→描述现状。
典型的问题，比如业务问：“为什么我的业绩没达标？”注意，此时业务有假设和没假设，处理流程不一样:
总之，想做得深入，一定要业务题假设才行，不然数据自己把指标拆来拆去，很有可能只输出诸如：“因为人数少了，所以没达标，建议把人数搞高！”一类肤浅结论。
典型的问题，比如“我要怎么做，才能让业绩冲第一”。此时，需要把前边两个复杂度的问题全部做完，才能有结论。
所以，优化表现类流程会特别长。很多数据分析师不知道怎么提业务提升建议，其实就是因为缺少了前边这几步铺垫，啥情况都不了解，肯定没法直接提建议。
在上一节已经举过预测例子，实际上，凡是预测类的问题都很复杂。起码得先了解现状，知道问题点，知道业务有没有计划做改进动作，收集一大堆信息以后才能做合理预测。
此时：
如果不考虑业务动作，那么可以直接用趋势外推，分析流程就很短：业务想知道预测结果 → 观察过往趋势→按过往趋势拟合函数→直接外推结果。
如果业务想考虑自己的动作，比如“我追加投入会怎样”，这时流程就复杂了，业务想知道预测结果 → 观察过往趋势→建立模型，量化投入影响→代入参数，预测结果。
总之，业务上提问越复杂，需要分析的环节越长，前期铺垫越多，不然很难输出有价值结论。
还有一种情况，就是业务端没主动提需求，但是数据分析师需要主动从数据里读出业务含义，发现业务问题。此时的基本流程是：数据→问题→答案。
但是！这个流程经常走不下去。因为很多很多数据分析师只看得到数据，对业务情况不了解。因此不知道该怎么解读这个数。比如：
因此本篇用了很长篇幅介绍业务视角如何展开分析，就是为了提醒那些每天对着报表发呆的同学，多和业务沟通，多加深对业务背景/业务状况的了解。好在，有很多公司业务和数据沟通还是很紧密的，因此，可以优化下“数据→问题→答案”的基本流程。
比如：从异动出发，数据→异常波动→业务沟通→问题确认→深入分析/问题结束。这种一般是数据分析师发现了指标异动，之后向业务确认。如果异动是业务主动发起/早就知道/已经采取措施应对，那就不再纠结，如果是意外情况，就再深入分析，直到落实问题原因。
比如：从标杆出发，数据→寻找标杆→业务沟通→可复制性确认/问题结束。这种一般是数据上，发现某个产品/某个地区/某个渠道表现特别好，此时数据可以向业务主动确认“是不是一个机会点”“值不值得推广”。如果业务早就知道了，那就结束。如果业务感兴趣，就深入分析标杆可复制性，推动标杆推广。
比如：从部门联动角度：数据→关联情况分析→信息共享→问题确认→深入分析/问题结束。这种一般是做经营分析的时候，比如发现销售走势下滑，提醒供应注意积压风险；比如发现营销花钱很猛，关注现金流；比如发现业务计划大活动，提醒客服/售后准备。先共享信息，再看相关部门是否有应对，如果没有应对再深入分析。
以上，所有流程总结如下图，方便大家取用：
本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。