如何在业余时学数据分析？
点击图片，查看课程详情
想了解自己数据分析能力到了哪一层，戳{数据分析6个能力等级}（https://edu.hellobi.com/course/185）
想和大牛学更多思维方式，戳{和管理咨询顾问学思考}（
https://edu.hellobi.com/course/199）
高赞回答讲的更多是数据能力，分享一个提升分析能力的方法。
数据分析，数据和分析其实是可以分离的。因为分析本身并不一定需要数据。我们看了900集柯南，大部分案件依靠的是事实证据和逻辑推理；女生抓男票出轨，更多是靠女人心机和第六感。这些你不能说不是分析，只是用到数据很少而已。而数据也不一定用来分析，比如订单数据可能更多是驱动订单流程的完成，即使不做任何分析，快递小哥拿到一条订单数据中的送货地址字段，也能去派单了。
我们当然不想看到数据和分析脱节。然而在相当多的企业中，数据部真的就只是数据部。等着业务部门派需求，做报表。报表有什么用？用到什么地方去？用了又怎样？一问三不知。在这些企业，往往分析工作是战略发展部、市场部、运营部、财务部的某个经理做的。这种环境下，即使挂了个数据分析师的头衔，工作也相当苦闷。因为提数实在是太没有技术含量了，随时可能被智能BI软件或者刚毕业的小哥取代。在企业里也没地位，经常被人鄙视的称为：跑数的。我们学了那么多技能不是为了给人当人肉跑数机的，所以结合数据，提升分析能力是非常重要的。
分析能力，恰恰非常适合在业余时间提升。因为企业里大部分时候轮不到我们说话，为什么要分析、分析了有啥用得找业务部门的同事切磋。但生活里处处有可以分析的东西，小到去哪里吃饭，大到买房结婚投资。如果认真地用数据分析的思维看事情，你就会发现：我们远没有自己想象中的理性。这也就有了大量的练习分析能力的机会。
举个例子，有个经典问题我经常拿来培训新人。找个股市大跌的某天，一脸沧桑的在办公室叹口气：“我炒股亏了100万！咋办啊！”下属基本都笑哈哈的说：“没事你家大业大不怕”；同事会嬉皮笑脸的：“跑路前先把饭前还清哈” 这时候，再把下属们召集起来，认真的说：“我给大家10分钟时间，认真思考下刚才的那个问题，你会怎么答？”这时候大家才发现有坑，纷纷表示刚才太不专业了。专业的数据分析师不应该这么回应。
该怎么回应？从一个简单的问题开始：
Step1.这到底是个什么事啊？
认真想想，我炒股亏了100万，看似带了数据，看似表达清晰，其实什么都没有说！因为一件完整事情的7要素，这里只交代了2个。Who = 我，How much = 100万。可其他的一概不知。甚至连100万的单位是什么都不知道。炒过股的同学都知道，亏在不同人口中意思可能不一样。有些人管没抄底成功，少赚了叫亏。有些人管斩仓出逃，结结实实亏损了叫亏。所以这里要落实清楚细节，才知道到底是个什么事。
用数据分析的行话讲，这叫做：5W2H分析法。这个方法可能大家在学校看《管理学》《营销学》一类书都有看过。然而书上没有交代的是，在企业里真正用的时候，这5个W，2个H不是一竿子插到底的。而是这样分组（如下图）：
前4个W用来定义问题。咱先搞清楚到底发生了什么，再谈后续为什么会发生，该怎么处理。在数据分析类问题上，这个分析还有另一层含义，就是确认数据指标的含义、统计时间、计算公式。既然要数据分析，那数据指标到底是什么总得先说清楚吧。这也是我们常听到的：数据敏感性。一个对数据敏感的人，会第一时间关注数据的含义、来源，而不是听到个数据就开始联想具体的事情了。
有些同学会好奇：这么简单、基础的事，也算是分析能力？当然是哈。人们看高楼大厦，看的都是外形、装修、彩灯、园林。可高楼大厦都是在地基上打起来的。数据指标的含义，数据来源真实性、准确性、全面性，就是数据分析的地基。地基不牢，地动山摇。
而如果大家按这个标准，试着看一下我们平时的生活对话，就会发现：我们自然状态下的对话，大部分都是不严谨不规范的。特别是涉及我们和经常打交道的人之间的对话，太熟悉了就会省略很多细节。更不用说，类似自己老妈唠叨自己的话，自己女朋友抱怨自己的话，很多时候都是在简单的发泄情绪，而不是在描述事实。所以，在生活中，我们有着大量练习5W2H分析法，提升数据敏感性的地方。说不定练多了，不但数据分析能力能提升，连和女票吵架的次数都少了很多。
在工作中这种场景就更多了。诸如运营跟你说：我们的活跃用户减少了，分析下为什么？市场部给你说：看看哪类用户更容易响应营销活动。看似清晰，实则跟没讲一样。如果不细细理清需求，后边可以预见的是返工、加班、抱怨哈。
Step2.这到是个多大的事？
假设我们确认了，真的是结结实实损失了100万RMB，又怎样呢？对于不同的人，不同的场景可能完全不同。试着感受下以下场景的区别：
1. 我身价1个亿，损失了100万
2. 我身价1个亿，但9千万是房子，流动资金一共1千万，损失100万
3. 我身价1个亿，1千万流动资金，但欠债1200万，股票又损失100万
4. 我身价1个亿，1千万流动资金，欠债1200万，股票又损失100万，但股票已经止跌回升
四个场景完全不同，对不对。单纯的了解问题，还不能帮助我们导出解决问题的结论。解决问题，要先看轻重缓急。不同程度问题有不同的处理方式。这里可以有多种分析方法
结构分析法（杜邦分析法简化版）帮我们看清楚问题结构，看到出问题的部分在整体中的位置、占比，这样可以理解问题的轻重。身价1个亿亏100万和身价20万借债又亏100万，肯定是两个层面的问题。
对比分析法帮我们看清楚问题大小。对比分析，关键是要树立标杆，通过不同的标杆对比，看到问题在哪个方面影响比较大。比如即使身家1个亿，但一把亏了100万心理也很定难受。这时候就说明，存在两个标杆，一个现实中资金需求，一个是心理期望值。很多时候我们过不去某个坎，不是因为现实中离了XX就不能活，而是心理接受不了这个事实。所以树标杆对比的时候，得多角度考虑才行。
趋势分析法帮助我们看清问题的缓急。比如炒股，至少能看大盘、板块、个股三个维度。如果看起来跌的很厉害，但是大盘向好、板块稳固，个股也开始回暖，那很有可能个股也会很快止跌回升。如果一直阴跌不止，那问题可能不会自己好转，就急需我们主动解决。
这些方法计算非常简单，用行话讲叫：描述性统计。然而描述性统计摆在一起，就能解释许许多多的问题。做好描述性统计也是进一步建模分析的基础。实际工作中，描述性统计用处比建模多得多，因为很多时候我们没有那么多数据建模型，很多时候问题的紧迫性也容不得我们慢悠悠的调参训练。练好描述性统计是数据分析能力提升的重要一步。
在现实生活中，这种场景就更多了。比如之前深圳中兴的著名悲剧跳楼事件。如果大家根据事件中透漏每月还贷金额，深圳市近3年的平均房价，房贷利率等参数，就很容易推算出来：这个不幸跳楼的哥们如果卖掉深圳的房子，就至少有560万以上的净资产，很有可能导致悲剧的不是现实困难，而是思想拧巴了。数据分析本质上就是用理性思维指导决策，避免感性的一时冲动。现实生活中，我们冲动的时候可比工作上多多了。所以平时好好练习，不但对工作有帮助，有减少生活中的烦恼也可能有帮助呢。
Step3.为什么会出这件事？
知道问题的原因才容易找对策。而我们恰恰容易在找原因的时候lost。比如这个问题：我为什么炒股会亏100万。大家第一反应都是：哪个股亏了那么多啊？然后就把问题引导到：到底选个什么股上。可实际上，仔细想想：别人问我们的也不是选什么股啊？即使我们真的有本事帮他选到一个股又怎样？很有可能下次照样来哭哭啼啼问：又亏了怎么办。辨别眼前的问题是什么很重要，如果不能深度解读，至少把问题限定在别人正面提问的东西上，不要多度发散。
既然人家问的是：“我”该怎么办。那就从“我”的角度来分析，为什么会亏这么多。这里可以用矩阵分析法。矩阵分析法其实就是屌丝版的聚类分析，当数据没那么多，指标维度少的时候，就简单的用两个最关键指标做二维分类，从而提炼出含义。比如这里我们可以做个这样的矩阵：
这里的分析假设就是：如果一个人每次交易都能盈利，并且总盈利金额也大大超过某个炒股APP的网友平均水平的话（这个数据APP一般会自己统计）那么我们认为他有能力炒股比一般人强，那这一次失手的原因就是老司机偶尔马失前蹄了。
如果一个人大部分交易都是不盈利的，但偶尔一两次赚了很多钱，怎么说？可能他真的是吉星高照，虽然没本事炒，但是偶尔碰上一两次好运就赚很多。然而这一次为什么亏了这么多呢？好运到头了。如果一个人是反过来的，经常赚钱，但都赚的很少，那这次一下巨亏，很有可能是对自己过于自信，想赌一把，结果赌漏了。当然，还有那种屡战屡败、屡败屡战的，这种就洗洗睡吧。
通过这样的分析，即使我们不懂具体股票是怎么炒的，也能从结果反推出来大概的情形。从结果反推原因，是一个非常重要的数据分析能力。很多同学一想到因果分析，就急着上回归分析了。可很多时候具体的业务发生过程是我们不知道的，或者记录不到详细的数据。比如运营活动，我们能记录到每一步的转化，但到底这个文案顾客理解不理解，到底这个优惠力度人家care不care，数据很难记录，这时候就需要从一系列结果去反推原因。
在日常生活中，这种能力也能被大量锻炼。比如我写这篇时临近过年，大家或多或少都会回家遇到炫富的，比高低的，寒碜人的熊亲戚。挺住！别怂！不要被：我在京东年薪百万之类的吓倒！都年薪百万了，title呢？部门呢？是骡子是马拉出来猎聘、51JOB上溜溜。从岗位等级反推收入，也是练习分析能力的方式哈。
当然，如果能直接问问题最好。如果不是数据分析师，而是市场研究员分析这个问题，可能就会直接出一张问卷，形如：
【单选题】Q1.请问您为什么会亏100万
A． 整体市场环境不好
B． 个人选股能力不行
C． 操作当时脑子昏了
D． 其他 【请填写】
然而如果只简单这么问，是会有问题的。第一、人家不一定有这个心情回答；第二、谁会承认自己不行呢？肯定是怨天怨地；第三、即使是选了能力不行，到底有多不行还是不知道，所以即使有问问题的机会，还是要结合数据验证。最简单的验证方法就是对比分析法。比如一个人说大行情不好，所以我割肉跑路亏钱了。那可以把大行情好和不好的做成标签，看他之前的交易，在大环境好和不好的时候，交易亏、赚的比例。就能验证他有没有再说谎。
对比分析法在日常中，能训练的机会就更多了。实际我们生活中大量的习惯都能做对比检验。某天，我买了个红色盒子的MM巧克力回家。小宝宝非常喜欢玩。我就随口说了句：“你看宝宝喜欢红色的盒子”。我太太立马说：“是吗，马上检验一下啊！”然后立马设计了n组实验：都是盒子，不同颜色的摆在一起让宝宝挑；不同形状的摆在一起让宝宝挑；还调换摆放次序让宝宝挑。几轮下来，把俺的结论杀的大败。也让我总结了一个新经验：这小坏蛋就是单纯的不给他爹面子。T_T
Step4.要不要处理这件事？
最后要不要处理：我炒股亏了100万的问题呢？如果我们之前的工作都做的很好，对具体情况掌握的一清二楚，这里就很容易下判断了。简单来说，这就是选择题（如下图所示）
想复杂的话，可以做综合评估。综合评估的方法有很多，复杂的如神经网络分析、简单的如AHP、因子分析、专家法都可以做。其实无论算法简单还是复杂，核心都只有两个：参考因素、权重。在日常生活中，具体的分析过程肯定是练习不了了。但是不影响我们养成列举考虑因素和权重的好习惯。
因为当我们习惯了列举因素和权重以后，你就会发现，日常生活中很多问题压根就不是问题。或者说，很多问题是建立在我们的偏见、误解基础上的。比如过年回家（写这篇的时候刚好过年，多举几个过年的例子）大人催你结婚，给的都是啥考虑因素：
l 别人都结了（别人关我什么事）
l 这个年龄该结了（谁规定的）
l 我想你该结了（？？？）
l 我想抱孙子（？？？）
……
这些理由甚至都不是站在你的角度分析！为啥我要考虑跟我没关系的权重？？？？？
Step5.怎么处理这个事？
最后终于到了建议环节，其实如果前4步做的好的话，建议简直就是水到渠成的。因为我们已经充分掌握了问题情况、问题轻重缓急、问题的原因、考虑重点因素，导出结论自然是易如反掌。只是有一点要提醒：具体的方法不一定依靠逻辑推导，也完全可以靠自己的创造力！其实那些惊为天人的神来之笔都不是计算出来的，而是创意出来的。所以通过数据分析可以评估方案的优劣，可以导出四平八稳的结论，但不能取代创作方案本身，因为伟大的成果最终是来自伟大创意。
所以总结一下，分析问题可以有一个很简单框架，涵盖了数据分析从定义指标到给出分析建议的全过程。这些过程其实渗透进我们生活的方方面面，即使没有电脑，也不影响我们每天进行练习。因为本质上讲，数据分析只是思维方法的一种，我们明天自己都在做着大量决策，自然也需要这种思维方法。
然而，从之前的大量例子也能看出：数据分析能力，或者说理性的思维，在日常生活中如同金子般珍贵。在生活中我们自己都充斥着各种不理性的决策：
l 不去区分模棱两可的概念
l 想当然的认为别人和自己理解一样
l 怕麻烦，不去收集数据
l 怕拒绝，不敢深入问问题
l 热血上脑，一冲动就拍脑袋
l 习以为常，习惯怎么来就怎么来
这就给了我们大量在业余时间锻炼的机会，不断自我挑战，剔除自己不理性那部分，让思维尽可能科学化。
从上边的分析过程也能看出：好结论是大量前期分析之后，水到渠成的产物。可我们偏偏又习惯于先入为主的给意见，屈服于习惯、大众说的、主流媒体的态度，甚至连多几句沟通都嫌费事。这种时候做出不那么聪明的决策，也就在做难免了。
生活如此、工作亦如此。要知道数据分析师是拿死工资的。可销售、市场、运营肩头背着业绩压力，他们在更大压力、更多挑战、更多未知的环境下工作，就很容易冲动，更容易理所当然。这时候如果我们自己没有养成良好的分析习惯，只是甩一些数字给人家，当然会被当做不专业，当然会被当做没水平，当然会被当做提数机器：因为我们也只给了一个数啊。
当然，生活中有可能不能获取那么精准的数据。有可能我们列出指标、假设、考虑因素，也很难100%的量化，但就和我们在工作中不能收集100%完善的数据一样，少，不代表不能练习，更不代表不能做一些深度思考。好的数据分析师就应该像《三国演义》中的诸葛亮一样，兵多了我能摆八卦阵，兵少了我能摆空城计，没有兵，我还能草船借箭不是。与大家共勉。
大家都在看
作者：陈老师，在咨询行业打拼了9年，在如何诊断经营问题、建立分析体系、解决专项问题上有超过30个大型项目积累与实战，天善智能特邀专家。
个人公众号：接地气学堂
博客：https://ask.hellobi.com/blog/chenwen
数据分析职场路上有困扰吗？不妨到《数据分析师八大能力培养课程》https://edu.hellobi.com/course/272 里聊聊！
视频课程特色：
从真实数据分析工作场景出发，训练实战能力
启发式教学+大量实际操练，培养属于自己的能力
不依赖于某个具体技术，也适合对数据分析感兴趣的学生、业务部门人士学习
☟☟☟ 猛戳阅读原文，即刻加入课程。