|
数据分析再近几年来逐步成为各大行业中的“新宠儿”，但是大部分人对于数据分析的整体框架还是没有系统地把握和认识，今天我们就从数据分析整体框架出发，探讨一下数据分析需要学习的能力体系有哪些。
一、数据分析价值观
我们要如何使数据分析如何发挥真正的价值呢？树立正确的数据分析价值观是首要任务。
首先，无论是企业的CEO等管理层还是普通的员工，都要发自内心地认同和理解数据的价值和意义。如果企业的CEO和中高管不认可数据分析的结果和价值，那么一个数据相关的项目在企业里推动就会遇到重重阻力，同时，一个不认可、不理解数据分析意义的员工很难胜任数据分析相关工作。而且，企业内部需要具备数据驱动的公司文化。如果大家宁可想破脑袋都不愿意相信和听取数据分析师的建议，那么数据分析在该企业里只会沦为“走形式”的过程。
其次，我们要对数据分析的价值有清晰的定位，不要企图将它当作“万能钥匙”，也不要轻易否定数据分析的结果和意义。而且，数据分析在工作中也不应该只用来“做表”“写报告”，它应该运用在实际业务中，对现有的业务起着实际的知道作用。对于数据分析的工作定位，我们可以运用EOI框架去分析，对不同业务进行拆解，数据分析应该在业务的核心任务、战略任务、风险任务中分别起到助力、优化、创新的作用。
最后，做好数据分析，要熟悉企业的商业模式。数据分析的最终目的是解决数据反映出的问题完成企业的增长目标和发展。所以对于行业背景、公司业务、产品和用户有深刻的认知和理解。
二、数据分析方法论
如果说上面的理论层面大家平时接触的比较少，那接下来要讲到的就是大家经常使用和挂在嘴边的数据分析方法了。
在整个数据分析框架中，用户是数据的来源，也是数据分析最终要服务的对象。而这中间通常要经过数据规划、数据采集、数据分析和数据决策四个过程。在实际应用中，我们可以发现，往往最底层的过程要耗费更多的时间和精力，但产生的价值却很低。所以，我们应该尽可能的把底层转化为自动化的操作，把更多目光放在上层的分析和决策上。
下面我为大家介绍一个常用的数据分析方法论。
AARRR 是对应的是用户生命周期中的五个重要环节，依序分别是 Acquisition（获取用户）、Activation（激发活跃）、Retention（提高留存）、Revenue（增加收入）和 Referral（推荐传播）。在做数据分析时，应该先考虑用户目前正处于AARRR模型的哪个板块，然后再看在这个版块有什么关键数据指标，可以采用什么分析方法。
三、数据分析工具篇
工欲善其事，必先利其器。有了方法论之后，我们也要学习具体的数据分析工具和方法。现在很多企业都很苦恼工具的选择，但是无论选择何种工具，都应该根据相关的分析场景和工作岗位去匹配。
| 
