两个数据分析方面的想法分享

一：在做数据分析师之前是业务师

彼得德鲁克说过“如果你不能衡量，那么就不能管理”，我理解的这句话的意思就是如果你不了解或者熟悉某个业务，那么你就没法去参与他的管理。但并不是说任何分析师都对所有的业务都熟悉，这也是为什么很多软件都是按照行业进行划分的。

就上面的理论给大家举个列子，如果你是做工厂的数据分析，那么你分析的更多的是工序耗时/生产线/排班/质量/仓储这些，因为工厂类的数据大抵如此，大部分通过生产管理软件就能抓取产线数据，然后匹配排班情况，分析仓储及运输销售等，但是不同的生产厂他们分析的侧重点却不同。

如果是缝纫类厂商注重分析的可能是人效，因为这类劳动密集型企业对人效的要求较高，且人员流动也较高。而且不同客户群体质检承担的角色和质检标准数据也不同，国外的质检要求一定比国内高，因为一旦出现问题就会面临大额索赔。所以如果你在分析的时候会发现良品率会有两个值，一个极高，一个普通。而这些都需要你对要被分析主体十分了解，切要对内部的一些隐藏业务要有所了解。这些需要分析师要主动去了解各业务环节。

做过餐饮的和做快餐的，他们对数据分析的要求也不一样，餐饮的更多是倾向于口味及服务，而做快餐的可能更关注的是结单时间，取餐路径优化，撤台速度和客户吃完饭做在哪里的时间。曾经我就做个丢人的事就是把存单按钮放到隐藏界面里面了，造成各个店长疯了似的打电话，因为上客的时候对这个按钮的需要非常大，而且结账要求必须2分钟内。一隐藏造成结账时间每个多2秒，所以店长就疯了。这就是不了解业务所造成的。

所以我一直觉得好的数据分析师一定会尽可能的去了解各个行业的业务流程，甚至尽可能的去了解各行业特殊分析点，只有这样才能更贴近分析需求，并且在了解不同行业的分析需求之后或许会给其他行业的分析提供一些思路。

二：“数据”分析

有不少企业在bi 兴起之后都忙于上各种bi平台，后来发现了各种问题，这是什么原因呢？其实数据分析首重的还是数据，没有数据或者数据质量不好的话，所有的分析都是没用的，这也是为什么那么多企业bi失败的原因。其实数据分析的前身是统计学，想要实现bi的路径是分步骤的，我感觉的是分为业务梳理阶段-业务成熟阶段-业务信息化-数据积累-数据规范阶段（数据治理）-主数据-技术数据分析-数据分析意识建立-业务数据分析阶段。

首先任何的业务一开始都是要把业务逻辑梳理清晰，梳理好业务逻辑后，然后不断的优化迭代，最终业务模型模式固定了，然后通过信息化进行提效降本，优化业务逻辑，通过信息化的手段将业务逻辑线上化，然后不断的通过软件将数据积累下来，在用的时候发现问题，可能是脏数据较多，也可能是数据连贯性低下，或者是数据关联性较低，或者是数据一致性的问题，然后开始通过规范或者转化将数据治理为非常规范的数据，然后通过主数据平台将数据统一且标准化，这时候信息化人员就开始面临业务端的分析需求了，然后技术人员不断的做分析报告，而因为业务是变化的，这时候业务方的需求总是变化，造成技术人员每天疲于奔命，最终矛盾激化，于是实现数据业务结合，而信息化只对数据技术负责，只负责将清洗好或者是某类主题数据制作好，其他的由业务人员自行分析。最终实现业务自主分析。