大家好。在和一些新人數據分析師聊天時，經常聽到大家說“工作時沒有自己的分析思路，常常是機械地完成老闆佈置的任務，無法形成自己的數據分析方法論。”
的確，作爲一名數據分析師我也能理解初入行的同學的煩惱，我們在進行數據分析時，經常要使用到一些基本的分析思維，如時間趨勢、對比等。但苦於缺少一個完整的數據分析思路整合。
接下來就簡單分享一下我個人從事數據分析領域以來的經驗，並且總結了常見的7種數據分析基本思路，能夠滿足你工作大部分需求：
一、數據分析前的準備
數據分析一定要有目標！
舉個最簡單的例子，業務方最近新上線了一個功能，想讓你分析一下目前這個功能的使用情況。這時候你該怎麼做？
你會覺得“分析業務功能情況”是目標，然後根據這個模糊的目標你只能做一些描述性的統計分析，告訴業務方每天UV的最大值，最小值，中位數，平均數，方差，標準差……看起來很厲害的樣子，但這些數據意義在哪裏？
實際上，你要明確業務方的需求是什麼，然後分析業務最終的目的，把這個目的進行拆解；比如剛纔的例子，業務真正想要了解的是什麼，是這個新功能的目的，是爲了提升客戶的留存率？還是爲了提升客戶的轉化率？還是其他的？然後再把這個目的給拆解，確定我們的指標，然後再進行分析。
二、數據分析時的七種思路
下面描述了大家可以採用的7種不同的數據分析基本思路，併爲每種方法提供了示例說明。
隨着時間而改變
作用：使用時間段來說明一個趨勢。
示例：供應商採購金額分析查看時間趨勢下的單價數據情況、查看流量的日變化情況。
下鑽查詢
作用：設置上下文，以便查看者更好地瞭解更細粒度特定類別下的數據信息。
示例：從小組績效下鑽到個人績效得分情況、從省份銷售額下鑽到城市銷售額。
縮小
作用：描述查看者關注的內容與大局的關係，某個具體內容對大局的影響。
示例：客戶數下滑分析 ：哪些客戶類型和層級的大量下滑影響了總客戶數
對比
作用：表明兩個或多個主題的差異。
示例：對比兩個年度（2017、2018）客戶類型和層級的下滑情況。
十字路口
作用：當一種類別超過另一種類別時突出重要的轉變
因素拆分
作用：通過將主題拆分成不同類型或類別來解釋主題。這裏推薦大家看《金字塔原理》一書
示例：從銷售額、毛利率、淨利潤來分析經營狀況
離羣值
作用：顯示異常或事件的特別異常之處。
示例：同過定位異常的銷售額、流量渠道等來找出存在的問題
三、數據分析後的注意事項
1.突出數據重點
數據展示要簡潔、突出重點，如果不需要標題、圖例或網格線，可取消設置。目前國內常用Excel和一些可視化工具來展示數據，可視化工具如TB、FineBI都強調無代碼、敏捷，可視化，一改傳統BI工具SAP BO、IBM家的cognos（不過近幾年貌似都在研發雲BI）。
成熟的行業認可的BI工具如FineBI（國內）和 Tableau（國外），也都很推薦。
以下是我使用FineBI做出的數據展示圖，大家可以根據修改前後的觀感，來感受數據展示簡潔的重要性。
（FineBI的獲取方式我已放在文末，感興趣自取）
修改之前
修改之後
2.跟進業務反饋
我們做數據分析，最終都希望能落地業務，對業務有真正價值。
所以在把分析結果給需求方時，再提一句：預計什麼時候看到結果和反饋，我們到了那個時間點一起看反饋結果。這樣的完整的過程才談得上是一個閉環。並且能夠通過反饋去不斷地查漏補缺，提升自身的數據分析能力
在數據分析工作中，數據分析思維是框架式的指引，在一些通用的分析場景下可以快速使用，以上提供的一些經驗和數據分析思維都可以快速套用，祝你快速成長爲優秀的數據分析師。