怎么开展数据分析？

友情提示：本篇文章为方法论，仅供遇到数据分析类的工作时提供思路。

数据分析在工作中，或多或少都会遇到。大概的场景就是，某问题是的你或你的团队遇到困扰，想要解决或解惑该问题，就要各种数据获取与分析了，这便是要做数据分析了。

那么数据分析的全部环节是怎样的呢？笔者梳理如下：

明确问题→数据获取→数据清洗→数据分析与指标筛选→解答问题&预测趋势→报告与方案输出

明确问题：这个很好理解，就是你为什么做这件事，要解决的事件是什么？只有知道了为什么出发，才有可能达到终点，去解读数据所承载的信息。而问题的确定过程离不开企业活动，也就是要建立在业务知识娴熟的基础上，敏感的捕捉业务所遇难题或者理解业务活动的困境，进而开展整个数据分析工作。

明确问题的过程有很多科学的方法，直接拿来主义，来拆解你所遇到的时间：5W1H、SWOT、PEST、4P/5P管理模型、波士顿5力模型等。通过这些科学的工具，来针对你所要解决的事件进行拆解，发现每一个具体可能导致事件变差的因素。

数据获取：数据获取本身就是一笔不小的财富，掌握了数据获取的能力，就已经在数据分析领域有了自己的立足之地了，因为你掌握了别人可能非常渴望的“米”，无米之炊可是很难的。

言归正传，当我们完成第一步以后，基本上就大体上发现了对我们要分析的问题产生影响的关键或重点要素了，于此，我们可以开始获取数据来针对具体的每一个要素做验证与分析了。 数据的获取一般分为三类：企业内部数据获取、外部公开数据获取和网络爬取。这三者的成本和获取难易程度也有差异，一般内部数据最好最直接，方便应用且成本低；外部公开数据需要遴选其质量，有很多需要付费等，可以很好的弥补企业所需的外部数据和行业分析；网络爬取需要较高的技术能力，获取的数据比较有针对性，清洗难度高。

数据清洗：很好理解，获取的数据不管哪一种方式，一般都不可能百分百的针对你所要分析的问题，所以要做冗余数据、确实字段、异常值检验等分析与处理，这个环节是数据分析必不可少的一环，也是比较容易忽视的一环。

数据分析与指标筛选：经过数据的清洗，基本上就已经有了针对要分析问题的可用数据了，接下来就是要针对问题做指标的筛选，甚至自建指标。这个过程是需要不断尝试的，而非哪个指标一套下来完整的解决了全部的问题。举例：当出现销量下滑，一般我们可以考虑：针对客户本身，内部数据可以分析：客流和客单价的变化是最直接的影响；外部的影响：比如竞争对手的出现与布局；行业变化、消费者偏好等均可以通过外部数据研究。

解答问题&预测趋势：最终的分析完成的标准，不是解惑了，而是要最终解答清楚的同时，告知业务活动如何开展能够解决该问题，当然这个过程是要跟业务活动的实操人员沟通确认的。另外就是前瞻性的预测，更能支持业务实操人员、让他们做到胸中有大局、眼里有未来。这也是数据分析的最高境界。但是这里要注意，并不是所有的分析都要预测的，能通过描述分析发现和解决问题的就不必要大费周章的搞预测。

报告与方案输出：通过专业报告的撰写、可视化的图表展示与针对问题的解决方案输出。这才是分析完成的终章。

如能对您有所帮助，幸运之至。