为什么数据分析师要用产品思维

　数据分析这词汇时髦的不得了，然而就像这些年所炒的各种概念一样，当冷静下来，请很多人解释数据分析到底是什么时，恐怕要有一个不错的答案很难。

　　比较常见的答案是：数据分析就是分析数据。那么怎么分析，分析什么呢？显然这个答案没有回答实际的问题。然而，正是这种含糊其词的状况，笼罩在业内，尤其是互联网行业的数据分析领域。似乎数据分析的诉求不断的提升，但究竟分析什么，用什么分析，分析的结果如何应用，不要说想清楚，恐怕连想都没想过。

　　在我看来，数据分析不是一项工作，尤其不是从后台取个数据，做个图表的工作，而是一个产品，能够满足某种实际工作需要的产品。比如数据指数系统，用来指导运营工作，让运营的同仁能够基于指数来评估自身工作的增益或者不足，进一步通过数据钻取来了解指数增加或减少的原因。好吧，这还是有点拗口。举个第三方的例 子：电视是一个让用户休闲的产品，把数据分析想象成电视吧。

　　数据分析中，窃以为最重要的事情，就是明确数据分析的目的是什么，就像上面电视 的例子一样，要明确电视用来干什么，别诧异，玩游戏，看电影，看球赛，看肥皂剧，唱KTV等等的用法都会使电视有所不同。因此，数据分析的目的决定了不同 的方式方法，出发点永远是如何指导工作，无论是最基础的了解现状及趋势，还是机器自动学习的算法改进，永远如此。

　　说到这，数据分析这个“产品”会有什么用处呢？太多了，多到让人太容易迷 失，数据会让人的野心暴涨，看到了指标A，会想着指标B，了解了这些，又希望钻取，这满满无期，虽然也有价值，但是投入产出非常不合理。因此，数据分析这 个产品，给用户的应该是“知识”，在没有转换成知识之前，所有的数据都是无价值的。我突然告诉你今天华氏105度，你觉得有价值么？

　　说到知识，最好的转换方式无非是6个字：图形、对比、钻取。一图胜千言，指标增长还是减少，与自己对比，与控制组对比。当发现这些变化时，进入维度中观看不同的水平，是哪种水平导致了这些变化。其实非常简单，简单到比培训什么同比、环比、均值、众数、方差、高斯分布、ANOVA、非参数统计、因子扭矩还带个旋 转、贝叶斯分布等等等等简单的多。

　　一定要目标导向，而不是工具导向。后者很可怕，我曾经遇到过一位同学，他很happy的告诉我他要用SAS，我问为啥，答案是可以编程。我说好吧，心想真有米，要多么复杂的模型啊，实际上这复杂的模型就是描述统计量的计算。忘记工具、忘记模型，用目标来指引工作，假设要转化的知识是给的哪些用户，他们的业务场景假设是什么，是需要看数据来评估绩效，还是需要数据来改进工作等等。然后把知识告诉他，这就完 了。如果说真要让我推荐个什么工具，我说SQL\python\R\SPSS\Excel随便挑一个都行，如果不行，随时来找我。