编辑导读：对很多产品经理而言，做数据分析好像就是数据采集然后进行分析这么简单。实际上，数据分析是一个严格的工作流程，不是简单的手机-分析就完事的。这篇文章，作者以一个风趣幽默的案例，告诉你数据分析怎么做。

很多同学苦于没有数据分析思路，工作中要么是对着数据发呆，要么不知道怎么用数据来论证业务问题。上网查文章，看到的都是：什么结构思维、对比思维、底层思维这种似懂非懂的词。今天我们通俗讲解一下，该怎么形成思路，保证人人都听的懂。

一、基础的分析思路，这么建

最近天气多暴雨，某天你走在街上，被突然袭来的暴雨淋了个落汤鸡。猛跑回家，感觉身上很冷、发抖、打喷嚏。你会怎么想？

——生活的常识告诉你：可能感冒了！

这时候你可能会选择不理它，扛过去就好了；也可能吃点感冒药——因为你假设自己感冒了。

过了几天，没有发冷、发抖、打喷嚏的症状了。

你觉得感冒好了，就不会再吃药。但是如果你发现自己还是没好，甚至觉得头好烫——妈呀，赶紧找个体温计测测。

一看38度，心中顿觉紧张，于是跑去看医生。

这就是一个完整的数据分析思路的例子。

很多同学可能会纳闷——啥！这就数据分析了？底层逻辑、裂变思维、CNN模型呢？

除去各种玄幻的名词，除去巨复杂的统计学、数学方法，分析的本质就是这么简单：

1. 观察现象（冷、发抖、打喷嚏）
2. 结合原理（感冒的症状）
3. 做出推论（我感冒了）
4. 采取行动（吃药/扛过去）
5. 验证假设（吃药3天/扛了3天）
6. 进一步分析（症状消失/症状加剧）
7. 进一步行动（不理它/看医生）

分析思路跟具体工具关系并不大，没有数据的年代，还有定性分析方法；有数据的年代，还有基于调查问卷数据的调查分析，有基于交易数据的经营分析，有基于用户APP/网站行为的“大”数据分析。

数据来源越丰富，数据越准确，可用的分析方法越多，结果也越精确，但基本思路是一样的。

二、进一步的提升思路，这么做

那既然分析思路是这么简单的东西，为啥总感觉很难找到呢？

注意：上边的例子看似简单，可背后有一些基本前提：

1. 观察到位：我们观察到了冷、发抖
2. 了解原理：我们知道感冒有这些症状
3. 可以采取行动：我们能决定吃不吃药
4. 可以观察到行动结果：我们能观察到吃药效果

这些前提在真实工作中，常常不存在。

1. 数据分析师不了解销售/运营/产品/售后到底在干啥
2. 数据分析师只懂跑数，对销售/运营/产品原理一窍不通
3. 业务行动计划不知会数据。到底有没有整改问题，啥时候改，改成啥样，都不知道

以上都不知道，自然没法把分析逻辑和业务结果联系起来，经验也没法积累。

这就好比一个人，既没有淋过雨，也没有医学常识，每天坐在空调房里敲键盘。你去问他淋雨了不舒服会怎样，肯定是问不出个所以然的。

想这一步困境，懂医学常识是必然的——就像医生诊病，不见得医生非要把所有病都得一遍，但是懂医学理论，就能有条理的诊断病情。

当然最好的状态，是建立起：设定数据指标→数据监控过程→数据预警问题→分析问题→探索对策→进行测试→验证假设→总结经验→循环监控的流程。

很多同学羡慕的所谓“大厂经验”，其实只是这套流程运转的比较顺利而已：

三、更复杂的思路，这样想

然而只懂医学理论，还成不了真正的医生。

因为现实中能一见到医生，能清晰的说出：“自己从27号开始发烧，已经持续到今天，期间体温没下过38度，27号淋了雨，没有其他症状，没有喉咙痛”——这样理性、清晰的病人少之又少。

真实的病人总是一进门只会哼哼：诶呦，诶呦，诶呦，医生啊，我浑身难受啊，快救救我啊！

医生问：到底哪难受？

病人：全身难受……

(╯‵□′)╯︵┻━┻

这时候咋办？

医生只能从0开始沟通：

• 问家属：“到底他哪里不舒服？”
• 查病历：“之前有什么病史？”
• 做检测：“测个体温/验个血/拍个片看看？”
• 问行为：“吃了什么？去了哪里？”
• 做测试：“我按你这里，会不会更疼？”

一步步逼近真相。

这里不全是医学知识，更多是沟通的技巧和推理逻辑。

陈老师见过的专业的医生，不但只谈病情，连医保政策、家庭收入、亲子关系都会很耐心的和病人沟通。这些因素跟病情没有关系，但跟病人看病花的钱、时间、精力有直接关系。最后都会影响看病效果。

数据分析工作和这种情况非常类似。

因为业务部门自己是那个在雨里狂奔的人，啥时候淋湿的，淋湿了啥感觉，他们比数据分析师更早感受的到。就像得了感冒很多人选择自己扛过去一样，很多业务部门也喜欢选择：自己扛过去。所以最后到数据分析师这里的问题，往往是“诶呦，痛痛痛，我也说不清楚”——因为说得清楚的早自己处理了。

这就意味着，数据分析师也要像医生一样，不但会加减乘除，更得会望闻问切，才能切中问题要害。

好的问题梳理，是成功的四分之三。问题能理的清楚，后续的推进就能非常省心省力。

四、更深层的问题

当然，只会喊：疼疼疼的病人还不是最讨厌的，起码他有治病的意愿，还能沟通。

以下这几类都更加讨厌，而且很凶险：

1. 经验主义：医生请直接给我感冒药！我有十八年感冒经验，你诊断的和我经验不符
2. 拒绝面对：我人来的时候还好好地，怎么到你这就病毒感染了呢！
3. 拒绝投入：你必须不花我一分钱，不验血不拍片还能诊断对咯！不然你就是骗子！
4. 篡改数据：自己偷偷吃个退烧药，然后测体温的时候36.7度，蒙混过关……

看病的时候拒不配合的是这些人，病死了砍医生的也是这些人——这些医闹是最讨厌的，最可恶的。

数据分析师同样会遇到这样的问题：

1. 经验主义：老夫从业20年，不符合我的感觉的都是错的！
2. 拒绝面对：谁说我做的不好！我不做业绩更差/全行业都不好！
3. 拒绝投入：项目上线要快，所以埋点就省了吧/数据治理太麻烦，业务要快！不搞了！
4. 篡改数据：人为刷流量、刷阅读/活动规则留薅羊毛的空间/改目标、参照组

当然，这些人会怪到数据分析师头上，说：“都是因为你不能准确、全面、客观、深入、清晰的分析，你都不会用人工智能阿尔法大狗子！”很多同学遭遇这样的刁难，也会问：“该怎么 分析呀”。

注意：这已经不是分析思路的问题了。现在的问题是，这些人胡搅蛮缠，试图甩锅。用理性、正常的逻辑和他们无法沟通。这时候需要的是对付敌人的手段。

具体来说，是如何推进项目的战术。

所以真遇到这些人，请不要怀疑自己的思路出问题，而是看怎么趋利避害，争取一个好结果，至少不白白背锅。

五、小结

建立分析思路的基本流程是：

1. 观察现象（市场口碑、业务反馈、指标变化）
2. 结合原理（业务逻辑+分析逻辑）
3. 做出推论（建立假设）
4. 采取行动（基于假设，采取业务动作）
5. 验证假设（检验结果，积累经验）
6. 进一步分析（持续监控）

建立分析思路，需要的辅助是：

1. 有良好的数据采集、数仓建设、数据治理基础
2. 有良好的业务沟通机制
3. 对业务逻辑有基础了解
4. 能观察到业务行动的结果
5. 区分非技术问题，区分恶人/善人

#专栏作家#

接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议