為什么你學完了68個Python函數，卻依舊做不好數據分析？

數據分析老鳥都知道，相比于自己作出好的數據分析報告，“教別人如何入門數據分析”這事情簡單多了。

什么for循環(huán)呀，def函數呀，print輸出呀，自變量a賦值呀，字符串和數字的轉換呀；什么相關分析呀，回歸分析呀，方差分析呀，聚類分析呀，判別分析呀，決策樹分析呀等等等等。

函數太多，方法太多，套路太多，技巧太多……

可現實是，大多數的人，聽了無數道理依舊庸碌一生，學完68個Python常見函數卻依舊做不好數據分析。

這很正常，因為我們依舊太年輕，數據分析并沒有那么簡單。

本文不屬于具體的數據分析技巧，而是如何積累數據分析經驗、提升自己邏輯思維能力的建議，希望你能盡情釋放自己對數據分析的激情。

做一個數據分析精分人

好的數據分析師，會從市場需求的角度進行分析。所有的數據分析都是有市場目標的，而你要學會從數據的維度對目標做拆分，用數據落地目標。

作為一個月薪6000的數據分析師，如何為百萬甚至千萬的項目提供數據分析方向指導？

項目投入產出需要如何調整？推廣費用如何分配？市場走向如何預測？

C君認為，關鍵點在于“學會用市場檢驗你所做的數據分析”

1、用數據拆分目標

想做好數據分析，第一點就要明確目標，用數據的方式理解你正在做的業(yè)務，需要面臨的問題。進而用數據拆分目標，對目標進行細分，確定數據處理問題的優(yōu)先級。

注：本案例數據純屬舉例，不具備參考價值

以2018年CDA課程銷售業(yè)績?yōu)槔?，假設2018年CDA課程銷售的業(yè)績?yōu)?000萬，那么作為數據分析師，就要學會細分2018年的業(yè)績指標，細分到一個季度250萬的業(yè)績指標，每個項目承擔多少的銷售指標，然后再繼續(xù)拆分到每門課程（例如CDA等級班、CDA脫產就業(yè)班、CDA周末班、CDA大數據就業(yè)班、CDA區(qū)塊鏈學院等），每門課程需要承擔多少的銷售指標。

2、用數據論證觀點

分解完目標，就要去一步步落地，然后自己在整理數據過程中，逐步形成自己對數據的認知，從中獲得點狀的啟發(fā)。而在收集數據和整理數據的過程中，最主要的是要形成認知，通過認知對比信息，或者通過建模和數據挖掘來論證所需變量和自己的業(yè)務之間的關系。

當你再執(zhí)行2018年度的計劃之前，首先要整合2017年甚至2016年的數據，從這兩年的數據中提取信息，形成自己對2018年規(guī)劃和推廣的認知，并找到各個渠道推廣成本和收益關系，找到自己對2018年規(guī)劃中如何進一步優(yōu)化項目的推廣渠道和減少推廣成本，決定CDA數據分析師2018年課程推廣的重點方向指導。

3、用數據提出建議

基于之前的認知分析和建模論證等，你已經形成了自己數據分析的結論，還需要你根據具體的業(yè)務方向，項目具體情況，將結論抽象成和業(yè)務協(xié)定的建議。

通過2017年和2016年的收益與成本比，整理推論出的結果表明，CDA數據分析課程在推廣的成本最高，收益能達到最優(yōu)。

4、用數據表達觀點

前面講了全部都是理論層面的東西，最后呈現給老板的必然是數據分析報表。這時候展現出了數據分析師的表達能力，如何深入淺出的講述自己的報表，是自己數據分析是否落地的核心。

此處C君借助別人家的報表進行簡單分析給大家提供一個簡單的模板，供大家參考。

首先，你需要根據活動目標確定你的目標達成率，完成百分比，提升百分比。

評定某次活動的成果，首先要注明目標情況，如：

CDA數據分析師公眾號目標 10W+粉絲，1月粉絲1W，完成率90%，同比提升20%等

其次，你需要有充足的數據支撐，核心的數據走勢圖（一般適用于月報）

在這張圖里，要對每個數據的拐點做分析，比如圖中1月17日的數據之間增長有明顯提升，你需要分析這個波動形成的原因，你需要找到并寫在報告里。

再次，接下來進行粉絲分析，粉絲來源如何分布，不同渠道的流量轉化率情況

粉絲量漲了，但是為什么粉絲會漲？要找到是哪個渠道帶來的粉絲，為什么漲了？接觸公眾號的人都知道，公眾號粉絲的來源分為公眾號搜索、掃描二維碼、圖文頁右上角菜單、圖文頁內公眾號名稱、名片分享、支付后關注、其他等幾種來源方式，你要做的是將幾個渠道進行分析，最好能制作出餅圖，更好的展現出各個渠道粉絲占比。

注：圖為CDA數據分析師一天粉絲數據，不具備實際參考性

由上圖可以明線看到該天公眾號的粉絲來源中公眾號搜索與圖文頁內公眾號名稱為主要來源，兩個的占比都接近35%，則意味著我們有必要修改渠道的投入比例，優(yōu)化粉絲增長。

最后，改進及優(yōu)化

根據上面簡單的數據分析，大致了解了粉絲增長的一些規(guī)律和技巧，為以后的粉絲增長進行了經驗的積累，不斷的沉淀更新升級，走上數據分析的升級打怪之路。

切忌盲目迷信數據

最后，要明確一點，數據不是萬能的。

第一點，在數據量不充足的情況下，數據只能作為參考，不能真正的適用于正常市場業(yè)務的判斷，通常這點適用于初創(chuàng)公司；第二點，切忌深挖數據分析單一指標，而應權衡各個指標合理分析，否則耗時耗力，事半功倍得不償失。

最后，祝你成為一個對數據了若指掌的互聯(lián)網人。