数据分析已然成为了大数据/AI时代各个岗位的通用能力或者技能。为了保持竞争力，任何人都有必要用数据分析能力武装自己：利用数据思维分析问题，依靠数据支撑决策。
由于“数据分析”是一门综合学科，相关的知识点繁杂不一，在小飞象社群里和许多群友的交流的过程中，我们发现许多数据分析初学者会有一种不知如何开始的迷茫感。
因此，木木自由号主木兮与数据分析星球号主-朝成、饼干哥哥数据分析号主-饼干一起调研、收集、采访、梳理、汇总、整理了很多关于数据分析的高频问题。然而，大家都知道《西游记》中孙悟空会 72 般变化，《列仙传》中给出的神仙也是 72 位，传说中黄帝战蚩尤也是经过了 72 战才胜利。可见人们对“72”这个数字的认知和接受程度较深。
所以，我们提炼出了关于数据分析 72 个核心问题，沉淀出了完整的数据分析能力知识体系，帮助大家全面认识“数据分析”。
并经过两年有余，经历了无数次的增、删、改、查，校验，重构等，终于和大家见面了：《数据分析手记-数据分析72个问题精解》
数据分析师胜任力模型，包括底层认知、业务场景、能力三板斧三个部分：
首先，底层认知是对数据的基本认知，强调数据思维的应用。
其次，业务场景指的是“只有对业务有足够的理解，才能开展分析工作”，而这里
包括了用户、产品、场景三个方面。
最后，才是硬实力对应的能力三板斧，包括工具技术、项目能力、思维方法。
底层认知、业务场景、能力三板斧共同铸造了完整的数据分析能力，相辅相成，而本书则是围绕着它们展开介绍。
本书第 1 章主要讲解数据分析中的底层认知。在建立数据分析思维之前，应该先在底层认知达成共识。什么是认知？是对事物底层逻辑的了解，是对世界万物的判断。认知的本质就是做决定，也就是说，为了帮助判断数据分析中每个决策的有效性（选择什么指标、分析方法？接下来做什么？等等），需要先建立底层认知。
本书第 1 章通过 11 个问题对数据分析的底层认知进行详细的讨论。这一步，我们需要对数据分析的概念进行讨论：数据分析是什么？数据分析的价值点在哪里？
（1）数据分析是什么？
大家在求职过程中会发现，同样是数据分析师岗位，但是面试的内容千差万别，有考查机器学习、统计学等专业能力的，也有考查市场 / 行业分析的，还有考查产品分析的。此时就有读者问，这些真的是数据分析该做的吗？
我们从字面上拆解，数据分析 = 数据＋分析，进一步拆解：
▌数据能力 = 统计学＋机器学习 ＋建模能力＋ 工具使用 ＋……
▌分析能力 = 经营分析＋ 用户分析 ＋产品分析 ＋……
这就是认知上的偏差：当一些读者认为数据分析就是用 Excel 做表、用 Python 写脚本、用机器学习建模时，其实求职市场对数据分析师的要求更为完整。
既然说数据分析 = 数据 + 分析，那分析的本质是什么？当我们在谈论“分析”时，
一般会谈论以下几点：
● 发生了什么—追溯过去，了解真相。
● 为什么发生—洞察事物发生的本质，寻找根源。
● 未来可能发生什么—掌握事物发展的规律，预测未来。
● 我们该怎么做—基于已经知道的“发生了什么”
● “为什么会发生”“未来可能发生什么”的分析，确定可以采取的措施。
分析的本质，即面临各种问题时，能通过数据找到问题，准确地定位问题，准确地找到问题产生的原因，为下一步的改进找到机会点，也就是所谓的“数据驱动”。
在数据分析相关岗位求职的过程中，读者会发现有许多不同的职位名称，这些职位有什么区别联系？详细内容可参阅“第 6 问：数据分析领域主要的岗位有哪些？”
回过头来看，数据分析到底是什么？我们认为，数据分析是一个利用数据能力做分析的过程：发现问题，分析原因，然后给出落地建议。这还是一个“解构”的过程：从整体到局部，从一般到特殊，从面到线到点，不断下钻剖析，找到具体可落地的点。
同时，也是从业务到数据，再回到业务的过程：起点是业务需求，需要专业分析师转换为数据问题，最终的分析结论需要回到业务场景中落地。
在这个过程中，数据分析师需要借助指标，甚至是多指标编制的指标体系进行业务洞察。本书第 3、4 问将围绕指标展开论述。
（2）数据分析的价值点在哪里？
社群中，经常会看到关于数据分析师价值的讨论：数据分析师天花板很低。还有
一些劝退数据分析的文章。这些脱离场景、只讲问题不讲解决方案的内容除了徒增焦虑外，别无用处。
为了更好地了解数据分析的定位，有必要对其起源进行讨论，只有了解为什么市场会产生数据分析师岗位的需求，才能清楚这个岗位在业务运营中的作用定位。（详细内容可参阅“第 2 问：数据分析是怎么来的？”）
在业务运营中，定位是重要的起点，理解数据分析价值在企业如何落地，能帮助读者解疑答惑。（详细内容可参阅“第 9 问：数据分析的产出价值是什么？”）
数据分析是一个从业务需求出发再回归业务的过程。目的是强调业务场景的重要性：脱离业务场景的分析往往无法落地。
根据业务经验，我们总结了一套便于理解的模型：业务场景 = 用户 + 产品 +场景。
也就是说，要理解业务，就要了解用户，熟悉产品，明确分析所处的场景。它们决定了分析的目标、处理逻辑以及落地建议。此部分在第 60~63 问有更详细的介绍。
对数据分析有了底层认知、了解业务场景后，就需要有看得见、摸得着的“招式”来行动：通过思维方法、工具技术和项目能力这三板斧组成不同的招式以应对多变的问题。
经常看到有人说数据分析如做饭，如果是这样的话，工具技术就是铲子、铁锅、勺子等器皿，思维方法就是切配、烹饪、打荷等手法，项目能力则是最后的装盘上菜。
（1）思维方法。
本书第 2 章主要讲解数据分析中的思维方法。很多人学做饭，可能是因为在抖音或 B 站看到某个美食视频，然后就开始按照视频展示的步骤备料烹饪。这个过程，也就是数据分析中学习思维方法的过程。数据分析要先有思维方法，才能谈得上分析。
刚开始学做饭时，通常先学基础的煎、炒、炸、烤、煮、蒸、焖、拌等烹饪方式。这些基础的能力在数据分析中就是统计学、相关分析、归因分析等通用分析思维。正如美食有八大菜系，分别满足不同地域人群的口味，数据分析在不同场景下，也有不同的“分析招式”来满足不同的业务需求：
● 用户分析：同期群分析、漏斗分析、RFM 用户分层模型等；
● 产品分析：竞品分析、帕累托分析等；
● 商业分析：PEST 分析、SWOT 分析等；
● ……
（2）工具技术。
本书第 3 章主要讲解数据分析中的工具技术。习得了做饭的方法后，就可以选择几件趁手的器皿，来提高烹饪效率。之所以不是先选择器皿再研究做饭流程，是因为工具始终是工具，完成同一个目标或许有多种工具可以实现，再不济用原始的土灶也能烧饭。对于部分复杂的烹饪需求，则需要选择特定的器皿才能完成。
对于初学者而言，建议学习“高性价比”的分析工具，如 Excel、SQL、Python、PowerBI 等。
（3）项目能力。
本书第 4 章主要讲解数据分析中的项目落地。
菜做好后一定要及时出锅、装盘、上菜，项目能力强调的是数据分析项目在业务侧的落地。理论的分析方法如何在业务场景中落地赋能，如何体现数据价值，这是很多企业数据团队在讨论的课题。
首先，理解并刻意练习落地思维对数据分析价值的体现大有裨益（第 54~57 问）。
其次，学习实际场景中数据分析如何落地驱动业务的案例，能为实操提供参考（第64~67 问）。
数据分析项目价值落地的“最后一公里”是报告呈现，学会用数据讲故事，横向跨部门沟通、向上汇报都依赖结构化思维，“报告呈现”（第 68~70 问）会有详细的讨论。
如何使用本书？——搭积木玩法玩转本书
对于从0到1的入门学习，重要的是要先建立对该领域的认知框架，再逐步进行知识的汲取。对于数据分析初学者而言也同样如此，这样的做法有如在学生时代学习时，老师根据教学大纲给学生授课，学生基于考试大纲进行复习应对知识考察。
本书说不上是数据分析领域的权威大纲，但内容是基于作者团队多年实战经验沉淀的知识框架。如何入门数据分析师？以初学者的高频问题为线索，设计了72问结构。读者可以通过“搭积木”的玩法来使用本书。并围绕着该数据分析师胜任力模型，针对不同方面的内容进行学习与实践。
详细内容
联系客服
