互联网大厂都在谈的数据思维，到底怎么建立？

　　从数据概念兴起至今，毫无疑问数据已成为全世界最重要的资源。著名咨询公司麦肯锡曾对全球多家知名且快速增长的企业进行分析，发现这些公司的一个重要共同点就是数据能力很强，且能够充分发挥数据的价值，赋能企业增长。那么数据的价值究竟是什么？
　　数据的价值对公司来说是核心，对人来说也是极其重要的，具体从两个方面来看：  数据是关键性决策的基础依据  数据是效果复盘的唯一可衡量性依据
　　数据对于职场人员来说，就像是在海洋中迷失方向的指南针一样，能够精准的为后续工作指明方向。但是对于没有接触过数据的新人，别说应用数据，他们甚至不具备数据思维。
　　只有我们具备了明确的数据思维，掌握了数据获取和分析数据的方法论，才能解决工作中的问题。
　　01、到底何为【数据思维】？
　　数据分析技能大同小异，而思维决定高度。数据分析包括数据运营，为了推动业务增长或其他分析目的需要去发现挖掘更多与结果相关的数据维度。所以数据分析不只是数据处理分析过程，还有前面未知的探索。
　　简单来说，所谓的数据思维终极目标是让数据呈现出画面感，而不是一堆堆冰冷的数据指标。
　　假设我们现在需要投放广告，广告投放的目的无非就是吸引更多的用户，最终实现营销转化，但同时也要注意其他的信息。比如：  广告是否按时投放？  广告的投入与产出是否成正比？  媒体/广告公司承诺的量是否达到？  媒体/广告公司出示的数据是真实的吗？
　　广告效果指标分很多，每一种监测指标反映不同的数据效果。比如：到达率反应广告效果有没有达到广告公司的承诺；广告受众、地域分布反应投放的区域受众人群是否正确等。
　　同时投放的维度不同监测的指标也不同。比如以推广品牌为目的重点关注曝光量 ；以引入流量为目的重点关注到达量、关注量；以引导用户参与活动为目的重点关注转化量。
　　如果你做活动或者广告投放，但是缺乏数据思维的话，可能最后的效果会很差。如果你懂得去深思数据背后的故事，那么数据所呈现出来的画面感会让你重新认识数据，从而去运用数据，做出准确的判断。
　　由此可见，拥有清晰的数据思维才能够深挖问题的本质，而不是我们只看到的表象。我们想要培养数据思维，需要具备以下几点：  掌握业务常识和数据逻辑判断能力；  培养数据敏感度和数据解读能力；  构建数据分析法和问题分解能力；  加强数据处理能力和模型算法知识能力。
　　02、业务视角下的数据思维？
　　业务分析的流程一般是这样的：  吃透业务的分析需求，系统性地引导业务分析  建立分析体系，不完整的地方，有业务帮忙补充  了解业务逻辑和模式，补充业务知识  分析结论和成果要有明确的业务指向
　　1、吃透业务分析需求
　　所谓吃透分析需求，就是对业务的需求进行深入理解，一方面是看需求是否合理，另一方面是对需求的全面思考。
　　先想清楚，业务的需求真的需要解决吗？真的重要吗？真的能实现吗？真的有价值吗？要对业务提出的需求进行深度挖掘，直到这个需求真的对其有价值。
　　其次，业务的需求往往是某个具体问题，零散而片面，所以我们要进行系统化的、全面的需求分析，从全局的角度引导业务分析需求。
　　2、建立分析体系
　　确定分析指标：首先是指标先行，梳理出你需要的指标，建立起指标库，原则是要确定核心指标、剔除虚荣指标、尽可能简化指标；
　　生成需求指标：很多指标可能并不是直接就有的，比如重度访问用户的占比，就需要组合访问时长和UV这两个指标，形成一个新指标。
　　建立分析框架：原则是要从指标的角度出发、从业务的角度出发、从流程的角度出发。
　　3、了解业务逻辑
　　把分析体系搭建起来后，与业务部门一碰撞，发现还是不能完全满足需求。这种问题，本质上业务逻辑却是，由三部分构成：  假设：业务方对问题的猜想。  证据：能支撑猜想的论据，包括数据、事实、逻辑推理等。  结论：基于假设+证据，论证产生的业务结论。
　　当明确了分析什么样的指标、满足业务什么样的需求后，我们就要考虑整个业务的模式和逻辑，要关注用户角色、运营角色、信息、渠道等，以及他们之间的流转关系，以求用最高效的方式满足户需求。
　　4、分析结论和成果要有明确的业务指向
　　业务人员看你的分析结论，是要能够马上采取对应行动的，这才是数据分析的根本目的。因此你的分析结论切勿罗列数据结果，一定要有明确的指向性。
　　就拿报表需求来说，你的报表分析没有任何的逻辑，没有回答业务的疑问，没有加入业务的思考，就完全是一张废纸而已，业务想要的其实只有一句话：＂我该怎么办？＂
　　所以，做数据分析，要从具体问题出发，到一个指向业务的行动结束。想要超出业务期望，当然得了解具体业务期望是什么，解答他们的问题，帮他们发现更深层的问题。
　　（本段内容转载自知乎：李启方）
　　对于没有业务思维指导的数据分析只能是一张废纸，这一点对于刚刚入门数据分析的新手来说，尤其要注重积累和培养。