广义典型相关分析_归因数据分析体系简介

1. 混乱

数据分析是一个高度碎片化的职业.

• 有的只负责建表 + 取数
• 有的每天做 PPT, 向上汇报
• 有的做了个看板, 就转岗到 "数据产品"
• 有的爱谈 "业务", 没写过代码
• ...

而分析方法, 多数比较 "野". 不同的业务背景下, 差异可能很大. 某个领域的资深分析师, 换一家公司就可能无所适从.

我觉得, 不能用 "从业务实际出发" 这类的论调, 来美化这个现状, 而是要面对现实.

现实是:

• 分析师的工作内容, 标准化程度较低.
• 整个行业缺少体系化的数据分析方法论.
• 现役分析师, 有不少缺乏专业知识.

于是, 在很多领域积累的方法, 并没有被充分发现和利用. 从而只好 "从业务实际出发", 重新编一些方法, 而这些方法的严谨度和通用性有限, 却被广泛流传. 一个典型的例子是: Magic Number.

(先得罪一些 PM, 以后再解释)

2. 秩序

分析师的很多工作, 都可以体系化. 体系需要抽象, 从抽象出发, 去寻找有效的方法.

注意, 体系 ≠ 限制创意. 我认同, 分析师一个 "自由度很高的职业". 但过度自由, 就会泛化不足, 缺少沉淀.

要克制变 "野" 的冲动...

3. 下一步

3.1 搭一个框架