数据分析面对不同场景的应对方案？

面对的问题不同：战略、运营

战略分析：是为了解决公司战略方向问题，回答要向哪里去的问题

• 此类分析通常比较宏观，需要分析者有大局观、有战略思维
• 所用的数据除了公司内部的数据，还需要竞品数据、行业数据。
• 战略分析的方法：需要从竞品及行业数据中发现行业发展趋势及竞品的战略定位，同时结合公司内部数据，可以发现相对于行业和竞品发展，内部在哪些地方存在不足，以此制定进攻和防守策略

运营分析：不同于战略分析，运营分析以解决实际运营问题为目标，比较微观

• 需要分析者对公司业务模式、运营细节有深入的了解
• 使用的数据以公司内部数据为主
• 此类分析最重要的是，分析结果要能够与运营结合，并能有效落

服务的部门不同：业务、数据

• 业务分析：此类分析由业务部门发起，提交给分析师执行，最终结果交付给业务部门。此类分析一般在最终的价值发现环节效率较高，问题的针对性较强
• 数据分析：此类分析由数据部门发起，最终结果视具体情况可能提高给业务部门或者管理层。由于此类分析的视角不同于业务分析，在最终的价值发现和实现环节需要与业务部门的深入沟通。同时，也正是由于视角不同，会经常发现业务部门没有发现或者忽视的问题。

如何设定分析目标

• 分析目标主要来自业务方：这种场景通常存在于业务方对业务发展有疑问，希望通过数据分析提升业务。业务设定的目标要么是对过去的业务发展做总结和诊断，希望从中发现问题；要么是基于业务的历史预测未来的发展趋势。这里经常存在的问题是，业务方提出目标往往是模糊不清的，并且通常用业务术语而非数据口径来定义。因此，这种情况下，分析师要花较多的精力做需求分析。而要做好需求分析，分析师需要具备一定的产品和业务思维，要从业务视角出发，充分理解业务的处境，才能从最根本上理解业务的需求。同时，需要对数据产生的流程和指标计算的口径对业务人员进行充分的说明。如此不断地迭代沟通，往往分析到最后，却发现已经不是原来的需求了。还有一种情况，业务对数据了解较多，会在需求中说明需要的数据口径，这种需求会被单纯地看做一个数据提取需求。即使是这样，如果希望让这部分数据更有价值，分析师也需要就其业务背景有深入的讨论，然后可以修正该需求

• 分析目标主要来自数据部门自身：这种场景下，数据部门在组织上是独立于业务部门的。但是独立不意味着可以不考虑数据分析对业务的价值。如果说实现业务价值是分析的根本原因，那么重要数据指标的变化则是数据分析的直接原因。也就是说，如果数据部门要能够独立提出分析目标，首先要有相对完善的指标监控体系。而指标体系可以分层，并且建立起各指标之间的关联关系。因此，数据部门提出分析目标可以更全面、更客观，而不局限于一隅。但是，这个分析目标的设定对数据部门要求更高：不仅要具备完善的指标监控体系，更要了解业务，所以希望大家都能成为一个了解业务，对业务有价值的数据分析师！

一个合理的分析目标应该具备以下特征：

1. 要有业务视角，能折射出业务痛点
2. 要有数据支持
3. 要量化：‘为什么产量下降了’ 和 ‘为什么产量从10000下降到了5000’ 显然后者的目标更明确