1.1.2 数据分析的流程与思维
数据分析应该以业务场景为起始点，以业务决策为终点。那么应该先做什么、后做什么呢？基于数据分析师的工作职责，数据分析的流程如图1-2所示。
图1-2 数据分析的流程
数据分析的基本流程及工作重点如下：
· 挖掘业务含义：理解数据分析的业务场景是什么。
· 制定分析计划：制定对业务场景进行分析的计划。
· 拆分查询数据：从分析计划中拆分出需要的数据。
· 提炼业务洞察：从数据结果判断提炼出商务洞察。
· 产出商业决策：根据数据结果洞察制定商业决策。
在分析实际问题的过程中，思维可能会出现缺失的现象，如图1-3中所表达的一样，往往不知道项目中遇到的问题从哪里下手解决，这就需要提高数据分析的思维。
图1-3 分析过程的思维困境
1．结构化思维：多维度分类
结构化思维可以看作是金字塔思维，把需要分析的问题按不同方向去分类，然后不断拆分细化，从而才能全方位地思考问题。一般先把所有能想到的想法写出来，再整理归纳成金字塔模型，可以通过思维导图来阐述我们的分析过程。
例如，现在有一个线上销售的产品，发现2020年12月份的销售额出现大幅度下降，与去年同期相比下降了10%。首先可以观察时间趋势下的波动，是突然暴跌还是逐渐下降，再按照不同区域分析地域性差异。此外，还可以从外部的角度分析现在的市场环境怎么样。具体分析过程如图1-4所示。
图1-4 结构化思维
2．公式化思维：数据的量化
在结构化的基础上，分析的变量往往会存在一些数量关系，使其能够进行计算，将分析过程进行量化，从而验证我们的观点是否正确。例如企业的销售数据，公式化思维如图1-5所示。
图1-5 公式化思维
3．业务化思维：业务是基础
业务化思维就是深入了解业务情况，结合项目的具体业务进行分析，并且能让分析结果落地。用结构化和公式化思维得出的最终分析结果在很多时候表现的是一种现象，不能体现原因。所以需要继续用业务的思维去思考，站在业务人员的角度思考问题，深究出现这种现象的原因，从而实现通过数据推动业务的目标。
提升业务思维的主要途径：
· 贴近业务：常与一线的销售人员进行交流与沟通。
· 换位思考：站在业务人员和用户的角度进行思考。
· 积累经验：从成功和失败的经历中总结业务特点。