本文作者：张溪梦， GrowingIO  创始人 & CEO，原 LinkedIn 商务分析高级总监。张溪梦先后服务过EPSON、eBay、LinkedIn 等硅谷明星企业，有着 14 年的数据分析、用户增长经验，曾被美国 Data Science Central 评为 “世界前十位前沿数据科学家”。

回国创业两年多来，不断有朋友、客户、合作伙伴问我关于数据分析的问题。我发现大家对于数据分析的好奇心、求知欲非常强，这是一个非常好的趋势。但是问题也很突出: 大家对于数据分析的认知和理解支离破碎，缺乏一个整体的、系统的思维框架 ;大家的视野更多局限在数据报表、BI 系统、广告监测等领域，对于数据以及数据分析其实是缺乏深层次洞察的。

借这个机会和大家分享一下我过去十多年的数据分析体会，希望看完这篇文章后，你对数据分析所需要的能力有一个系统性的认识和提升。

一、数据分析能力体系的三大层次

用中国的文化来定义数据分析所需要的能力，我把它总结为为“道”，“术”、“器” 三个层面。

图1:数据分析能力体系金字塔第一点，什么是“道”?道是整个体系的基础，指的是大家对数据、对数据分析的理解和认知，是价值观层面的概念。

第二点，“术”是什么?术是指方法(论)，做数据分析需要掌握一套科学的方法，下面我会有具体的介 绍。

第三点，“器”是什么?器是指工具，没有工具的话数据分析只能是空谈、无法落地。

二、道:数据分析的价值观

上面我介绍了:“道”指的是价值观，即如何看待数据分析的价值。要想真正吃透这一点，必须在价值认同、工作定位和商业模式三点上取得突破。

图2:数据分析的价值观做好数据分析，首先要认同数据的意义和价值。 一个不认同数据、对数据分析的意义缺乏理解的人是很难做好这个工作的。

（一）数据分析的价值认同

做好数据分析，首先要认同数据的意义和价值。 一个不认同数据、对数据分析的意义缺乏理解的人是很难做好这个工作的。 

放到一个企业里面，企业的 CEO 及管理层必须高度重视和理解数据分析的价值。 你想一下，如果老板都不认可数据分析的价值，那么数据相关的项目在企业里面还能推得动吗? 然后，企业内部还需要有数据驱动的公司文化。如果大家宁可拍脑袋做决定也不相信数据分析师的建议，那么数据分析往往是事倍功半、走一下形式而已，反之则是事半功倍。

(二)数据分析的工作定位

做好数据分析，要对数据分析的价值有清楚的定位。 既不要神化数据分析，把它当做万能钥匙;也不要轻易否定数据分析的意义，弃之不用。 数据分析应该对业务有实际的指导意义，而不应该流于形式，沦为单纯的 “取数”、“做表”、“写报告”。

在 LinkedIn 那么多年的工作时间里面，我们对数据分析的工作早已有了清晰的定位:利用(大)数据分析为所有职场人员作出迅捷、高质、高效的决策，提供具有指导意义的洞察和可规模化的解决方案。

图3:数据分析的 EOI 框架

当时我们还采用了一套 EOI 的分析框架，对不同业务的数据分析价值有明确的定位。针对核心任务、战略任务和风险任务，我们认为数据分析应该分别起到助力(Empower)、优化(Optimize)、创新(Innovate)的三大作用。

(三)数据分析的商业模式

做好数据分析，要对企业的商业模式非常了解。 数据分析的最终目的还是服务于企业的增长目标，所以 务必要对行业背景、业务含义、产品和用户有着深刻的认知 。

图4:数据在 LinkedIn 整体战略中的地位

还是以 LinkedIn 为例，作为企业增长的重要环节，LinkedIn 在产品设计之初就优先考虑到了数据的价值模式。首先是用户的增长、使用和活跃，然后产生大量的数据，最后根据数据进行业务变现(企业广告、企业招聘、高级账号等业务)和用户增长，从而不断良性循环。

“道” 是整个数据分析能力体系的基础，只有认可分析价值、明确工作定位、深谙商业模式，数据分析才能走在正确的轨道上。

三、术:数据分析的方法论

如果说“道”的层面大家接触得有点少，那么“术”就是大家经常讨论的地方了。我这里讲的 “术” 是方法，包括数据分析的流程框架、宏观方法论以及具体分析方法。

(一)数据分析的框架

在整个数据分析框架中，用户是数据的来源，也是数据分析最终要服务的对象。 整个分析框架可以分为四大层次，依次是:数据规划、数据采集、数据分析和数据决策。 从用户、业务系统，到数据采集平台、ETL、数据仓库， 再到分析、BI、DM、AI、洞察，再到决策、行为、价值，最终回到用户。

图5:数据分析的框架

上面整个分析框架中，越底层的占用的时间和精力越多，而顶层的耗时较少。从产生的价值来看，越底层的产生的价值越低，越顶层的产生的价值越高。大家想一下就会理解， 做数据分析的过程大多时间是耗费在数据采集、清理、转换等脏活累活上面，最有价值的分析和决策部分往往耗时很少。

因此，大家做数据分析应该把重心放在最有价值的分析和决策两个层面上，并且尽可能使用工具实现底层的自动化操作。

(二)数据分析的方法论

数据分析应该帮助我们不断优化营销、运营、产品、工程，驱动企业和用户的增长，而不是为了分析而分析。在这里我给大家介绍两个方法论，一个是业务上的 AARRR 模型，另一个是分析上的学习引擎。

图6:AARRR 模型

AARRR 是著名的 Growth Hacker (增长黑客)海盗法则，依序分别是 Acquisition(获取用户)、Activation(激发活跃)、Retention(提高留存)、Revenue(增加收入)和 Referral(推荐传播)的首字母简称，覆盖用户整个生命周期。

我们在进行数据分析的时候，应该考虑用户正处于 AARRR 模型的哪个部分、关键数据指标是什么、对应的分析方法又是什么?

图7:学习引擎模型

“ 学习引擎 ” 是《精益创业》一书中提倡的精益化运营方式，在硅谷被大小企业广泛采纳。

当我们有一个想法的时候，可以采用最简可行化产品(MVP)的方式将其构建(Build)出来。产品上线后，我们需要衡量(Measure)用户和市场的反应。通过分析收集到的数据，我们可以验证或者推翻我们之前的想法，从而不断学习(Learn)和优化。

(三)数据分析的具体方法

这篇文章的目的不是介绍具体的分析方法，而是为了让大家对整个数据分析能力体系有一个系统的认知，所以我就不对每一个方法进行具体的阐述。

图8:数据分析的具体方法

懂得每一种方法的原理是一回事，在业务中灵活应用又是另外一回事。以产品经理为例，可以把“用户行为 - 数据分析 -产品设计&优化 ”三位归于一体，在不断的实践应用中掌握各种分析方法的精髓和要义。 关于具体的分析方法，推荐大家看一篇我同事 Justin 的文章，其中有详细的阐述。

数据来源于用户，数据分析的最终目的也是服务于企业和用户。 做数据分析之前，一定要清晰业务目的和数据指标，选择科学的分析方法，用数据来指导产品和用户增长。

四、器:数据分析的工具篇

“ 大数据、大数据，最重要的就是数据。但数据在哪里呢?现在最缺乏的，是统一的数据采集平台!”这是很久之前我接受采访时的观点，现在仍是如此!

(一)为什么工具那么重要?

在我创立 GrowingIO 的时候被投资人拉进一个交流群，群里面是硅谷各种创业公司的 CEO。我发现群里面讨论的东西很有趣，就两件事情:一个是创业增长的方法论，另外一个就是讨论各种工具。“ 工欲善其事，必先利其器 ” 说的就是这个道理，古今中外概莫如此!

图9:数据分析金字塔

很久之前我就跟人谈起过这个问题，整个数据框架下面的部分可能花费了你 80% 的时间和精力，但是产生了不到 20% 的价值。大家都在搭建数据采集平台、都在写代码埋点、都在做 ETL、都在建 BI 系统，哪里还有更多的时间和人力来做 Analytics 和 Insight 。

以前我在 eBay、LinkedIn 工作的时候，市面上没有好的数据分析工具，我们不得不自己去部署很多的系统、建立很多的机制，甚至雇佣三四个团队去做一件事。今天市面上有很多好的工具来帮助我们进行数据分析，为了节省时间、资源(特别是成长型企业)，大家完全没有必要内部建造一套分析系统 ，应该擅用好的工具来帮助自己做数据分析。

(二)选择合适的分析工具

选择什么样的分析工具，跟你的工作岗位、分析场景息息相关。每种场景都有若干种工具可以选择，有些工具也可以用于多种分析场景，关键在于你对工具的熟悉和理解。

图10:数据分析工具汇总

Excel 绝对是最基本、最常见的数据分析工具了，对于数据量较小的情况，无论是数据处理、数据可视化还是一些统计分析都能支持。一旦数据量大了，这个时候就需要大型的数据库来支持。

市场营销人员需要对广告投放进行数据分析，网站流量监测是他们关注的重点。产品和运营重点关注用户行为和产品使用，用户行为数据分析工具是他们的首选。以前大家只关注业务数据，然而这些结果型的数据并不能告诉他们中间发生了什么、为什么发生;现在大家越来越关注精细化运营、对用户行为数据的需求也越来越高，这也是我回国创立 GrowingIO 的原因。

如果你能懂一些 R 和 Python，在数据建模、统计分析、数据科学的方向上有所发展，那么你的数据分析水平就更上一层楼了。

“道”、“术”、“器”，这三者构成了数据分析的能力体系。只有认同数据分析的价值(道)、掌握数据分析的方法(术)并且灵活应用数据分析工具(器)，才能真正做好数据分析。

版权声明：

凡本网内容请注明来源：T媒体（http://www.cniteyes.com）”的所有原创作品，版权均属于易信视界（北京）信息科技有限公司所有，未经本网书面授权，不得转载、摘编或以其它方式使用上述作品。

本网书面授权使用作品的，应在授权范围内使用，并按双方协议注明作品来源。违反上述声明者，易信视界（北京）信息科技有限公司将追究其相关法律责任。