想必大家都清楚，資料分析是一個入門簡單，深入難得行業，隨著現在技術、工具的發展，很多人拿到資料後，直接輸入到特定的環境下就可以快速得到想要的資料，比如一組訂單資料，放進excel透視一下就可以知道什麼時間下單多，哪些地區下單佔比好，什麼地區的人喜歡購買什麼樣的商品，只要會excel，相信你一定能快速得到以上幾個資料，但是很少人會去思考這個資料要如何用？
比如你可以快速知道下單集中在晚上10點，那你要做什麼？思考過嗎？
晚上10點可以做很多事，比如：
要提高成交，就要思考，分析的樣本是否可以代表總體的行為，是不是總體使用者也是這樣的下單習慣？地區之間有沒有顯著差異？
要提高客單價，就要思考已購多品類使用者與已購單品類之間的關係，品類之間有沒有相關或者關聯性，是使用者需求導致？還是營銷活動導致？還是產品本身屬性導致？等等
要提高復購率，思考要不要針對已購行為的使用者做商品推薦？推薦什麼？依據是什麼？已購定義的時間視窗如何劃分，效果更好？近一月還是近14天？
要提高首次購轉化率，思考他們喜歡什麼？最近的熱門產品是什麼？如果push的話轉化的機率多大？等等
體會到了嗎？要做一個數據統計的機器人很簡單，你只要會操作工具即可，但要做一個用資料的高手，你會發現有很多環節要思考，去用資料去驗證、假設、推理
我接觸很多人3年甚至多年的時間都僅僅停留在入門，但他們自我感覺是資深，仔細想一想以下六類人可能不適合做資料分析。
1、不善於思考的
其實資料分析的精髓在於思考，無論是出報表、還是做報告，其實都是希望透過這些看似雜亂無章的資料給我們帶來一些價值，而這個價值的衡量的出發點其實就是思考，簡而言之，就是你要用資料幹什麼？等有一天你想清楚了這個問題，你的思維也會變得更有邏輯。
比如領導讓你出一份經營分析報告，那你就要思考，由下往上思考，整體會涉及哪些指標，這些指標背後的含義是什麼？這些指標能不能分類？分類的標準是什麼？比如分類的標準是整體收入、發展趨勢、使用者表現、品類管理、庫存狀況等，然後再思考，例如整體收入這塊，我要用這個分類的那些指標做對比、哪些做預測、那些做結構，分別要告訴決策者什麼問題，目前好不好的問題？未來好不好的問題？現在現在的狀態問題？這一來二去雛形不就有了嗎？這種方式相對而言，難度較大，要會歸納總結，還要會給一級、二級、三級框架造詞，說人話那種。
還有一種是由上而下，這類思考取決於分析師的專案經驗，做過的話，很容易提煉出誘人的大綱，再根據大綱敲定每個部分的分析框架，然後去思考選取那些指標，什麼樣式的分析方法更能傳達你要表達的資訊，這類企業很喜歡，來了有是成熟的模版，直接幹活。
2、太相信假資料的
很多時候你會發現，當你看一份報告的時候，你被別的的ppt水平、視覺化技能、文字的巧妙所吸引，而很少會思考，資料採集的方式是什麼？是否能夠代表整個行業？指標提煉的邏輯是什麼？與我想要的有什麼區別，可信度是多少？
對於超出自己範圍的資料要多渠道去驗證，不能盲目的信從，比如媒體報道中的資料，什麼離婚率、就業率、薪資等，要多來源驗證、追問、質疑，有人會說，研究這些和我做的業務沒關係呀，其實不是，這是一種對待資料的態度和習慣。
比如當你計算一個kpi完成率時，你會發現很多指標年年都好，但最終的財務指標基本沒有任何變化，為什麼？你質疑過嗎？
考核的指標一般都是層層下壓，為了完成kpi，基層也是絞盡腦汁。正所謂上有政策下有對策，執行中必然會被扭曲。
尼爾·波茲曼說過：過去人們是為了解決生活中的問題而搜尋資訊，現在是為了讓無用的資訊派上用場而製造問題。
3、不善於溝通的
資料分析師常常在程式設計師、決策者之間進行徘徊，上游是決策者，下游是程式設計師，要是沒有有效的溝通，你很理解決策者到底想要什麼？要是沒有溝通你很難得到自己想要的資料形式？有資料和給你什麼樣式的資料差異很大的
我見過很多人分析的框架和決策者想要的結合很完美，但找程式設計師要資料時，傻眼了，自己挖了個大坑，想分析沒資料。
也見過很多人未能和it準確有效的溝通，提出來一張自己用現有能力無法玩轉的一張表。
更見過很多元資料理解的很清楚，但輸出分析框架時，受現有資料資源影響過大，打不開思維，導致輸出與決策者完全不符的分析結果。
這是一個博弈的過程，一定要溝通，決策者的問題是沒有邊界的，但你、決策者、it之間的溝通是可以讓其有邊境的。
4、動手能力差的
有2個方面，一方面是自學路上動手能力差，比如工具類的問題，經常問來問去，其實有時候自己動手搜尋一下，你會發現世界真美好，這是搜尋的強項，人腦記憶肯定幹不過電腦。
另一個方面是自己缺乏練習，很多人學課程，看書，從來不自己操作，老想尋找一些面試題、某企業級資料集拿來分析一下，看看自己的水平，要對胃口的資料集其實很少的，即使有，也是美化版的，很多綜合性的演練你還是學不到的，還不如隨便爬一些資料，越亂越好（對練習工具操作有巨大好處），然後在現有資料的基礎上看看可以分析出什麼？希望告訴別人什麼？需不需要再補充一些資料，讓結論更有說服力，更細緻一些。
要是僅僅是看，那你確實不適合做資料分析
5、連excel都用不好的
有人會說，你胡扯吧，我們都用python，我只能告訴你，你還是沒有清楚認識到資料分析，沒有python前，大家都不做資料分析嗎？請好好思考一下
如果你仔細觀察，你會發現5年以上的資料分析師，90%都用的excel，10%的工作環境可能是python、sql、spark、kettle等。
不是所有人，所有分析師都要面對所謂的海量資料，目前的趨勢已經是資料統計智慧化了，部分做專題分析會複雜一些，但一般大的專題是要一個團隊一起完成的，比如簡單的決策者+業務+it+分析師，所以很多時候it是可以幫你搞定的，會有人問，自己要是會的話，不是更香？那就要看你喜歡工具帶來的快感，還是升職加薪帶來的成就感了。
6、從來不復盤的
資料分析是一個很難成長的職業，有的人入行很多年還用的是入行時的那套分析邏輯，為何？
一直沒找到自己不對的地方，今天看點文章覺得思路好，下次加進報告，明天又看一個課程說的這塊不錯，下次再改進一下，但你有沒有想過，你的這些舉動其實是在消除焦慮，怕自己跟不上時代。
好的分析經驗一定是覆盤出來的，分析最終都是要看療效的，那其實做業務分析的可以很直觀看到自己輸出對關鍵指標的影響。
這時候可能會有一部分人說，我是做運營分析的，我如何覆盤？做運營分析的目的是什麼？發現問題，那發現問題的目的就是儘量讓這個問題按照我們的線路走，變的可控，變的可確定，那是不是需要一套跟進的流程和監督方式呢？另外發現問題與發現好問題，這也是一個值得覆盤的方向。
這裡面我始終沒有說學歷、專業、性別，在我看來這些都不是最關鍵的，分析思維是人類天生都有的，就看能不能激發出來。
﹣你去買菜會考慮走那條路吧？路徑分配分析
﹣你去買菜會做價格對比吧？參照物分析
﹣你去買菜會考慮買什麼吧？需求分析
﹣你去買菜會看別人買什麼吧？使用者分析
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
