数据分析是现代企业运营中不可或缺的一部分，但如何快速提升数据分析能力，尤其是结合公司业务实现快速见效，是许多数据团队面临的挑战。本文将系统介绍数据分析能力的三个层次，并提供实用的方法和工具，供大家参考。

有同学问：“目前数据团队的分析能力偏弱，想提升分析能力，能结合公司业务，快速见效那种”…… 今天系统介绍一下，数据分析能力分三层，要一层层提升。

一、三个层次的能力要求

• 初级能力：使用SQL，Python等工具，按要求提取数据，满足看数需求
• 中级能力：基于业务流程，主动梳理指标体系，开发数据看板，用固定的数据监控取代零散的、临时的取数需求
• 高级能力：基于数据监控，主动发现业务问题，提供可落地建议，设计实验检验业务方案。做到这一步，才真正让数据“见效”。

目前网上对于初级能力的介绍非常多，包括：

• 大量刷题，提高取数熟练度
• 招聘时，将工作中复杂查询作为考试题目，筛选能做对的
• 提供样表+查询逻辑，利用AI工具，辅助SQL编写
• 建立“取数错题本”，对于统计出过错的指标反复练习

总之，熟能生巧，练多了就能打造一个合格取数工具

但是从中级能力开始，就要求数据结合业务，并且有自己的洞察。这一块网上分享很少，大多是介绍AARRR之类的通俗做法。今天就深入跟大家介绍一下

二、要点1：用标准模版取代零散提数

常见的数据分析需求有四类：

1、监控业务情况

2、分析问题原因

3、预测业务走势

4、测试业务想法

其中监控类需求最大，耗时最多。想提升分析能力，应分业务线（比如：销售、运营、产品、市场、物流……）梳理指标体系，并生成固定监控模版（如下图所示），这样能加深新手同学对业务理解，并且极大压缩临时取数工作量，把人力释放出来，才能钻研更高级的事情

三、要点2：总结业务常规走势

“做数据的，看不懂数据”是很多基础同学痛点。在建立监控指标以后，应首先了解业务考核的关键指标（比如销售收入、利润、新用户数、活跃用户数等）的常规走势

这里有三类规律要特别关注（如下图）：

• 自然周期：指标是否和季节变化、节假日有关
• 生命周期：业务从上线到下线的主要指标走势
• 同期群变化：用户注册之后N个时间周期走势

了解常规走势以后，才能让新人理解“正常走势”是什么意思，进而发现真正的指标异常（而不是有个1%的波动就胡乱拆解半天）。这是深入分析的起点。

四、要点3：深入业务过程

相基于数据做出洞察，首先得深入业务

比如销售，可以了解：

• 销售过程有几步，有哪些数记录
• 销售渠道有几类，每类表现如何
• 销售产品有几种，每种占比多少

比如供应，可以了解

• 从原料到出品过程有几步
• 每一步消耗哪些资源
• 每一步产出什么结果

在了解业务的过程中，注意：

• 每个环节有多少数据采集
• 业务自身最关注哪些环节
• 业务常见的做法是什么

了解完成后，可以按照业务流程+常见做法，建立指标体系（如下图）这样才能实现数据无死角监控+从业务视角思考问题（而不是“数据库里有啥指标，我一股脑都倒出来”）

五、要点4：量化业务动作效果

对于业务常做的关键动作，一定要建立量化监控机制。

比如业务想提升销售业绩

1、如果是市场部做个促销活动，则可以用数据记录，哪些订单是促销订单，看促销订单的增长情况，计算活动收益。

2、如果是销售部开个销售能力培训会，很可能没有数据记录每个人提升多少。此时只能退而求其次，记录哪些人参与培训/哪些公司参与培训，然后看指标是否有变化。

这样做，一方面，能加深新人对业务的理解，另一方面，能先从结果上了解业务各种动作的效果。后续做深入分析才有素材。有些公司，业务做了啥事，数据都不知道，还要事后去问……这是谈不上“深入分析”的

六、要点5：拆分业务问题，形成分析假设

学会先提假设，再找证据，是从中级到高级的关键一步（如下图）

分析假设有三个来源

• 根据过往规律、经验、走势提假设
• 根据业务方关心的问题提假设
• 根据结构/分层分析中，发现的问题大的点提假设 这三种方法都需要之前几步的积累。当有可能假设有很多种，比如一个简单的“下雨对业绩影响”，高级的分析师能拆分出若干种情况（如下图）。这种从粗到细的思维，需要长期训练。突破了这一步，才能使自己晋级高手行列。

综上可见，分析能力的提升，需要

1）深入业务流程，了解业务细节

2）把握业务规律，衡量业务做法

3）合理提出假设，找到关键要素

并且，大量的训练是必不可少的。

本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于 CC0 协议。