數據分析這詞匯時髦的不得瞭，然而就像這些年所炒的各種概念一樣，當冷靜下來，請很多人解釋數據分析到底是什麼時，恐怕要有一個不錯的答案很難。

　　比較常見的答案是：數據分析就是分析數據。那麼怎麼分析，分析什麼呢?顯然這個答案沒有回答實際的問題。然而，正是這種含糊其詞的狀況，籠罩在業內，尤其是互聯網行業的數據分析領域。似乎數據分析的訴求不斷的提升，但究竟分析什麼，用什麼分析，分析的結果如何應用，不要說想清楚，恐怕連想都沒想過。

　　在我看來，數據分析不是一項工作，尤其不是從後臺取個數據，做個圖表的工作，而是一個產品，能夠滿足某種實際工作需要的產品。比如數據指數系統，用來指導運營工作，讓運營的同仁能夠基於指數來評估自身工作的增益或者不足，進一步通過數據鉆取來瞭解指數增加或減少的原因。好吧，這還是有點拗口。舉個第三方的例 子：電視是一個讓用戶休閑的產品，把數據分析想象成電視吧。

　　數據分析中，竊以為最重要的事情，就是明確數據分析的目的是什麼，就像上面電視 的例子一樣，要明確電視用來幹什麼，別詫異，玩遊戲，看電影，看球賽，看肥皂劇，唱KTV等等的用法都會使電視有所不同。因此，數據分析的目的決定瞭不同 的方式方法，出發點永遠是如何指導工作，無論是最基礎的瞭解現狀及趨勢，還是機器自動學習的算法改進，永遠如此。

　　說到這，數據分析這個產品會有什麼用處呢?太多瞭，多到讓人太容易迷 失，數據會讓人的野心暴漲，看到瞭指標A，會想著指標B，瞭解瞭這些，又希望鉆取，這滿滿無期，雖然也有價值，但是投入產出非常不合理。因此，數據分析這 個產品，給用戶的應該是知識，在沒有轉換成知識之前，所有的數據都是無價值的。我突然告訴你今天華氏105度，你覺得有價值麼?

　　說到知識，最好的轉換方式無非是6個字：圖形、對比、鉆取。一圖勝千言，指標增長還是減少，與自己對比，與控制組對比。當發現這些變化時，進入維度中觀看不同的水平，是哪種水平導致瞭這些變化。其實非常簡單，簡單到比培訓什麼同比、環比、均值、眾數、方差、高斯分佈、ANOVA、非參數統計、因子扭矩還帶個旋 轉、貝葉斯分佈等等等等簡單的多。

　　一定要目標導向，而不是工具導向。後者很可怕，我曾經遇到過一位同學，他很happy的告訴我他要用 SAS，我問為啥，答案是可以編程。我說好吧，心想真有米，要多麼復雜的模型啊，實際上這復雜的模型就是描述統計量的計算。忘記工具、忘記模型，用目標來指引工作，假設要轉化的知識是給的哪些用戶，他們的業務場景假設是什麼，是需要看數據來評估績效，還是需要數據來改進工作等等。然後把知識告訴他，這就完 瞭。如果說真要讓我推薦個什麼工具，我說SQL\python\R\SPSS\Excel隨便挑一個都行，如果不行，隨時來找我。

　　這麼來總結吧：數據分析，就是將數據轉化成知識的產品。所以，不應該有數據分析師這個角色，而是產品經理這個角色。