分享一下鵝廠數(shù)據(jù)分析師的 wisehuang 的干貨經(jīng)驗。

數(shù)據(jù)分析的下限，取決于邏輯歸納。與其說提高分析質(zhì)量，不如說提升邏輯歸納能力。

邏輯歸納，需要擁有良好的邏輯思維，并結(jié)合領(lǐng)域知識形成該領(lǐng)域的分析方法。而領(lǐng)域方法，進一步歸納則能夠成為通用了方法論。

關(guān)于數(shù)據(jù)分析，本文將從邏輯思維和分析方法2個角度進行解讀，其中分析方法會介紹數(shù)據(jù)分析前的準(zhǔn)備以及數(shù)據(jù)如何為我們創(chuàng)造長期價值。

一、數(shù)據(jù)分析應(yīng)有的邏輯思維

邏輯思維，是在認識事物的過程中借助概念、判斷、推理等思維形式反映客觀現(xiàn)實的理性認識過程。借助邏輯思維，能夠確立執(zhí)行方向，減少方向的偏移度以及分析的誤差。

原始的數(shù)據(jù)并沒有太多的價值，它是已經(jīng)發(fā)生的事實或者結(jié)果。從中發(fā)掘價值則是數(shù)據(jù)分析的目的。

在數(shù)據(jù)分析中，其過程是與邏輯歸納相近的，過程如下：提出問題?分析問題?提出假設(shè)?驗證假設(shè)?輸出結(jié)論

只有具備了良好邏輯思維，才能更好的幫助我們數(shù)據(jù)分析。

認識邏輯，先從邏輯論證的三要素開始，如下圖所示：

在訓(xùn)練自己邏輯思維時，首先要保證信息的完整性，其次才是討論準(zhǔn)確性。如果陳述和提問不夠清晰，后續(xù)論證是沒有意義的。

初步了解了邏輯，接下來將與各位分享4種思維方式以及其運用方法，分別是目標(biāo)、結(jié)構(gòu)化、推理、逆向思維。

01 目標(biāo)思維

目標(biāo)思維，作用是明確目標(biāo)的定義及完整性，校準(zhǔn)執(zhí)行的方向。

從邏輯論證的要素來看，目標(biāo)只是一個論點，而判斷論點是否有效、正確，則需要細究其論據(jù)和論證方式。

將目標(biāo)映射至三要素并進行結(jié)構(gòu)化拆解，會變成我們熟悉的需求4要素，再次延伸又會變成5W2H法。

熟練運用目標(biāo)思維，不僅能幫助我們分析問題，還能運用于生活的許多方面。

在陳述問題時所使用的KWIC方法，其實也是邏輯要素的延伸：1）K（KEY）：核心觀點2）W（Widen）：擴展核心觀點包含的內(nèi)容3）I（Illustrate）：舉例說明佐證觀點4）C（Conclude）：總結(jié)

信息越全面，溝通的成本越低，后續(xù)的論證質(zhì)量才能更高。

?

02 結(jié)構(gòu)化思維

目標(biāo)思維強調(diào)的是方向，結(jié)構(gòu)化思維強調(diào)的是拆解和延伸。

在上一節(jié)中目標(biāo)的拆解和延伸使用的就是結(jié)構(gòu)化的思維，它能夠幫助我們將無序、散亂的信息進行聚焦、歸納、分類。

2-1、問題樹

問題樹，是大家較為熟悉的方法，也是我們常使用的“腦圖”。它是一種以樹狀圖形來分析存在的問題及其相互關(guān)系的方法，也是邏輯樹的一種類型。

在邏輯樹中，每一層都是下一層的總結(jié)概括，同樹干內(nèi)的延伸范圍相同，不同樹干的延伸范圍相互獨立。

在使用問題樹時將一個已知問題當(dāng)成樹干，然后根據(jù)相關(guān)問題增加樹干或樹枝，它能夠幫助我們更全面的找到相關(guān)項。

設(shè)置第一條樹干時有兩種方式，自上而下以及自下而上。

自上而下其實是以終為始，通過最終的目標(biāo)進行拆解；自下而上則常見于頭腦風(fēng)暴，當(dāng)缺少拆解思路時，我們可以將信息完全羅列，并對其進行歸類逐層向上聚合。

在拆解時，我們應(yīng)注意樹干間的平衡，假設(shè)某個樹干上的樹枝過多或過長，其上層的拆解維度可能是不正確的。

2-2、公式法及過程法

公式法，是問題樹的一種延伸。

公式在橫向表示時，我們也稱為金字塔原理。

在邏輯樹的使用場景下，公式法不太關(guān)注細分場景以及整體漏斗。在進行細化分析時結(jié)合場景、操作流程，對公式進行進一步的細化。

在結(jié)合過程法時，須注意的點是完全窮舉。

舉個例子：在活動中分析成交時，會使用訪問人數(shù)、點擊購買按鈕人數(shù)、成交人數(shù)去分析漏斗。但漏斗數(shù)據(jù)往往是不完整的，這會影響推斷的準(zhǔn)確性。

結(jié)合場景、操作流程并輸出公式進行數(shù)據(jù)分析，會比漏斗更為直觀。

?

以下載app后用戶的注冊流程為例，通過上圖，可以拆解出以下公式：

a、app注冊人數(shù)=手機號注冊人數(shù)+微信注冊人數(shù)

b、微信注冊人數(shù)=進入注冊頁面人數(shù)+瀏覽其他頁面引流進入人數(shù)-進入注冊頁面人數(shù)*跳失率-登錄人數(shù)-點擊手機號登錄注冊人數(shù)

c、手機號注冊人數(shù)=進入注冊頁面人數(shù)+瀏覽其他頁面引流進入人數(shù)-進入注冊頁面人數(shù)*跳失率-登錄人數(shù)-點擊微信登錄注冊人數(shù)-進入手機號登錄頁面人數(shù)*跳失率-輸入手機號未獲取驗證碼人數(shù)-獲取驗證碼未輸入人數(shù)-輸入驗證碼未登錄人數(shù)

公式羅列清楚后，代入數(shù)據(jù)就能夠了解是哪個數(shù)據(jù)和我們的預(yù)期不同，然后再根據(jù)數(shù)據(jù)優(yōu)化我們的交互。

2-3、二分法及矩陣法

這兩種結(jié)構(gòu)化方式，其實不太適合用于數(shù)據(jù)分析，但能夠幫助我們梳理思路便于全局思考。

二分法不適用于數(shù)據(jù)分析的原因是，世界不是非黑即白的，它很難將某個數(shù)據(jù)指標(biāo)的值枚舉完畢。

而矩陣法所呈現(xiàn)的是結(jié)果數(shù)據(jù)，難以細化。

以時間管理中的四象限法為例：

四個象限能夠很好的用于任務(wù)分類，關(guān)于“重要”和“緊急”的程度，我們也可以使用坐標(biāo)軸的值進行標(biāo)記，但如果要細究哪個元素影響了”重要“和”緊急“的值，矩陣法就難以承載了。

03 推理思維

確認論點，結(jié)構(gòu)化論據(jù)，下一步是論證。在論證中運用推理思維能夠幫助我們迅速找到問題的異同點，從而發(fā)現(xiàn)它們的規(guī)律。

推理主要使用的方法是歸納、演繹、類比法，而在推理過程中還貫穿著對因果的辯證。

3-1、歸納法

歸納法，指從特殊（部分樣本）到一般（全量樣本）的過程，通俗的說是從個別的經(jīng)驗歸納出普遍規(guī)律的方法。它更偏感性思維，其推理方式不夠嚴謹，常用于開拓思路。

在產(chǎn)品工作中我們會遇見許多使用歸納法的情景，如：“很多用戶都需要這個功能，所以我們應(yīng)該盡快實現(xiàn)。”

通過歸納法拆解后如下圖所示：

這實質(zhì)上是以偏概全的方法，一旦有一個用戶不滿足這個前提，這個結(jié)論就無法成立。

這里并不是說如果有用戶不需要這個功能需求就不承接了，而是要增加更多的衡量維度，如樣本數(shù)量、樣本占比、投入產(chǎn)出比等。?

在輸出結(jié)論之前需要判斷樣本是否足夠有代表性，判斷是必然事件還是隨機事件。

這也是為什么數(shù)據(jù)分析需要長時間的收集樣本并觀察數(shù)據(jù)，樣本量太小會使其代表性不足，觀察周期太短會被數(shù)據(jù)的波動所迷惑，很容易讓我們做出錯誤的判斷。

3-2、演繹法

演繹法則與歸納法相反,是從既有經(jīng)證實的普遍性結(jié)論，推導(dǎo)出個別性結(jié)論的一種方法，常見的表現(xiàn)形式是邏輯三段論。

邏輯三段論的格式為：大前提、小前提、結(jié)論。

假設(shè)大前提為真，小前提為真，那結(jié)論一定為真。演繹法追求的是前后一致，不自相矛盾，但大部分人都倒在了第一步，即大前提本身是不成立的。

不成立的原因是，大前提并非經(jīng)證實的普遍性結(jié)論，而是通過歸納法輸出的結(jié)論。要避開歸納法的陷阱，我們則需要對其因果進行辯證。

3-3、因果關(guān)系分析法

因果辯證，同時適用于演繹和歸納法，它們都是由因及果的過程。

近期互聯(lián)網(wǎng)保險的營銷活動由于監(jiān)管原因，無法使用現(xiàn)金及優(yōu)惠券獎品促進成交，一定程度上減少了活動的數(shù)量。

我們試著拆解出可能的因果關(guān)系：

拆解完畢后先不進行辯證，而是先對因果關(guān)系進行枚舉：

枚舉完畢后，辯證時提問3個問題：1）原因是否真實？2）結(jié)果是否真實3）這個原因一定會引起這個結(jié)果嗎？是否有其他的原因？

在上述的案例中假設(shè)原因和結(jié)果都為真，套入第3點做出以下提問：1）使用現(xiàn)金及優(yōu)惠券獎品，一定會使成交效果更好嗎，是否有其他的方式？2）不使用這2種獎品，活動一定不能做嗎，是否有其他的獎品？3）活動沒法做，一定不能促進成交嗎，是否有其他的方式？

看到這里，我們會發(fā)現(xiàn)這些原因只是結(jié)果的必要不充分條件。

在推理中，論證完畢也不應(yīng)蓋棺定論。

我們應(yīng)先對結(jié)論提出假設(shè)，并設(shè)計實驗或采取其他的手段驗證假設(shè)，最終驗證后的結(jié)果才是真正的結(jié)論。

04 逆向思維法”反過來想，總是反過來想。“— — 查理·芒格

逆向思維，同時具有聚焦和發(fā)散兩種作用。

聚焦，是以終為始，問題樹中的“自上而下”拆解是其表現(xiàn)形式之一。

發(fā)散，是因為從正向思考變?yōu)槟嫦蛩伎?#xff0c;思考習(xí)慣的改變能夠開拓我們的思路，并幫助我們補全邏輯。

在數(shù)據(jù)分析中，我們能夠怎么使用逆向思維呢？

個人總結(jié)的逆向方法如下：1）主賓反轉(zhuǎn)正向：用戶購買商品數(shù)量提升了，為什么？逆向：商品被用戶購買的數(shù)量提升了，為什么？

從用戶出發(fā)并沒有錯誤，從商品出發(fā)能幫助我們補全分析的維度。

2）謂語反轉(zhuǎn)

正向：活躍度降低了，分析用戶進入活動入口逆向：活躍度降低了，分析用戶的跳出原因

同樣是活躍度降低，”進入“這個詞會從入口出發(fā)，分析其流量情況。從”跳出“出發(fā)，則會從交互、設(shè)計層面出發(fā)分析。

3）次序反轉(zhuǎn)

正向：引導(dǎo)用戶成交，捐款后獲得獎品

逆向：給予用戶獎品后，引導(dǎo)用戶成交

這里的逆向主要是為了開拓思路，并不是說要直接給予用戶獎品。在開拓思路后進一步延伸，方案可以調(diào)整為，給予用戶部分獎品，成交后再給予另一部分。

小結(jié)

校正方向，使用目標(biāo)思維；分解問題和提出假設(shè)，使用結(jié)構(gòu)化思維；邏輯推理用于論證，而逆向思維則用于補全我們的邏輯。

良好的邏輯思維，結(jié)合領(lǐng)域知識能夠幫助我們快速形成不同領(lǐng)域的方法，并解決問題。

二、數(shù)據(jù)分析的方法

01 數(shù)據(jù)分析前的準(zhǔn)備

數(shù)據(jù)分析前的準(zhǔn)備過程，在我看來比實際的分析更為重要。

假設(shè)目標(biāo)是錯的，我們就不應(yīng)該執(zhí)行。而目標(biāo)不同，分析類型和分析內(nèi)容也不同，同時執(zhí)行多個方向，很容易使自己陷入混亂。

1-1、分清楚目標(biāo)和指標(biāo)

數(shù)據(jù)分析，能幫助我們了解業(yè)務(wù)運行狀況，并從中發(fā)現(xiàn)問題、優(yōu)化問題。其次，還能夠幫助洞察下一個增長點。

但數(shù)據(jù)分析的意義，往往在數(shù)據(jù)產(chǎn)生之前。我們應(yīng)圍繞產(chǎn)品目標(biāo)，進行產(chǎn)品設(shè)計以及運營策劃。如果最開始的目標(biāo)及指標(biāo)設(shè)置錯誤，后續(xù)的工作將難以為繼。

目標(biāo)是結(jié)果，而指標(biāo)是對結(jié)果分拆的具體要求，是對目標(biāo)的衡量。

假設(shè)我們的目標(biāo)是提升年度成交金額，那衡量這個目標(biāo)的方法是什么呢？

根據(jù)衡量的方法我們才能定向的設(shè)置調(diào)整產(chǎn)品設(shè)計及運營策略。如果缺少可衡量目標(biāo)的單位和方法，目標(biāo)會難以達成。

而圍繞目標(biāo)設(shè)置數(shù)據(jù)的采集方案，可以大大節(jié)省數(shù)據(jù)過濾和清洗的時間。

甚至于在明確指標(biāo)后再最開始就設(shè)置好分析模型，通過監(jiān)測模型中的數(shù)據(jù)情況更及時的發(fā)現(xiàn)問題，做出更高質(zhì)、高效的決策。

1-2、辨別指標(biāo)的目的

辨別了目標(biāo)和指標(biāo)，下一步則是運用結(jié)構(gòu)化思維進行拆解、延伸。

在拆解之前，需要對自己提問：拆解出的指標(biāo)目的是什么？根據(jù)目的我們才能有傾向性的分析。

根據(jù)指標(biāo)目的，可以分為結(jié)果指標(biāo)、過程指標(biāo)以及觀察指標(biāo)。

結(jié)果指標(biāo)用于衡量目標(biāo)，過程指標(biāo)用于體現(xiàn)如何完成。觀察指標(biāo)則指的受影響指標(biāo)，其是否會受到自變量（結(jié)果指標(biāo)）的影響，導(dǎo)致上升或下降。

在上圖中，基于成交訂單數(shù)，設(shè)置過程指標(biāo)為訂單平均金額及商品分布能幫助我們了解完成的方式。

而觀察指標(biāo)的設(shè)置，是為了跳出框架思考。

上圖的用戶付費率，可以監(jiān)測成交訂單數(shù)上升，是否帶動用戶付費率的上升，從而判斷是局部還是整體上升；而成交深度及ARPU/LTV則可以幫助我們考察下一個增長點是什么。

在設(shè)置結(jié)果指標(biāo)時，除了核心指標(biāo)，還應(yīng)輔以制衡性指標(biāo)，它的目的是希望核心指標(biāo)完成的更為健康。

核心指標(biāo)和制衡性指標(biāo)所延展的過程、觀察指標(biāo)是不同的。

1-3、確認分析類型完成了目標(biāo)和指標(biāo)的設(shè)置，接下來是對每個指標(biāo)進行細化分析，分析類型包含：描述性分析、預(yù)測性分析和規(guī)范性分析。類型不同，作用也不同。

1）描述性分析表現(xiàn)形式：數(shù)據(jù)報表

數(shù)據(jù)報表能夠幫助我們描述事件發(fā)展的情況，但很難解釋某種結(jié)果發(fā)生的原因和未來可能的趨勢。

它更偏向結(jié)果性的描述，此前的結(jié)果對此后是不具備太多參考意義的。

2）預(yù)測性分析表現(xiàn)形式：用戶相似度及物品相似度計算、用戶購買飽和度、用戶成交影響因子

預(yù)測性分析可以理解為對結(jié)果和變量的關(guān)系進行預(yù)測的過程，包含相似度、相關(guān)性分析、回歸分析等。

相似度多用于推薦算法，通過計算用戶的相似度和商品相似度從而推薦給用戶。而相關(guān)分析用于預(yù)測變量的關(guān)聯(lián)性，如用戶的成交會受什么因素影響。

3）實證性分析及規(guī)范性分析

表現(xiàn)形式：A/B實驗

實證性分析，指是什么，偏向于客觀；規(guī)范性分析指應(yīng)當(dāng)做什么，偏向于主觀。

在實際使用過程，上述的4種分析類型常常會被混合使用，混合使用時應(yīng)明確不同類型我們應(yīng)采取的分析維度。

數(shù)據(jù)分析是有順承關(guān)系的，先采集事實，再根據(jù)事實或者預(yù)測，提出我們的假設(shè)。逐步灰度地驗證假設(shè)，最終才輸出我們的結(jié)論。

不能將主觀猜測強加于事實之上，已經(jīng)發(fā)生的結(jié)果并不一定是未來的結(jié)果

02 數(shù)據(jù)分析如何帶來長期價值

學(xué)習(xí)了方法，做好了準(zhǔn)備，終于進入了分析的環(huán)節(jié)。

筆者此前面向的數(shù)據(jù)分析，常常是“一錘子買賣”，花了很大的力氣采集數(shù)據(jù)卻沒有了下文。

為了使有用功更多，下文將從用戶和收益2個維度分享數(shù)據(jù)如何為我們沉淀長期價值。

2-1、了解我們的用戶

這一步是為了讓我們知道完成指標(biāo)的用戶是誰，常常以產(chǎn)品的會員體系作為切入點。會員體系越清晰，分析效果越好。

本節(jié)將以電商產(chǎn)品為例，和各位分享如何基于用戶的延伸分析。

1）基礎(chǔ)信息

基礎(chǔ)信息，指用戶本身的屬性。

身份特征，可以從自然屬性、社會屬性向下細分，包含用戶的性別、年齡、職業(yè)、教育等。

渠道屬性，指用戶的注冊時間、注冊平臺、注冊來源等。

2）決策類型

決策類型，主要分為決策周期、品類偏好、促銷偏好、對象偏好，這是用戶分析中常常被忽略的一方面。

決策周期中的首次訪問，指的首次觸及該商品的時間。結(jié)合次數(shù)、時長以及成交時間，從而了解用戶的決策周期。

品類偏好，結(jié)合品牌和歷史成交單數(shù)，能夠幫助我們獲悉品牌、價格綜合對用戶的影響。

而成交品類、商品、單數(shù)則是幫助我們理解其品類購買深度及路徑，用于進行關(guān)聯(lián)推薦和評判用戶的價值。

促銷偏好，結(jié)合品類和折扣金額了解用戶的敏感度，能更好的提高其轉(zhuǎn)化率。對象偏好，同樣是了解購買深度及路徑，不過維度不同。

在用戶層面的分析，此前接觸的一些朋友都非常熱衷于使用RFM模型，在使用過程中也應(yīng)“因地制宜”。

3）購買路徑

品類深度、對象深度是影響決策類型的因子，當(dāng)它們在購買路徑時則聚焦于次序。

根據(jù)次序，制定運營的發(fā)力點，再遵循用戶的購買路徑制定轉(zhuǎn)化路徑。

在用戶分布相對穩(wěn)定的前提下，應(yīng)順從用戶的購買規(guī)律而非傾力于另一條主線。

一專多強的前提是專，只有聚焦優(yōu)勢品類或主題建立了優(yōu)勢，才能為其他的方向供應(yīng)炮彈。

4）增長觀察

前面解決的問題是：他是誰，買什么以及怎么買。最后一點，則是增長觀察。

購買路徑聚焦于次序，增長觀察聚焦于深度。購買的次序是運營的主線，購買的深度用于精細化運營。

了解用戶在品類和對象的購買深度，再輔以ARPU與LTV的比對，從用戶的剩余潛力尋找平臺增長點的方式。

2-2、建立你的用戶模型

了解用戶的下一步，是建立用戶模型。

在一次交流會上，前輩阿翹對我提問：“你所負責(zé)的產(chǎn)品，用戶畫像是怎么樣的？”

當(dāng)時我把平臺用戶的地域、年齡、性別等分布介紹了一番。緊接著他提問：“根據(jù)這樣的畫像你能夠做什么呢？”

再后來，我才學(xué)會了把數(shù)據(jù)聚合成特征，把特征集合成模型。

基于對用戶的認識建立模型，以上一小節(jié)的決策模型為例。

將決策類型、品類偏好、對象偏好、促銷偏好4個因子的關(guān)聯(lián)，并輔以用戶的基礎(chǔ)信息進行組合。

如：“精打細算、專注大牌、疼愛孩子的母親”。

這樣一來冰冷的數(shù)據(jù)也被賦予了情感化的表達，無論是產(chǎn)品設(shè)計、交互設(shè)計、產(chǎn)品運營都會變得容易的多。

建立起用戶模型，才能夠更好地進行情感化設(shè)計、精細化運營。

2-3、分析與收益相關(guān)的行為

收益，常用成交或ROI進行衡量。那我們怎么判斷與收益相關(guān)的行為呢？有關(guān)程度又有多高？

判斷相關(guān)性及其程度時，使用的方法是：相關(guān)性分析。

相關(guān)性分析主要用于：a、判斷兩個或多個變量之間的統(tǒng)計學(xué)關(guān)聯(lián)；b、如果存在關(guān)聯(lián)，進一步分析關(guān)聯(lián)強度和方向。

根據(jù)數(shù)據(jù)的類型不同，所采取分析方法不同。

關(guān)于收益及影響收益的行為，二者都屬于無序分類變量，此類數(shù)據(jù)的分析方法是卡方校驗。

卡方檢驗，用于統(tǒng)計樣本的實際觀測值與理論推斷值之間的偏離程度，如果卡方值越大，實際觀測值與理論推斷值偏差程度越大。

反之，二者偏差越小；若兩個值完全相等時，卡方值就為0，表明理論值完全符合。

在實際分析時，會先進行假設(shè)，并通過計算判定其假設(shè)成立的概率從而反推其不成立的概率。

以判定關(guān)注與成交行為是否有關(guān)為例，介紹卡方校驗。

1）提出假設(shè)假設(shè)：關(guān)注與成交無關(guān)

2）計算實際觀測數(shù)據(jù)及理論推測數(shù)據(jù)將關(guān)注及成交的相關(guān)數(shù)據(jù)進行統(tǒng)計，可得出下表：

根據(jù)表格，可計算出綜合的成交率等于58.3%。

假設(shè)關(guān)注與成交行為無關(guān)，成交率應(yīng)不隨關(guān)注行為變化而變化，或數(shù)據(jù)抖動較小。

將觀測的成交率代入原表，并得出理論推斷值。

完成了這一步，就可以進行卡方檢驗的計算了。

3）卡方校驗計算

繼續(xù)代入公式

當(dāng)我們計算出卡方值時，可以初步判定由于卡方值較大，實際觀測值與理論推斷值差異較為明顯，原假設(shè)關(guān)注與成交無關(guān)成立的可能性是比較小的。

4）計算自由度及P值而到了判定可能性具體的程度，則是根據(jù)P值（用于判斷判定假設(shè)檢驗結(jié)果）進行校驗，P值越小，原假設(shè)關(guān)注與成交無關(guān)的概率也越小。

由于其自由度等于1，結(jié)合卡方值再查詢卡方分布表可得P＜0.01，所以原假設(shè)成立的可能也越小，即關(guān)注與成交有關(guān)的概率非常大。

在實際使用時，同樣的也須兼顧樣本和觀測時間周期，樣本包含準(zhǔn)確性和數(shù)量，觀測時間周期則用于分辨其抖動性。這2者較為基礎(chǔ)也就不過多描述了。

相關(guān)性分析，用于代表相關(guān)程度，只能說明有關(guān)但并不能說明因果性。

對變量之間的依賴關(guān)系進行定量關(guān)系及因果關(guān)系的研究，我們還會使用回歸分析進行計算。但由于計算方式并非本文的重心，在此也不過多的贅述了。

本小節(jié)，也有較多的概念并未在本文提及，此部分將附在文末。

?

小結(jié)

個人認為數(shù)學(xué)方法是非常重要的領(lǐng)域知識，很多時候不是不會數(shù)據(jù)分析，而是不知道使用什么方法分析。因為不曾見過，所以也未曾往陌生的方向思考。

遇到這樣的問題時，先運用逆向思維確認分析目標(biāo)，其次再進行結(jié)構(gòu)化的拆解，再逐層學(xué)習(xí)分析時應(yīng)該使用的方法。

若時間寬裕，還是建議閱讀統(tǒng)計學(xué)相關(guān)的書籍。耐下性子閱讀，工具書的收益會比大部分同領(lǐng)域的文章都大。

總結(jié)

以上是生活随笔為你收集整理的如何迅速成长成为一名数据分析师（都是干货）？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。