本文通過以下七部分拆解數(shù)據(jù)分析：

一、什么場景和行業(yè)需要數(shù)據(jù)分析

二、數(shù)據(jù)分析會騙人嗎？

三、怎樣排除虛假流量？

四、PC端數(shù)據(jù)分析指標(biāo)&方法論

五、電商、金融行業(yè)數(shù)據(jù)分析

六、數(shù)據(jù)分析的趨勢

七、怎么培養(yǎng)數(shù)據(jù)分析的能力？

第二部分拆解六、七部分

六、數(shù)據(jù)分析的趨勢

先進個趨勢，大數(shù)據(jù)的對面不是小數(shù)據(jù)，而是深數(shù)據(jù)。大數(shù)據(jù)以用戶量級取勝，同樣的營銷和經(jīng)營打法只適用于固定的一類屬性的人，轉(zhuǎn)化率不變，分母變大，擴展更多的人群基數(shù)，是大數(shù)據(jù)打法的制勝關(guān)鍵。深數(shù)據(jù)是說限定一個人群，然后把精力放在收集這群人的購物各個階段的數(shù)據(jù)上，用各種各樣的營銷和經(jīng)營策略在用戶各個購物階段上進行關(guān)懷，提升的是某一個用戶的轉(zhuǎn)化率，但分母不變，制勝關(guān)鍵與大數(shù)據(jù)打法不同，對一個人購物階段的數(shù)據(jù)越完整、判斷越精準(zhǔn)越好。用戶基數(shù)再大總會有天花板，所以后續(xù)的競爭會有相當(dāng)一部分企業(yè)尤其是大企業(yè)轉(zhuǎn)向深數(shù)據(jù)的應(yīng)用方向。

第二個趨勢，大數(shù)據(jù)采集的壁壘可能會進一步降低。現(xiàn)在各家采集的數(shù)據(jù)都是自己使用，不愿意公開，或者是采集標(biāo)準(zhǔn)不同，不相信別人采集數(shù)據(jù)的準(zhǔn)確性。這樣會造成同一個數(shù)據(jù)源就會被重復(fù)采集，既浪費了硬件資源，也浪費了人力資源。其實對于同一個數(shù)據(jù)來說，只要采集的方法相同，只需要采集一次，共享就可以了。后面隨著數(shù)據(jù)分析領(lǐng)域的標(biāo)準(zhǔn)化和統(tǒng)一化，數(shù)據(jù)資源會產(chǎn)生更多交換和交易，在數(shù)據(jù)采集這個環(huán)節(jié)會占用更少的精力，從而做更多的數(shù)據(jù)分析的事情，讓數(shù)據(jù)能產(chǎn)生更高的價值。

第三個趨勢，我認為數(shù)據(jù)分析的崗位可能慢慢就會消失了。數(shù)據(jù)分析崗位的消失在近幾年不會出現(xiàn)，但未來十年內(nèi)不好說。我認為數(shù)據(jù)分析的技能對所有互聯(lián)網(wǎng)從業(yè)者來說，就像對于辦公軟件以及語言的掌握一樣，會成為人人必備的技能。

第四個趨勢，機器學(xué)習(xí)的發(fā)展將最大限度實現(xiàn)程序化數(shù)據(jù)應(yīng)用。

目前數(shù)據(jù)應(yīng)用的很多環(huán)節(jié)都在應(yīng)用機器學(xué)習(xí)，比如程序化購買、自動化廣告素材優(yōu)化、智能商品推薦等等，但相互之間是割裂的，還需要人去做各個環(huán)節(jié)的串聯(lián)。機器學(xué)習(xí)會慢慢替代人來串聯(lián)一個一個的程序化模塊，程序化的整體數(shù)據(jù)應(yīng)用方案將會覆蓋互聯(lián)網(wǎng)領(lǐng)域。

這四個趨勢我認為是我們很快就能夠看得到的。

七、怎么培養(yǎng)數(shù)據(jù)分析的能力？

先進個建議，方向比努力還要重要。

數(shù)據(jù)分析并不是一個特別細分的領(lǐng)域，它里面包含了很多的方向。作為一個數(shù)據(jù)分析的入門者，當(dāng)你了解了數(shù)據(jù)分析行業(yè)概況之后，你要做的一件事情就是了解這個行業(yè)有哪些方向，選擇一個方向深挖。數(shù)據(jù)分析有三個常見的發(fā)展方向。一是數(shù)據(jù)挖掘；二是數(shù)據(jù)建模和數(shù)據(jù)應(yīng)用；三是商業(yè)數(shù)據(jù)分析。每個方向都不容易到達巔峰，所以盡快確定主攻方向，盡快扎進去有助于迅速成長為一個領(lǐng)域的專家，和其它專家共同協(xié)作攻克數(shù)據(jù)分析領(lǐng)域更前沿的課題。

第二個建議，懂生意比懂?dāng)?shù)據(jù)重要。

一開始我們就談到數(shù)據(jù)的價值是要最終服務(wù)于某個具體業(yè)務(wù)的，所以要想讓數(shù)據(jù)發(fā)揮更高價值，對于業(yè)務(wù)知識的掌握是需要重視的，否則數(shù)據(jù)分析結(jié)果和業(yè)務(wù)存在距離或不能落地，不能實現(xiàn)商業(yè)增值，數(shù)據(jù)就會因此貶值了。

第三個建議，在場景里做分析比理論分析更重要。

先進方面，優(yōu)化流量。流量并不是跟媒體或用戶斗智斗勇，其本質(zhì)是面向競爭對手的戰(zhàn)爭，要爭取用同樣的價錢買到更多的流量或者同樣的流量花的錢更少。有時太關(guān)注用戶屬性或媒體價格，反而忽略了和競爭對手的博弈關(guān)系，這種博弈需要人的參與，單純依靠機器博弈會忽視場景做出錯誤決策。

第二方面，用戶體驗輸出。你面向的是用戶，所以更重要的是你的內(nèi)容如何跟用戶產(chǎn)生共鳴。并不是說你設(shè)計的多漂亮、運行的多流暢，而是涉及到用戶情感和用戶感受層面，這也是量化指標(biāo)難以駕馭的，需要加入人腦對于場景的理解才能做好。

第四個建議，注重人機協(xié)作。

對剛?cè)腴T的數(shù)據(jù)分析師，我非常建議把人機協(xié)作這件事情提上日程，作為重點學(xué)習(xí)的方面，善于利用機器的力量代替人的力量，把人解放出來做人更擅長做的事情，人機配合最大化。機器擅長數(shù)據(jù)清洗、數(shù)據(jù)建模、數(shù)據(jù)預(yù)警、數(shù)據(jù)可視化等，所以提升數(shù)據(jù)分析能力一定是面向未來的，善于讓機器去做它更擅長的事情，人去彌補機器的不足，更高效地完成分析工作，節(jié)省下來的時間就用來提升人獨有的能力。