数据分析的目的性越强，越有价值！

数据分析从功能角度来讲，无非就是两个。

1、有问题，通过数据分析寻找原因，制定决策。

2、有新项目、产品、方案要上线，或企业制定大决断，需要数据分析结论做辅助参考。

为什么强调数据分析的目的性？

数据分析的目的是整个研究方案的起点，决定着后续研究的内容，数据的来源，使用的方法。

目的不明确会导致方向性的错误，这里举两个歪例子。

场景A：

某电商双十一跟着淘宝做了一个大促活动，事后想了解活动的效果，于是找到了小王。

于是，小王开始收集数据、处理数据、建立模型、制作报表。最终得出结论:活动期间UV上涨了50%，订单增长了40%，销售额提高了45%云云。

场景B：

感觉最近的天猫的销售量有点低，做个分析看看是什么原因，该怎么做？

小王又开始发起洪荒之力，结合平台的流量数据，订单数据、用户数据，采用聚类分析、主成分分析、相关行分析等分析挖掘手段。发现男性群体的销售量明显下滑，需要提高对这类人群的引流。

以上两个场景，场景A虽然各项数据看上去都提高了，但是实际上该电商是做礼品的，他更需要知道双十一与其他各个节日活动效果的对比，只算了产出，未算计投入，结论和目的一样不清晰。场景B用到了很多算法，挖掘到某群体的变化，但实际上该电商在在该月的男装上新量显著减少，销量下降与季节的调整有关。

所以，以上两个案例，一个不细分研究目的，另一个不做目的性的引导，是分析失败的主要问题。业务不了解数据，数据不了解业务，这种衔接矛盾常常存在。

目的的面纱需要层层揭开

数据分析的目的往往不是那么明确，只是有个大致的方向，这个有时候业务员和领导也没有办法。所以做数据分析时要抖点机灵。

比如让你做一个用户行为分析，出一个研究方案。你一定要知道这并不是真正的需求。你需要与领导再沟通，了解他做用户行为到底是要解决什么问题，摆脱什么困境？如果领导是因为觉得客户流失率太高，想留住客户，那分析方案就应该围绕用户满意度去展开，分析的价值在于研究找到用户不满意的点，并针对这些问题提出改进建议。

如何明确分析的目的？

1、沟通、沟通、再沟通！

领导、业务很多都迫切希望知道结果，原因，该怎么做，有多少提升空间。虽然只是一句话，你要做的岂不止这些，所以要多沟通，找出问题的症结。

2、多问一句，少绕弯路

如果缺乏对业务的认识，在分析时不妨多问一句，关心的指标有哪些？比如分析用户转化率的时候，影响的主要因素有哪些？一般正常的指标是在什么水平？有哪些很客观的外在因素可以排除，比如节假日。

没有目的性的数据分析都是“瞎玩”，都是盲目的。但有人会说，我知道该怎么分析，有目的，但是不知道如何表达，用什么工具操作，找信息部要数据麻烦，做报表困难，Excel只会基本，满足不了需求。那就该应该学一种合适的分析工具。

以下用FineBI做了一张分析的dashboard。连接了后台的数据库，字段间的关系自动构建，设定自动更新数据，这样一张模板就可以展示所需要的数据，做分析了。