无业务，不分析
数据分析的归宿是要解决某个具体的问题。
因此，最终在分析师支持下能出一套可落地的解决方案才能体现价值，经过3~5年达到高级以上，就要特别注意不能还是成为一个提数工具了。随着BI和中台技术发展，这些现在还需要手工处理的过程必然会被机器自动化取代。要充分发挥人的主观能动性，在深度和广度上下功夫。
懂业务是前提，熟悉分析方法、会技术是核心，也只是过程，能落地很关键！
1、业务深度（商业嗅觉）
对数据分析工作而言，业务敏感度是刺激分析命题产生的关键。例如，有一天，领英忽然发现某家公司的员工在领英的访问量多起来了，但是并没有深究原因，第二天该公司就宣布倒闭。为什么？因为这家公司的人到领英来找工作了，谷歌宣布退出中国的前一个月，领英上也出现了一些平时很少见的谷歌的产品经理在线，也是一样的道理。如果监控这类数据，会不会有巨大的商业价值？
数据分析师要有足够的商业嗅觉，婴儿车卖的好了，那么是不是能够预测奶粉的销量也会跟着上去？产品在货架的摆放位置不同会带来不同的营销收入，那么能不能通过搭建指标体系进行精准营销？当前很多分析师擅长函数、擅长回归，但是缺乏商业意识，回归固然重要，回归了之后呢？怎样带来利润？怎样实现成本转化？
2、数据敏感度（数据意识）
1、当你看到这个月漏斗转化低了10%的时候，你能很快知道异动对于产品和业务来说意味着什么？接着思考下一步怎么样去剖析、下钻这10%背后的来龙去脉。
2、业务问题的数据化，你能根据需要很快想到还要收集、查看哪些数据，以探索挖掘出业务场景中的变化、问题、原因、关联等信息。
电子商务发展日益加快，对行业来说，要想跟上趋势，必然要学会数据驱动。庆幸的是，人们终于开始重视数据分析了，就连淘宝卖家也开始招数据分析师。但现在的问题是：不缺数据缺意识，缺收集数据的意识，缺充分挖掘应用数据的意识。当今互联网上每60秒会产生10万个微博信息、400万次search、facebook上50万次contact，稍大一些的公司都会采集一些例如点击量类的行为数据，但这些行为数据与交易量有什么关系大家似乎并不关心，很多大型的公司甚至都不知道这成千上万的零散数据到底能给他们带来什么。
可惜的是，当今很多公司，每天都在做“猜”的游戏：今天推荐A家产品，明天撤下A家的产品，今天做低价促销，明天又做线下活动。这些决策的改变，没有整体体系的指标监控与成熟的分析意识，不过都是蒙着眼睛在碰巧，拿着金子当萝卜，真的再遗憾不过了。
3、分析思维
分析思维是连接“现实问题”和“解决方案”的桥梁。
这一块更讲究方法体系的沉淀、梳理和经验积累，以及对模型的灵活运用。
4、验证技能 （理论+工具）
验证技能是分析思维得以落地的临门一脚。
5、闭环逻辑
说通俗点就是做事及时反馈，以终为始、有头有尾、自洽他恰，这在数据分析中尤为重要，决定了你是取数师还是分析师。比如说销售部门向你提出A产品今年的用户画像是什么样的，明年该怎样针对用户做投放才能提高成交？
这样的问题就不是拉拉数据就能解决的，因为它涉及到现状分析、归因分析、竞品分析、策略建议等，最终给出一个基于数据发现的优化实施方案。如果没有闭环思维，东一榔头西一棒子，问题永远得不到解决。
【参考】
【1】无业务，不分析
【2】做数据分析有前景吗？
