数据分析三元论：势、道、术
1、势
有个成语叫“大势所趋”，顺应趋势、迎合潮流的事情做起来总是事半功倍的。
在做数据分析之前，我们要问一问：在这个时代、行业、公司做数据分析是大势所趋吗？
要回答这个问题，首先要搞清楚哪些因素构成了数据分析的“势”。我列举如下几个：
行业：我以为只有那些能够产生大量数据、且市场需求和业务模式变化较快、竞争较为充分的行业更适合做数据分析。大量数据是基础和原材料；市场需求和竞争压力是内在的驱动力。比如To C的电商行业，数据量已经到了一定量级，而人的需求往往是变化较快的，且这个行业没有形成事实上的垄断。虽然阿里、京东的电商平台已经占据了很大的市场份额，但是他们之间仍然存在竞争，而且垂直电商也还有生存空间。再比如电信和金融行业，也能满足以上几个条件。但是有些行业，看起来业务规模大，但实际上不适合去做数据分析。比如家装、餐饮，这两个行业虽然古老，但除了某些巨头之外，信息化做的相对较差，数据采集都是问题，更谈不上做数据分析了。再比如能源行业，也能够产生大量的数据，但是因为市场需求相对稳定，且基本形成了国家垄断，没有做数据分析的内在需求。
公司的数据环境：数据环境包括信息化水平、数据文化、老板对数据的重视程度等。这几个因素是很好理解的。信息化水平决定了数据的量和质量，消除数据不一致、清洗脏数据要花多少时间和精力，做过的人都知道。。。数据文化包括数据相关的流程、规章、制度，公司内部对数据认知和利用的程度等。最后，我向来认为数据是一把手工程，由于数据从采集到价值产出，都是涉及多个部门的利益，没有老板的支持，做好数据是天方夜谭。
2、道
所谓“道”，主要指分析体系和框架、目的和价值。
而这些主要受公司的业务模式和业务需求的影响。说白了，业务模式越简单、越清晰，数据分析越容易出成果。因为简单的业务模式能显著减少数据分析师学习业务的成本。分析体系和框架也会简单明了，在分析时需要考虑的影响因素就越少。而价值链短业务模式更容易让分析主题直接与业务收益挂钩，更容易让数据分析成果变现。而分析需求越稳定，就可以给分析师更多的时间深入研究下去，不断迭代，最终产出更大的价值。分析需求越清晰，花在需求讨论中的时间就越少，最终分析成果被转化的可能性就越大。
3、术
所谓“术”，是指数据分析的方法和过程，其中分析思维和分析技术对分析结果的影响。
正如我在开篇所述，数据分析所涉及技术体系非常庞大，而且学习资料也很多，不在本专栏范围之内。我重点想说说我经验中的一些分析技巧（包括思维和方法）：