我从不认为数据分析是各种的数据建模，或者说，不是只有学了数据建模，有了很强的统计知识才能做数据分析（虽然有时也会迷失在各种模型中，觉得只有通过数据建模了老板才会觉得这个分析更准确更fashion.）
数据分析更重要的对问题的理解，是思路。Business sense更多的时候会比数学功底更重要。所以，对行业的理解，对公司本身业务的理解才是最重要的。（当然这也是因为我司业务模式本身复杂吧）
第一篇就先总结些自己曾经犯过的傻事走过的弯路吧，以此自省，以后尽量避免。
1. 多想一步
老板问你要数的时候往往说的很简单。“这个APP最近怎么样？” 但他要看的真的只是APP的日活月活吗？看完之后呢？看了派什么用呢？是不是最近APP表现不好要做些调整？还是在评估ROI，看看是否需要继续做下去？如果不能明白真正的目的，那你永远只能是个数据的搬运工。他可以问的很简单，但你必须要多想一步再一步。目的目的目的，这个很重要。
2. 没法做比较的数据没有意义
“销售额1个亿”, so what? 好还是坏？所有的数据都要做比较，和target比，同比，环比，和其他region比，和相似人群比，实在都没有，就和业界的benchmark比。单纯的数字没有意义。先记住要比较，再学着和合适的东西比。
3. 你的结论呢？
常常自觉做了个不错的分析，数据详实，分析充分，条理清楚，一目了然。信心满满的拿着找老板汇报，老板问的第一句话是：“然后呢，结论是啥？” “啊，不是一开始说了吗。产生当前现象的主要原因是1,2,3啊” “哦，那接下来action是啥” “呃，我只是做分析的啊，不是产品经理，不是做销售的。我咋知道可以有啥action.”
呵呵，找问题谁不会，提建议才是关键。有谁见过只有分析没有建议的咨询报告。所以，分析必须要有结论性的东西，最好在分析的开头和结尾都总结下。第二，尽可能基于分析结论提出你的建议，虽然有时，这真的不简单。
4. 简单再简单
老板常说我画的图一看就是BI做的。好吧，一个散点图而已，再加个圈圈的大小和颜色表示另外二个维度，很难理解吗？也许不是难理解，而是信息量太大的东西很难抓住你要表达的重点。所以，树形图，同心圆，甚至双轴我都尽量避免。无法看一眼就明白的图形都不是好图形。
（先写这点，以后慢慢补充总结）
