一、数据思维
我们所处的这个时代是大数据时代，充满了前所未有的快速变化。学习数据分析，可以具备核心优势，将数据分析能力转换为核心竞争力。
什么是数据分析？要理解这个内容，先来看三个数据分析的常见误区：
1、只有数据分析师才需要数据分析。
2、数据分析，就是用Excel、Python之类的软件处理数据。
3、数据分析门槛高，普通人很难学会。
针对这三个误区逐一破解。
首先，并不是只有数据分析师才需要数据分析。日常生活工作中所获取的信息，都是数据。所谓的数据分析，就是根据自己的工作目标，对数据进行一系列处理，最后得出结论的过程。比如人力、行政、销售等，都需要用到数据分析。万物皆可数据，万物皆可数据分析。
其次，数据分析能力是通过数据分析问题的能力，而不是试用各种软件工具处理数据的能力。数据分析是分析问题的能力。工具固然重要，但是使用工具的底层逻辑更加重要，没有相应的思维方法，解决不了实际问题。使用工具只不过是让过程更加高效。
最后，数据分析并不是想象中那么难，通过学习和实践也是可以掌握的。就像生活中常见的买东西要“货比三家”，就是一种最基本的数据分析。
数据分析具备三个层次：
（1）描述性分析：清楚呈现工作成果，可以影响上级和同事。
（2）诊断性分析：深入分析问题，用数据找出业务的本质。
（3）预测性分析：使用工具建立模型，预测未来业务趋势。
二、数据分析之对比分析
从数据中发现问题、获取洞见，核心就是对比。对比是基本的数据分析方法。
对比分析有三个步骤:
1、对比什么数据？what
对比什么数据，一般有四个方面的数据项：一，从KPI中找对比数据项；二，从工作流程中找；三、从相关行业报告、行业分析中找关注的数据项；四、从最近用的Excel中找。
2、怎么对比？How
如何对比数据，常见的方法是统计方法。有三大常用统计指标：
（1）、描述数据集中趋势的平均数、中位数、众数。
（2）、描述数据极端情况的最值，最大值和最小值。
（3）、用来描述数据的比值，也就是比率或者比例。
3、和谁对比？who
和谁对比，一般也有三种：历史对比、横向对比、外部对比。
三、数据分析之数据拆解——要素拆解
有些复杂的问题用数据对比可能无法解决，这时候需要用数据拆解。也就是说分析问题的本质是把一个大问题拆解成若干小问题，逐一解决。
常用的拆解问题的方法是要素拆解法。找出问题的基本构成，然后拆解成小问题。要素拆解法常用的方式是加法拆解。把构成这个问题的所有要素加起来，就是最终目标。比如零售行业中常见的人、货、场模型。
人：消费者；货：出售的产品或服务；场：广义上的销售渠道。
有了这个模型，我们分析销售额或者年度销售任务的时候，就从人、货、场的角度分别进行数据分析，最后把三个要素相加。
类似的，还有乘法、除法、减法拆解法，比如 利润=营收额-总成本；销售收入=单价*数量。
要素拆解后，还需要判断最大影响力的要素。
四、数据分析之数据拆解——流程拆解
有的时候，用要素拆解的方法也无法解决的问题，这时候可以从流程入手，按照流程拆解来进行分析。比如顾客购买商品，一般有哪几个流程，从每个流程入手，分析各环节的数据。
流程拆解常用的是漏斗模型。
1、根据工作流建立漏斗框架。
建立漏斗框架的步骤一般是：列出流程的所有环节、对所有环节进行分层，一般不超过7层（分层即是合并同类型节点、漏斗切割）、构建漏斗模型。
2、对漏斗的各环节进行数据收集
记录关键节点的数据非感性认识，用于下一阶段的数据对比。
3、通过对比分析，确定重点优化环节。
对比分析，在前面已经提到过，可以历史对比、横向对比、外部对比。
优化重点环节的时候，要聚焦哪个环节优化产出更高、优化投入更低。
总结：数据分析的知识学习，什么是数据分析、数据分析常用的三种方法：对比分析、要素拆解分析、流程拆解分析。
