高级的数据分析,长啥样?

“你有没有做过高级的数据分析？”这个问题一出，又问劈了很多同学。妈耶，平时都在跑取数单，啥是高级的数据分析见都没见过，咋回答。今天系统解答一下。

 1 

通俗解释，什么算高级

问一个简单的问题：汽车上如果导航，能不能开车？答：绝对可以。实际上导航普及也没几年时间。但没有导航，开车会异常麻烦：找不到路；错过路口兜一大圈；傻乎乎堵在路上不会绕……总之开车效率低了很多。这时候，只有各种路况牢记于心的老司机才能又快又准的抵达终点——这是人们通常心目中的“高级司机”。如果你去采访他，他一定有很多“高级开车方法”可以分享。

但是有了导航以后，开车学习成本极大降低，以前菜鸟连路都找不到，现在按着导航走，也能大差不差的到达终点。虽然高级的司机肯定还是会略快一点，但是高级程度已经大大下降了——因为结果上的差距拉近了很多。虽然老司机们口头上还是会有很多复杂的，难以学习的技巧，但是结果的差距相近，让人们不再那么迷信他们。反而开始吐槽他们的各种恶习：加塞、压实线、变道不打灯……

所以我们看到，所谓的高级有两种理解：

1、业务上的高级：被少数高人掌握，结果上又快又准，口头炫酷复杂。

2、技术上的高级：能帮助大量菜鸟，结果上提升效率，操作简单轻松。

那么问题来了：数据分析，算是技术呢？还是业务呢？

 2 

高级的数据分析，需要什么

之所以举导航的例子，是因为数据分析和导航非常类似：

所以理论上，最高级的数据分析成果，就应该类似导航：

真正高级的数据分析，是体系化作战，以业务流程为保障，以数据采集为基础，以报表为骨干，以数据产品为卖点，兼有业务经验沉淀与模型辅助，是一套简单易用的工具体系（如下图所示）。

但是，如果在面试或者对外交流的时候，经常有些不懂行的人出来嘀咕：你这个做的不够高级呀。为啥呢？？？

 3 

为啥不识货的人那么多

越高级的数据分析，在菜鸟眼中越简单！

因为其中太多脚踏实地干活的部分，

完全不够炫酷、玄幻、高大上吗！

他们会不停嚷嚷：

• 数据本来就很大呀！

• 不就是做个报表吗！

• 不就是做个提醒吗！

• 你这预测也太简单了！

• 能不能我嘴上不说，你自动预测我心里想什么！

你要是试图给他们解释：这个只是看起来简单，需要打通n个系统，做n多埋点，采集n多数据，进行n次反复实验。就像你要跟他解释导航软件需要搞卫星遥感，街道实拍，预计算路径一样——他既听不懂，也不觉得很高级。他们会继续嚷嚷：导航不是很多人都能做吗，不就是输入一个地址吗，有啥难的。总之，对他们而言，操作简单就是方法简单，只要听懂名字就等于理解过程。他们渴望的是过程听不懂且效果出人意料的牛逼的玩意。

是滴，菜鸟们需要的不是个数据分析师，而是个巫师。带着尖尖帽子，拿着魔杖，穿着灰色长袍，口中念着：阿瓦达克拉夫拉！然后变出一堆钞票来。你不张嘴，他掐指一算，便知施主今日星座运势——这看起来多高级！

当然，行业里还是有识货的人，但是万一遇上这种菜鸡，还偏爱跟你较真：“你有没有啥高级的方法”，该咋对付呢？

 4 

如何提升数据分析的高级感

我们拿看似最简单的销售分析举个例子。注意，以下方法只适用于面对不懂行且豪横的坏人。本质上，这种质疑来自对数据分析工作的不理解，和对自身能力的过度自负。所以想要怼回去，刹掉对方的锐气，可以这么干：

第一步：反客为主。把他想抨击你的话，主动说了。走他的路，让他无路可走。

第二步：展示神迹。注意：评价数据分析方法是否高级，本质看效果。所以想说一个高级的东西，先讲，这么干有什么好处。（如下图）

第三步：引经据典。本质上菜鸟们喜欢：模型、思维、范式这种巨牛逼的名字，所以起个牛逼名字。比如：“我用数据分析发现了与销售业绩关联度高的5个维度”，直接叫“构建销售五力模型”。是不是逼格一下上来了。类似的：“我按照5个维度对销售进行了聚类分析，划分为5个群体”直接叫“构建分层精准运营体系”……绝对好使！

第四步：繁花似锦。不要解释太多操作细节，解释多了，他听懂了，还嫌弃你不够“高级”。类似：“我按照XXX规则提取销售名单交给业务部进行跟进，经过1个月检验发现65%预测正确，30%出现误差”就太脚踏实地了。直接叫：“建立赋能系统，进行5轮迭代，持续优化模型效能”直接把人看趴下。

差不多几步下来，对方或是喷人锐气丧尽，或是被吹得心满意足。如果有诚意合作的就直接往下聊了。如果是故意找茬的人，也无从下口——因为他自己也没有高明到哪里去。只要那些天天吹高大上方法的人，一碰上数据采集，一碰上数据清洗，一碰上落地流程，基本都化成灰了。想反抗都反抗不了。

陈老师每次去见类似的好高骛远的客户，都喜欢直接下载他们的APP，或者去他们的门店逛一圈。核心就关注他们的数据采集流程，以及活动规则设定。当我切换到微信小号一遍又一遍薅新人羊毛，让我在销售/导购那里听到：“先生您随便填一下这个就好”，我都会截图、录音记录。之后再遇到跟我扯各种高级、智能、神奇方法的时候，就把这些基础数据质量问题甩出来给大家看，然后话题基本都转成：粪坑之上能不能盖摩天大楼，哈哈哈。效果群拔。

当然，作为从业者，我们还是希望业内浮躁盲目的气氛少一点，大家多认真干活，这也是陈老师努力科普的原因。并且这里有些工作，比如预测业绩，比如预测响应率，还是需要用到一定算法，比直接跑报表有技术含量。

有兴趣的话，本篇集齐60在看，下一篇我们来分享：如果做一个真正有用的模型。敬请期待哦。

• 数据分析，如何推动业务？
  

• 数据运营体系，该如何搭建
  

• 如何提升数据洞察力