数据分析伴随着人工智能，大数据的技术在近些年真的火起来了，python，机器学习，神经网络等专业术语也跟着火了，那么学好数据分析，我是学R语言还是学python呢，我要不要学hadoop等大数据框架呢？我要学机器学习等算法呢?等等一系列的问题在网络上流传，也许你的网盘里有一堆这样的资料（收藏不看系列），也许你真的会熟练这些处理数据工具？那么真的能解决企业业务难题？真的能解决业务需求？
作为职场小白或者在校的大学生，可能会经常遇到这样的问题，当一项业务需求摆在我们面前，我们经常会不知所措，无从下手，大部分人会去网络上去搜查有这方面的案例，可惜得到结果并非令人满意，搜到的铺天盖地是方法概念与技术要点，看上去万事俱备，只欠实操，真的要动手做的话，还是回到“解放前”。
其实初级数据分析师缺少是处理数据的思维，一个业务需求过来，上手就干这是数据分析的大忌，明确数据分析问题是解决业务问题的关键，那么究竟怎么做呢？本文提供一个常规处理数据思维步骤：
1.为什么要进行数据分析？（why）
2.分析的内容是什么？（what）
3.怎样进行数据分析？（how）
一、为什么要进行数据分析？（why）
数据分析用来解决企业业务难题的，那么企业有哪些常规的难题待解决呢？比如在市场经济下，如何找到市场的机会？如何规避企业的风险？如何企业问题的诊断？如何保证企业利益的最大化？这些都不开数据分析：
1.识别企业的市场的机会
市场的机会往往存在市场上没被人们（消费者）满足的地方。这个道理大家都懂，没有消费者就没有市场，更别提市场机会和利益可言了，消费者需求得到满足是企业最大的财富，如果你掌握好了数据分析的方法，通过量化分析找到那些尚未被满足的需求的话，则可以发现这种市场机会。
2.规避风险
风险管理由来已久，近些年来更是逐步成为了国际上关注的热点，在一些发达国家，风险管理不仅在理论上发展迅速，而且很多企业都已认识到风险管理的重要性，越来越多地将风险管理应用到企业管理的各个方面。尤其是在诸如安然、世通等事件发生后，风险管理更加为各国所重视。建立健全内控体系，提升企业综合管理水平，是当前企业的当务之急，越来越多的企业面临着向管理要效益的迫切诉求，同样通过数据分析，我们可以科学的避免风险。
3.问题诊断
诊断分析的目标是了解事情发生的原因。例如，为什么今年在市场推广投入得更多，而销售额却比去年低了10%。而在人们的操作数据中显示，当他们把商品放进购物车之后，并没有下单，数据显示，当他们在填写收货地址和付款细节的时候，退出率是最高的。因此，这中间出了一些问题：表单未正确加载？运费太高了?表格太长了，移动不方便?没有足够的付款方式可供选择?
企业进行数据分析得到好处远远不止这些，数据分析在公司的角色大海边的灯塔，时刻指引着企业中这艘大船。
二、分析的内容是什么？（what）
数据分析的内容必定是围绕着企业的业务进行展开的，简单来说企业的业务是指企业挣钱 的手段!比如卖服务的To B型公司，这种公司提供基本是企业对企业的服务，比如IT公司，咨询公司。。还比如卖产品（商品）的To C型的公司，直接面对的都是消费者，比如零售业，一般都是一手交钱，一手交货。。。那么不同企业模式或者说不同的业务的分析内容是否相同？大体可以分为哪几种？
1.战略分析
简单来说通过分析自己企业所处的宏观环境（政治、经济、文化、科技等）和市场环境（行业规模、行业利润、行业生命周期），企业可以把我市场的机遇和挑战，通过分析自己所处的竞争环境（竞争对手、市场份额、市场集中度等），企业可以了解自身优势和劣势，通过综合评估市场的机遇、挑战和自身的优势和劣势（常用的方法为SWTO分析和内外因素评价矩阵），企业可以做出合理科学的判断，选择出正确的战略方向。
2.用户偏好分析
满足用户的需求和偏好，才能赢得用户。用户偏好分析是企业留住老用户，吸引新用户的关键所在，常常在企业中看到用户画像分析，可见其重要性。
3.STP分析
顾客是上帝这句话没错？如果用在STP分析中，那么可以改成目标顾客是上帝。一个企业不可能满足所有消费者的需求，因为消费者的的需求是差异化且多样化的，所以找出企业中合适的消费者就成了重要的分析内容了。STP分析中“S”指的是市场细分（Segmenation），“T”指的是市场目标（Targeting），“P”指的是营销组合（Positioning）。简单来说通过分析，将市场分为几个部分，然后选出适合自己的市场，最终通过营销组合确定企业的“上帝”。
分析的内容也远不止这三种，比如还包括营销组合分析，品牌建设分析等，我们可以研究这些数据分析的内容，利用现有的资源比竞争对手更加敏捷和更加有效把控市场，实现企业利益的最大化。
三、怎样进行数据分析？（how）
这部分是初学者非常关心的部分，要学好这部分主要从三个角度来考虑：
1.数据分析方法论
2.数据分析工具
3.数据分析的技术方法
1.数据分析方法论
数据分析方法论主要用来指导数据分析师进行一次完整的数据分析，它更多的是指数据分析思路，比如主要从哪几个方面来开展数据分析？各方面包含什么内容和指标。所以数据分析方法论是从宏观的角度指导如何进行数据分析，它就像是一个数据分析的前期规划，指导着后期数据分析工作的开展。常见的方法论有：5W2H、4P、逻辑树、金字塔等分析思路，这些思路在今后的学习中会逐一介绍，本文只简单介绍
2.数据分析工具
数据分析工具市场上有太多的，笔者认为工具只是工具，会用就行，最重要的是分析的思维和方法。常见的分析工具有：excel,python,R,SQL这几个是公司中最常用到的，最好都要了解一下（其实掌握都不是很难，精通另说哈）这部分可以自己找本书或者找些视频对着练练手即可。
3.数据分析的技术方法
数据分析方法是指对具体的信息和数据进行怎样的处理，采用什么样的分析方法，它是整个数据分析项目中的一个较为关键的环节，是从微观角度指导我们怎样进行数据分析。常见的数据分析方法有交叉分析、相关分析、回归分析、聚类分析等，这块理论与实操性都比较强。学这块最好的方法就是运用它们，如何运用呢?如果手上没有相关的项目，或者说没有相关的资源可以用,可以去打打数据相关的比赛：[kaggle]https://www.kaggle.com/,[阿里的天池]https://tianchi.aliyun.com/home/
通过上面简单的介绍，我可以知道对于企业的业务难题，对于分析思路的确定，需要我们根据自己所在行业的特点在工作实践中进一步摸索，前提是要了解行业知识、公司业务及相关的营销管理模式，只有把它们有机结合使用，才能指导我们数据分析工作的有序开展，确保数据分析结果具有指导意义。
下篇文章我将谈谈如何将自己打造企业想要的人才，敬请期待！！