目前可能没有一项管理工作与数据无关，也没有哪个管理人员和业务人员不接触数据，仅仅是处理数据的手段不同而已。高级的用Tableau等自主分析软件，用拖拖拽拽对数据进行可视化分析；中级的用Excel，利用数据透视图制作报表；初级的用一张表格，手工填写数字，用计算器计算合计。

在大数据时代，虽然大家都认识到数据的重要性，但应用程度和水平还是比较低。对大数据铺天盖地的宣传，却使数据应用离开了尘世，好像没有BI，没有Hadoop，就谈不上应用数据。实际上，如果对数据应用能力不足，即使有了这些系统，还是难以发挥数据的价值。

数据只有经过分析，把分析结果嵌入日常管理流程，才能发挥价值。有了对数据的需求，才有对相关软件工具的需求，才有对BI、Hadoop等数据的获取、存储、展现等技术的需求。那么，如何开展数据分析工作呢？高大上的方式是开发大数据系统，招聘专职的数据分析师，甚至是数据科学家。接地气的方式是对管理人员和业务人员开展数据分析技能培训，将平时就在做的数据统计汇总工作，提升到专业的数据分析水准。可以想象，数据分析技能，将会象开车和打字一样，从一项专职工作，变成人人具备的技能。

虽然做好数据分析工作需要下一番功夫，但不要把数据分析工作看得过于高不可攀，特别是被那些算法、模型、工具吓着。虽然专业数据分析人员需要掌握算法，熟悉SAS、SPSS、R、Python的软件工具中的一种或多种，但实际工作中建模机会并不多，大多数工作还是做做报表，因此被戏称为表哥表姐。

有篇文章分析为什么数据科学家会经常跳槽，提到的原因主要是这些高级人才被高薪挖到一个企业后，发现缺乏场景、缺乏数据，无法发挥作用。

在和专职数据分析人员交流中，他们都强调要做好工作，必须掌握业务知识，和业务人员搞好关系，只有这样，才能做出成果，让老板看到自己的价值。所以，数据分析能力和业务知识的结合是做好工作的保证。既然数据分析人员可以学业务知识，业务人员或管理人员也完全可以学数据分析知识。

企业数据分析应用水平的提升也是有台阶的，不能一言不合就建模。起步是做描述性数据分析和诊断性数据分析，先解决发生了什么和为什么发生的问题，再做预测性数据分析和规范性数据分析，解决可能会发生什么与需要去做什么的问题。后两个高级数据分析才离不开算法和模型。

作为非专业数据分析人员，在着手数据分析工作之前，需要关注三个问题：数据的易得、工具的易用、方法的可复用。

没有数据，主要是历史数据，是无法得出有价值信息的。常见的困难是，手工填报或Excel处理的数据存储分散，在ERP等软件录入的数据一入侯门深似海，这些软件既不提供数据分析功能，还不方便导出。

在工具方面，如果成本过高，学习太困难，作为非专业的人员门槛有点高。目前很多商业化的自助分析软件使用很方便，通过拖拽就可以完成许多工作，但缺陷是成本高。数据分析工具最易用的非Excel莫属。Excel的功能很强大，一般分析足够了，主要难度在于要做什么，而不是怎么做。

分析方法的可复用性是指在方法适用实际工作中遇到的大多数问题。多维分析是最有用，也是最基本的方法。

相关文章