数据分析的起点是什么？

当下，正在组建一支初步定位于“数据产品”的团队。回顾过去带一支商业分析团队，与公司内各种角色的配合经历，有个问题越来越困扰我：我们做的是数据分析么？

从我个人角度，做些不准确的抽象：

统计业务指标，附加业务信息，多渠道呈现。

用数字和浅层的图表，描述业务状况。

量化业务目标，形成KPI，然后层层拆解与核对。

以业务动作和特性，解释业务结果，再用数据来“贯通”这个过程。

从业务理解出发，用数据搭建运营框架或产品框架。

数据源治理，数据表设计，指标管理。

罗列多个指标，从一些模棱两可的结论中，选出出某些“洞察”或者“策略”。

先有判断，或者先有目的，再用数字“验证”。

根据业务需求，交付需求方想要的“东西”。

这些工作，都有价值，也都有逻辑可循，并没有对错及好坏。但这些是数据分析么？换个角度思考，上述做法，有许多并不是“分析”，而有的是“分析”，但分析的是业务问题或者商业问题。

不是“分析”的工作，一定条件下可以往“分析”转变。而何谓“分析”？讨论“分析”这个定义，我们需要从“起点”、“对象”、“目的”、“路径”、“评价”几个维度展开。起点是什么？往往最关键。

再往下问一层，就是数据分析的起点是什么？

从我个人角度看：

“数据分析的起点应该是蕴含在可获取的量化数据集中的有效信息。”

怎么理解这句话呢？
首先，“量化数据集”，可理解成“标尺”。举个栗子，客户吐槽产品体验的一段文本，不是量化数据集，而从文本转化而来的客户满意度分值，是量化数据集。

其次，“有效信息”，是指量化的数据，需要有实际的业务含义。举个栗子，根据客户吐槽文本，转化而来的对产品的喜好分值，是有效的；而文本中“的”字的使用次数，也是个量化的结果，但一般就不是有效的信息。

最后，是“可获取”，是指在成本可接受的情况下，能收集到，或通过商业理解及算法能“挖掘”而出。再来个栗子，用户通过各种方式向好友推荐产品的次数，也许花再多的钱和精力，也统计不到俩人见面吃饭时候聊天的内容；但是却有可能挖掘用户在线上与好友互动的行为，由算法评估出推荐的程度。

从起点，业务分析 VS 数据分析

为什么要这么拆开来看呢？这两者不应该是一体么？
从前我也这么认为，但渐渐地我发现，现在的分析师们，也许太沉溺于业务描述，而丢掉了从“量化数据集”中挖掘信息的能力。我希望以“起点”的讨论，激起大家的思考，填补日常工作当中也许已经缺失很久的部分。

业务分析（或者说商业分析）的起点，往往是业务问题。往细了说，也许是举棋不定需要做的决策，也许是需要验证的某个功能，也许是需要看清楚形势，也许是需要用于争取资源的“支撑”，也许。。。
以我的观察，日常工作中，往往是需求方以这些起点，直接引申成了分析需求；而分析师丢失了将业务起点转换为数据分析起点的过程，或者说不具备这个能力。再加上分析师往往不够理解业务本质，不了解业务执行细节，没有全面的信息来源，导致后续的执行链条，和对数据的应用，全都在浅层的业务逻辑上打转。

我的观察也许比较片面，但读者可以根据下面的列表，判断一下自己是否有如下表现。若有，说明忽略了“数据分析的起点”，应该反思怎么做，能回归数据分析，找到业务解读和数据解读的平衡。

对取好的数据，拿来就用，不做数据集的认知，检验数据质量，比如空值、异常值、数据分布、全距、方差标准差、变异系数等等。

对数据字段的加工，只做汇总和算数平均，不做字段内的数学转化，如对数化、标准化或离散化；也不做字段间的组合运算或模型转化，如指数化、PCA、线性拟合、指示函数化等。

对于时间序列数据，只会用折线图展示原始指标或者初步汇总的数据，缺乏趋势线、预测线、异常值、波动范围等辅助观察手段；缺乏周期性的观察和检验；缺乏时间序列之间的相关性观察和检验。

对于截面数据，只会展示数值，而不考虑组合排序、离散化、编码、横向对比、模糊聚类、异常值识别等处理。

对于表格或者数据对比场景，只展示环比或者同比，缺乏累计同比、定基比、双重差分、交叉对比、与外部输入信息对比等多角度的对比方式。

在需要分层或者分类的场景中，只是对指标进行取舍，只通过2-3个指标数值的分段，“切豆腐块”。缺乏多维下的聚类、异常识别等处理；也缺乏多指标降维的处理，及指标间关系的研究。

在预测性问题中，只用线性回归，且不严谨考虑回归的拟合效果；而不尝试多种方法对比，或分阶段建模，或搭建集成模型。

。。。

暂且列举这么多，如果大家命中了以上列表，真的需要静下心来想一想，脱离了数据分析的起点，你的分析价值会有多大？