“你做过什么分析，介绍一下”是个面试时经常被问的问题。很多同学答完以后被怼，更多的同学没有自信回答。为啥？因为大家平时都在范嘀咕：“我可能做了个假的数据分析。到底数据分析是啥？为啥我感觉我做的不是？？？”今天简明扼要的教大家如何判断。
凡是符合：
有未解决问题
有研究过程
有研究结论
的都是分析
如果研究是基于数据做的，就是数据分析。
如果研究是基于访谈、沟通、座谈会做的，可以叫定性分析。
如果研究是基于二手资料、新闻报道做的，可以叫行业分析。
(づ◕ᴗᴗ◕)づ就这么简单
↓ ↓ 举例 ↓ ↓
未解决问题：
不知道4月份电商网站交易金额下降的原因
研究过程：
通过杜邦分析法，发现是新人数量少导致的。
通过漏斗分析法，发现AB渠道新人少是主因。
通过与市场部沟通，发现AB渠道长期依赖补贴，本月起消减了补贴。
研究结论：
交易金额下降，因为AB渠道消减了补贴，导致新用户增长乏力。
完成一个分析就这么简单。做数据分析是解答企业实际问题的，解决问题是1问1答的形式，只要能解答问题都是分析。
当然，这么简单的报告交上去可能被人质疑，诸如：是不是新人数少就是100%的原因？是否消减补贴就是全部AB渠道新人少的原因？其他渠道是不是有类似问题？市场部说了你就信了？以上这些质疑，通通叫分析不够严谨。这么做还会遭到第二个质疑：你为啥没给建议？如果市场部没有钱了，以后没有补贴是常态，那么还能怎么做？这些质疑，叫分析不够深入。
理论上，在时间、精力、资源、业务方认可度均有保证的情况下，是需要严谨论证，不断深入的。不过这些是把分析从60分做到90分的过程，我们首先要保证的是：这是个完整的，60分的数据分析，而那些有疑问的同学做的，往往是0分，甚至是负分滚粗级的。比如：
负分滚粗级例子1，大标题叫《4月电商网站销量分析》，内容是：本月销量1个亿，同比下降10%，环比下降5%……然后就没有然后了。这是个毛线的分析啊。这是陈列了几个数据，没有和业务问题结合。下降就是不好？如果是季节性波动呢？数据要和业务问题结合才有意义。
负分滚粗级例子2，大标题叫《4月电商网站销量分析》，然后做个折线图，内容是：本月销量下降。这是个毛线的分析啊，这只是把陈列的数字画个图而已，以为业务部门不认识阿拉伯数字吗。这个和例子1本质上是同个问题。
负分滚粗级例子3，大标题叫《4月电商网站销量分析》，然后写到：销售额下降是因为用户活跃率低了，结论是要把活跃率搞高……或者销售额下降是因为新人数少了，要搞多……
这个问题不止同学们会犯，很多网上教数据分析的老师都是这么教的，真让人怀疑他们有没有在企业干过。这样只不过是把一个一级指标拆成二级指标而已，本质上还是在罗列数据，而那句“要搞高”在真实的企业里会直接让业务部门炸毛的——我又不是瞎子，我也看到指标低了，不搞高难道还搞低吗！电商也是线上零售，驱动原因是人货场，从人货场角度出发才是真正的原因。这里的错误，是：点出了一个业务问题，但没有推理过程，还是在罗列数据。
负分滚粗级例子4，大标题叫《4月电商网站销量分析》，然后写到：销售额下降了，我打个电话问了业务，业务说是没活动了……如果是这样的话，业务部门还要分析干什么，看到指标低了自问自答一句就好了。这里本质上和例子3一样，没有推理过程，直接把问题甩回给业务部门了。
要注意的是，数据本身很有价值。在企业里不是所有数据工作都需要“分析”，比如做数仓、ETL、BI开发的同学们，就不太需要做分析，看需求单做事把数据跑起来就行。
但做数据分析、数据运营、商业分析、市场研究的同学们，就一定得认真关注自己做的是不是分析，不然仅仅是跑数，没有分析能力，就很难做出价值，也容易被替代掉。去面试的时候也会被各种质疑：你这也算分析？你就是罗列了数据而已。
