很多运营每天都在说数据分析，很多公司也对运营的要求是进行数据分析、数据复盘。

今天不谈论具体的分析数据方法和细节，只从底层逻辑上说说自己的数据分析的理解。

1、数据分析，必须要带有目的性，而不是简单的统计数据
必须要有一个明确的目标。
“如何提升下月的销售额？”
“为什么A产品的销售额突然下降了？”
“为什么B产品的订单毛利率大幅度下降？”
问题定义决定了分析的方向。
我们一般拿到的数据是非常杂乱的，包含了很多信息，比如销售额，订单量，广告数据，曝光，点击，转化，退货，等等。
我们在进行数据清洗时，要结合我们的业务目标，筛选对我们有用的数据。

2、逻辑和洞察数据
数据分析和数据统计，有根本的区别。
进行数据分析时，不是罗列数据、图表，也不是统计数据。
XXX下降了，XXX上升了，这只是描述性分析。

分析更重要的是逻辑性、因果关系，来解释：为什么，并提炼出可执行的行动。
“数据说明了什么？”
“背后的原因可能是什么？”
“我们该怎么办？”
数据的洞察，可以总结为从“是什么”到“为什么”。

再深刻的洞察，如果无法有效传达并促成改变，其价值就是零

3、数据对比
没有对比，数据就没有意义。核心规律包括：与目标对比、与同期对比、与同类对比、与基准对比。
对比才有变化；有变化才能分析原因；分析原因后才能制定策略，然后才是执行，执行后才能总结。
这就是一个最简单的、数据驱动决策的闭环。

先进行描述性分析，掌握概况。
然后进行诊断性分析，通过数据对比、相关性分析（逻辑和因果关系）来定位问题。
最后进行预测分析，探索原因与趋势，输出调整方案。

那最后，数据分析的核心到底是什么呢？

1、业务逻辑：分析时关注我们一开始的业务目标，不要偏离，数据分析的终极目标是为业务服务。
2、结构化思维：把复杂问题有条理地分解成相互独立、完全穷尽的子问题（也就是大家常说的细化拆分，比如把销量问题拆分为独立的流量问题和转化问题）。
3、量化不确定性：这非常重要，数据分析几乎不可能给出100%确定的答案，其核心价值在于减少不确定性，把我们的任务或者决策方向从“凭直觉”变为“有依据地估算”。