我们所说的“数据分析”：产业与链条

“数据分析”是一个含义颇为宽泛的概念，并且，在这个数据化的时代，这个概念几乎是无处不在的。为了保证内容的有效性，在这里仅提供我了解的一些方面。

我接触的数据分析，主要是围绕互联网产品展开的。从数据采集前的规划，到采集过程（交互逻辑设计等），到回收数据的整理（机器层面和人工层面），与业务相联系的数据汇总，到后期的报告呈现（项目成果呈现），都有“数据分析”涉及。

对单一产品来讲，数据分析（非挖掘）的集中体现，往往在运营层面。一方面是日常数据的跟踪，另一方面是重大活动、市场策略、新版本上市时的数据监测。产品经理也可以依据产品日常数据进行用户需求分析。从典型性上看，电商和网络游戏是这个框架下比较成熟的两类数据链条。

对于商业咨询/研究来讲，数据分析为观点服务，这里的数据分析，选样、分析过程、呈现都是依附于特定商业目标和商业逻辑的，没有太多的共性。重要的是要知道如何获取高质量的数据，以及熟练使用业界通用的分析方法。

此外，在一些商业提案、演讲、培训中也会用到数据分析，这里的数据分析更是为了主题服务，一方面需要描述市场规模、时间变化趋势等的宏观数据，另一方面需要具体的案例数据，讲述提案所涉及的方法在哪些指标上使客户/用户得到提升。

综上，数据分析可能出现在产业链条的任何一个位置，产品、运营、市场，甚至销售、商务、人力，等等等等，当然职位可能就叫数据分析，但理解这个职位在哪一个业务板块，会更利于数据分析的进行。

转型数据分析，早期技能综述

数据分析在我看来是个无底洞，越做越觉得技能欠缺——文科生可能尤其如此，因为他们几乎零基础；这如果不令他们陷入迷茫，就很可能令他们陷入知识获取的癫狂状态。

深浅远近的知识一起吃未必不好，不过我还是建议入门早期首先关注三个方面：

1、统计学基础