數據分析是從“數據獲取”到“信息轉化”的這個過程，（財務分析師考試）說明白點兒就是：獲取到數據后，數據本身并沒有什么價值，而有價值的是我們從數據中提取出來的轉化信息。數據分析的目的是解決我們現實中的某個問題或者滿足現實中的某個需求。在這個從數據到信息的過程中，無論遇到多少復雜多變的數據布局，都肯定是有一些固定的思路，或者稱之為思維方式，來作為統一的分析模式。本文將為你逐一介紹。

第一大思維：【對照】

對照俗稱對比，單獨看一個數據是絕對化的數字，不能代表什么，必須跟另一個數據做對比，才能比較出數據價值。如下圖：

圖a為今天的銷量，對數據分析思路來說，今天的銷量就是個數字，無數據價值和意義；

圖b為今天與昨天的銷量，經過跟昨天的銷量對比，就會發現，今天實際比昨天的量級差了一大截。那么這樣就有自己的數據價值了。

這是最基本的思路，也是最重要的思路。在現實數據分析中的應用非常廣，大到業績匯報，細到選款測款、監控店鋪數據等工作，這些過程就是在做“對照”。數據分析人員獲取到數據后，若數據是單獨的，無法進行對比參照的話，就不能判斷實際意義，也就不能從數據中轉化出有價值的信息了。

第二大思維：【拆分】

分析這個詞從字面上來理解，就是拆分和解析。因此可見，拆分在數據分析中的重要性。

我們回到第一個思維“對照”上面來，當某個維度可以對比的時候，我們選擇對比。在對比后發現問題需要找出原因的時候卻沒得對比，怎么辦？這個時候，“拆分”就閃亮登場了。

給大家描述一個場景：

運營人員小美，經過對比店鋪的數據，發現今天的銷售額只有昨天的50%，這個時候，我們再怎么對比銷售額這個維度，已經沒有意義了。這時需要對銷售額這個維度（或指標）做進一步分解。

根據電商基本公式：

銷售額=成交用戶數*客單價

成交用戶數=訪客數（UV）*轉化率

詳見圖c和圖d

圖c：為了有更清晰的脈絡和思路，我們將兩個電商的基本公式拆解成圖

圖d：將流量結構按照免費與付費拆解，再深一步細分，對流量成分更全更細的拆解

拆分后的結果，相對于拆分前會清晰許多，便于分析，找細節。

例如“流量多還是少”的論斷是不利于采取決策的，將流量細分到免費流量和付費流量上來判斷，是“免費流量過少，付費流量占比太大”還是“免費流量很穩定，付費流量不夠”，判斷越細致，越利于解決問題階段采取有效精準的措施。

由此可見，“拆分”是分析人員必備的思維之二。

第三大思維：【降維】

面對一大堆不同維度的數據束手無策，看著屏幕發呆…你們是否會有過這樣的經歷？

當數據的維度太多的時候，我們不可能每個維度都拿來分析，一些相關聯的數據指標，可篩選出數據堆中能夠合并的維度即可。這句話是什么意思呢？如下表：

這么多的數據維度，其實不必每個都分析。我們知道了 “成交用戶數/訪客數=轉化率”，所以當存在這種維度時，是可以通過其他兩個維度計算出來時，我們就可以“降維”。即三選二。

例如，當數據堆中含有成交用戶數、訪客數和轉化率三個數據維度時，三選二可留訪客數與轉化率。成交用戶數*客單價=銷售額，這三個數據維度也可以三選二呢，即選擇銷售額與成交用戶數。

綜上，通常我們只關心對自己有用的數據，當某些維度的數據跟我們的分析無關時，就可以過濾掉，達到“降維”目的。

第四大思維：【增維】

增維和降維是相對應的，有降必有增。如果我們當前的數據維度不能很清晰很全面地解釋我們的問題時，我們就需要對數據做一個運算，多增加一個指標。請看下圖：

我們發現一個搜索指數和一個寶貝數，這兩個指標一個代表需求，一個代表競爭，有很多人把搜索指數/寶貝數=倍數，用倍數來代表一個詞的競爭度（僅供參考）。這種做法，就是在給數據增維。增加的維度有一種叫法稱之為“輔助列”。

需要強調的是，做好“增維”和“降維” 之前，必須要充分、熟練掌握透數據本身的意義與相互之間的關系后，有目的地對數據進行轉換處理和運算，最終達到分析數據的目的。

第五大思維：【假說】

當我們拿不準未來的時候，或者說是迷茫的時候。我們可以用“假說“。假說是統計學的專業名詞，俗稱假設。當我們不知道結果，或者可能會有幾種選擇的時候，那么我們就召喚“假說”吧，我們先假設有了結果，然后運用逆向思維來進行分析。

從結果到原因，要有怎么樣的因，才能產生這種結果。這有點尋根的味道。那么，我們可以知道，現在滿足了多少因，還需要多少因。如果是多選的情況下，我們就可以通過這種方法來找到最佳路徑（決策）。我們在做未來一年的年度計劃或者月度計劃的時候，都是對未來拿不準的，這個時候就要假設一個目標，倒推分析達成這個目標需要做什么；或者某項營銷活動的結果可能有好幾種，那么設想針對不同的結果，應該有什么樣的數據現象，然后需要什么樣的準備。

當然，“假說”的威力不僅僅如此，除了結果可以假設，過程也是可以被假設的。我們回到數據分析的目的，就會知道只有明確了問題和需求，我們才能選擇分析的方法。

以上的內容，就是我們本文的五個核心的思維方式：對照、拆分、降維、增維以及假說，大家在做簡單數據分析時可對應嘗試套用。

另外，在數據分析思路之外，再補充一個關鍵點，就是三大數據類型。三大數據類型是按照時間序列的細分，來給數據堆中的數據指標做的分類。如圖的時間軸，我們分為“過去”、“現在”和“未來”。

第一大數據類型：【過去】

“過去”的數據指歷史數據，已經發生過的數據。

作用：用于總結、對照和提煉知識

如：歷史店鋪運營數據，退款數據，訂單數據等……

第二大數據類型：【現在】

“現在”的概念比較模糊，當天，當月，今年這些都可以是現在的數據，看我們的時間單位而定。如果我們是以天作為單位，那么，今天的數據，就是現在的數據。現在的數據和過去的數據做比較，才可以知道現在自己是在哪個位置，單有現在的數據，是沒什么用處的。

作用：用于了解現況，發現問題

如：當天的店鋪數據

第三大數據類型：【未來】

“未來”的數據指未發生的數據，通過預測得到。比如我們做的規劃、預算等，這些就是在時間點上還沒有到，但是卻已經有了數據。這個數據是作為參考的數據，預測沒有100%，總是有點兒出入的。

作用：用于預測

如：店鋪規劃，銷售計劃

這三種類型的數據是單向流動的，未來終究會變成現在，直到變成過去。

作者：零一

財務數據分析師CFDA（China Financial Data Analyst）

由中國商業會計學會頒發，通過全國統一考試的學員將同時獲得商業數據分析證書，該證書是由國家人力資源和社會保障部監制，省級職業技能鑒定指導中心簽章頒發《人力資源和社會保障部專項職業能力證書》。

通過CFDA課程的學習，企事業單位的財務人員和管理人員能夠通過科學的指標體系和分析方法，結合企業財務數據，構建數據模型，對公司整體經營狀況進行評估，向管理層和業務部門提供財務建議和決策支持，從而優化資源配置和提升企業核心競爭力。