掌握數據分析能力的重要性和ABC

02-03

最近很多文章都在渲染AI的威脅，要淘汰掉多少多少的工作崗位。其實在我看來，大部分人都想多了，淘汰他們的，很可能不是AI，而是一個真正掌握了Excel的同事；根本不用再等10年，而是每過一個月都更加危險。那麼，問題來了，你想當那些被淘汰的人，還是最先掌握數據分析能力的人？

一、企業內的常見的鄙視鏈：

有數據的鄙視沒數據的，看全局的鄙視只看自己的，有洞察的鄙視簡單比較的，能驅動別人改善的鄙視只能看好自己一畝三分地的：

比如，以下幾種表述就是在鄙視鏈中逐步上移的：

「經營業績連年增長」
「過去三年，業績均取得10%以上的增長」
「過去三年，業績增長率分別為19%，16%，11%，每年都領先競爭對手至少2個百分點」
「雖然業績持續增長，但增長率在下滑，而且下滑呈加速趨勢，即將低於兩位數」
「業績下滑一方面是市場競爭激烈，但還有一個重要原因是我們的生產成本偏高，從主要競爭對手財報推算，我們的成本應該有至少3-5個百分點的優化機會，可以扭轉業績下滑的趨勢，所以我們迫切需要對生產成本進行深入分析和改善」

在向鄙視鏈頂端移動的過程中，數據資料和對數據的解讀扮演了越來越重要的角色。

二、為什麼重要：

對於本公眾號的讀者，應該不存在不需要數據分析能力的工作了。管理規範的公司都強調「基於數據和事實」，而不是基於主觀感受或者經驗。沒有紮實數據分析的工作成果或者建議根本不可能得到認可
量化的分析一定是有對錯的（雖然不一定是唯一標準的），一旦出錯會暴露無遺
對於新人來說，工作中做數據分析的比重會很高。分析做好了，才有機會接觸其他更高級、也更需要經驗的工作
如今隨著移動互聯網、物聯網的發展，數據越來越多，來源越來越複雜，對分析能力要求越來越高，需要有洞察和發現，而不僅僅是統計匯總
我們生活的社會節奏也在顯著加快，不但要能分析，還要高效，還要有抓眼球、易理解的展示
對企業來說，競爭已經越來越演變為數據的競爭，之前順豐和阿里之爭就源於對數據介面的控制。水漲船高，對於個人的數據分析能力也有更高的需求

三、誰應該閱讀這篇文章：

99%以上的職場人士，都必須靠數據分析提高自己的工作質量和效率（另外1%不到本身就是做數據分析專家的，如果你是這類人請忽略本文，對你來說太簡單了）
對於新人，最好快速建立超越他人的分析能力，很容易在職場上鶴立雞群
對於有經驗的人，可以用數據分析提升改善自己的工作，提升績效。一個明顯的趨勢，個人經驗越來越比不過數據分析的威力，例如再熟悉路況的計程車司機也比不過高德地圖的實時路徑規劃功能，所以轉型是必須的
對於帶人的經理們，自己雖不一定親自作分析，但應該知道都有什麼數據分析的方法，才能指（Yao）導（Qiu）手下們在工作中應用

四、什麼是數據分析：

本文探討的數據分析限定在大型企業的職業經理人經常遇到的類型，包括四種典型類別：

描述性統計分析：對海量數據的統計匯總（回憶下每年雙十一淘寶巨大的實時跳動的銷量看板，是否格外激動人心？）
歸因性分析：對歷史信息的數據挖掘，找到隱藏的相關性（當購物網站推送的廣告都是你想買買買的，是否還感到一絲涼意？在數據挖掘面前，所有的秘密都不再是秘密）
預測性分析：根據歷史和多方信息綜合，對未來發展趨勢進行量化的預測（今年冬天什麼顏色的衣服會流行？哪個明星的廣告能帶來更多的銷量？國慶促銷應該準備多少贈品？）
最優化分析：根據給定的條件限制，決定如何使用資源可以產生最佳的效果（物流小哥送完這一車貨，走什麼路線最節省時間？廣告預算有限，如何在多個網站、電視台之間分配？）

五、有關數據分析能力的5個常見誤區：

「我們未來要加強數據分析，咱們去招幾個計算機系的學生」——計算機系的學生在邏輯思維，資料庫和編程方面確實經驗更豐富，但數據「分析」首先需要對業務的理解而不是編程，所以實際做這個崗位的人如果具備一定的分析能力，往往比純技術背景的人更有優勢。
「在大學我左SPSS，右Matlab，工作了居然要用Excel？」——沒錯，如果你不是那1%的數據分析專家，還真別不服Excel真正用熟（簡歷上寫的「熟練使用XX」往往都很水）。Excel的功能本身已經很強大了，還有眾多第三方插件，更重要的是普及率高。工作不是自己寫論文，大量的時間是團隊合作，Excel在文件傳遞、團隊協同工作方面有無法替代的地位
「我們部門有人能做數據分析，我有需要找TA就行」——這樣啊，那是不是工資也發給TA啊？企業里最重要的「三流」就是資金流、物流、信息流，資金流都在銀行間你碰不著，物流估計你也不想去搶叉車或者搬運工的飯碗，那信息流你再不自己動手，只怕也就離被淘汰不遠了。畢竟老虎出現的時候，別人只要跑過你就安全了，何況是信息化這隻巨型老虎，你得超過大多數人才能生存
「現在都在講大數據，我們也要做大數據分析」——拜託，在玩「大」數據之前，你的「小」數據分析清楚了嗎？IT廠商和那些靠炒概念吸引眼球的編輯人可以張口閉口大數據，但以我在MBB做了近十年的諮詢經驗看到的，大量公司連自己部門的數據都遠沒有管好用好，每個人更是應該將自己經手的信息整理、分析透徹

六、提升數據分析能力的三步階梯：

我曾經在一個項目上為客戶培訓某個部門的數據分析員，創造了一個記錄：連續培訓了三個人，每個人培訓時間大約兩周，無一例外的，這三個人都在培訓後一個月內——跳——槽——了！，因為下家給的工資翻倍

這裡就為那些也可能也憧憬著工資翻倍，甚至想向數據分析專家轉型的朋友們介紹一下能力提升的三個階梯：

世界上有三種謊言，分別是謊言，該死的謊言和統計數據

There are three kinds of lies: lies, damned lies and statistics

——By 馬克·吐溫

在提升數據分析能力的道路上，洞察力就像是內功，操作能力就像是拳腳。

第一級：勝任本職工作，提升質量和效率：

常用工具：Excel

洞察能力要求：

最重要的，要培養自己對數據敏感，能從日常工作的數據中看出「問題」，去尋求答案或者去改善
能結從工作內容出發，自上而下地梳理哪些分析有價值，內在邏輯如何
能預先列出需要哪些數據，從哪裡獲取，用什麼頻率更新
能對收到的數據質量進行判斷，識別並且過濾掉異常信息
能從分析中找到改善自身工作的機會，並付諸實施

操作能力要求：

能設計出結構化的數據表格，匯總自己工作中的信息，便於進一步分析
能設計出清晰、便捷的數據收集表格，從其他同事、部門獲取數據
對於1和2還有一種可能，就是有能力搞定IT部門或者數據管理員給你下載數據
能熟練利用excel的公式高效地進行各種計算
能熟練使用數據透視表進行一定深度的分析和鑽取
能把常用的計算固化成模板，便於經常性的刷新數據獲取新的結果，也便於更大範圍內的領導、同事使用

第二級：積極推動變革，擴大影響範圍：

常用工具：Excel，PowerPoint，PowerPivot，Access

洞察能力要求：

對業務有往來的部門、同事的工作了解，能和他們討論他們的工作和接觸到的數據，思考如何整合併發揮更大的作用
能從數據分析中找到對更大範圍的合同方有價值的信息，可以是直接的改善方向，也可以是需要引起大家重視的問題
能夠用簡潔明了、引起注意的方式，對發現總結，與他人進行溝通、確認，爭取支持

能力要求：

能匯總來自不同來源的大量數據（通常Excel能處理的數據量控制在20M之內，否則不但很慢，而且很容易文件損壞丟失數據）
能對業務往來部門提出要求，幫助他們規範他們的業務數據統計，便於相互交流和提高協作效率
能對大量的數據進行高效地進行計算和分析
能把分析結果組織成有說服力的文件，有清晰的故事線（storyline），用圖表等直觀的方式幫助聽眾理解（建議大家讀一下《用圖表說話》）

第三級：自我的數字化轉型，向1%數據分析專家邁進：

常用工具：Tableau一類的可視化工具，SQL Server一類的關係資料庫，以及其他專註於某一門類分析的專用工具，如Solver，SPSS，JMP等，VBA/R等編程語言

洞察能力要求：

能夠思考企業的IT系統應該和數據管理應該如何改進，滿足更廣泛的數據分析需求
能夠與企業高管層、各業務部門的領導層對話，用你的數據分析能力和他們的業務思維進行碰撞，找到發展的方向
掌握技術領域的動態，前瞻性的規劃企業在數據管理方面需要做哪些布局和改進，快人一步（要記得老虎的故事，企業也是一樣的）

操作能力要求：

能夠處理和分析海量的數據（比如一家全國連鎖零售企業的POS機每天產生的數據就是上百G級別的）
能夠拓寬數據來源，把一些非傳統的數據源與本企業數據整合，開拓新的領域
非結構化數據比如圖像、視頻的媒體數據也能加以處理
能夠針對不同場景需求選擇合適的軟體、平台進行建模分析，對業務進行改善
能夠把分析需求和模型轉化為對IT平台的功能需求，管理第三方的IT顧問團隊進行實施和整合

寫在最後：數據分析是我專欄里僅有的一項偏「硬」的技能，是因為我們已經處在一個不可逆轉的潮流中。得數據者的天下，數據如果是金礦，分析人才就是礦工，你還等什麼呢？