对于专业且经验丰富的数据人来说，结合业务场景和工作经历大部分都已经建立了一套完备的分析思路。就算换了新的工作内容也能结合分析框架轻松适应业务需求。这次想探讨的是针对一线业务同学以及刚接触数据的同学，当接触全新的分析议题时帮助快速建立数据分析框架。
01
问问自己到底要分析什么
这个问题其实很难回答，我觉得资深的分析师在写做各种数据处理和汇总时也会有这种疑问。有时候是巧妇难为无米之炊，数据质量欠缺导致缺乏有价值的数据作为分析基础和数据支撑；有时候是数据太多应接不暇，各种分析后发现无法提炼核心结论。其实这些都是因为没有想清楚自己到底要分析什么。
明确本次分析目标，把分析目标分解化为若干个点。把分析内容转化为一道道解答题，本次分析目标是什么？分析的功能或者用户有什么特征？需要从哪几个角度进行分析？采用哪些指标得出分析结论，分析过程是否存在逻辑问题？
02
自己到底需要哪些数据？
做数据分析一定要对数据类型和用途有清晰的认知，一般分为
1，用户基础数据
2，用户行为数据
3，业务数据
4，调研类数据
5，画像类数据
针对上面的数据类型结合本身业务及生态构成，是很容易整理出自己需要哪些数据的。获得数据后对数据进行多维分析，波动解读，归因说明等验证，结合统计学理论，这样会针对数据得到初步分析结论，并对结论不断进行探索验证。
03
数据处理和清洗
根据目标和需求找到自己的数据源，收集前一定要经过谨慎的数据校验和口径对齐，因为一旦数据采集出了问题会直接影响分析结论。同时数据有些是有效的有些是无用的，这时候我们就要根据目标，对数据进行处理，处理主要包括数据清洗、数据转化、数据提取、数据计算等处理方法，将各种原始数据加工成为产品经理需要的直观的可看数据。
04
数据呈现
记住一般能用图说明问题的就不用表格，能用表说明问题的就不用文字。表格和图形永远比数字更直观。常用的数据图表包括饼图、柱形图、条形图、折线图、气泡图、散点图、雷达图等加工整理变成我们需要的图形，如金字塔图、矩阵图、漏斗图等。
05
分析报告的产出
分析报告作为上述分析过程的高度凝练，一定要框架清晰，结构清晰。常用公式是图片+简单文字描述+一句话结论。
很多人会忽略分析报告中比较重要的一点，就是好的数据分析报告需要有明确的结论、建议或解决方案。也就是最开始我们提到的，这次分析的目标是什么，如果没有可执行落地的建议或方案，那上面这些工作都只是数据的二次生产，并没有发挥数据自身的价值和数据分析的意义。
数据分析的过程更像是一道高考理科题，读懂题意，用什么公式，题目计算过程以及得出最终正确答案，每个人在每个环节的执行上都会有自己的思考角度以及执行方式。这些习惯及方式造就了分析过程和结论的差异性。那么搭建分析思路的过程就是针对上面的解题环节不断训练和强化，在锻炼的过程中沉淀自己的思考。
来源：一个数据人的自留地