数据分析有
这几年过热，却冷静地想想大家辛辛苦苦学习和做的数据分析，真的有用吗？
从咨询我的人的分享：数据小白忙着收集各种数据分析初学者;有一点基础的人会在各种培训课程中切换到3-7天的数据分析速成课程;已经加入数据分析师的会工作8h，5h拿洗号，2h吐槽业务，剩下的1h导入贴合数据，应用分析报告，最后给出一些“正确但没用的废话”。
明白它
大家不容易，小白不知道怎么下手，有点基础需要项目实践，数据分析师给业务建议是困难的，所以并不是说这是错的，而且，进入一个行业本身需要各种尝试，收集干货有用，培训课程也很有用， 拿数字洗数字和写报告也很有用，但它在多大程度上有用？？
我
无法给出确切的数字，但我只能说一个残酷的现实，即其中 80% “只对我自己有用”，而是移动/证明他们劳动的产物
那么为什么我说数据分析的结果中有80%是失败的呢？
首先，我们来看看企业做数据分析时最常见的5种场景：
第一种情况比较少见，除非有重大错误，否则可以在分析过程中看到线索，最后一种属于数据分析师的基准，如何成为这种基准我稍后会再发表一篇详细的文章，这里就不详细讨论了。
中间的 3 个场景是我们做数据分析时非常常见的，所以我们来展开一下，以几天前刚结束的双 11 为例。
1.分析结果正确，但无用，不产生价值
双11事件结束后，商家找到老李：“老李，活动结束了，我看不出数据，你做个分析，我能看活动效果？"
老李接到任务，急忙收集处理数据，做模型，画报告。
最终结论：“活动期间，UV比上周末增加了130%，订单增加了120%，销售额增加了100%。其中，浙江省订单占比最高，达到27%！"
商业：“那么，你想表达什么？这个数字的值在哪里？这和不听是一样的。
此时大数据培训是骗局，老王手里只能捧着一堆“正确”的数据，他不知道从哪里下手......
2、可以给出业务数据分析结果和建议，但建议难以实施，可行性低
还是一头雾水的老李。 隔壁的业务部：“老李，我感觉公司今年的双11转化率低于平均水平，你做个分析，看看问题出在哪里”
老李这次决定，一定要说人的话，给出合理的建议！于是马上结合大量用户、订单数据，运用聚类分析算法和RFM模型，最终发现40岁以上男性群体整体转化率最高，平均为42%！因此，建议商家做好拉新策略，增加对该用户群的访问量，这样整体转化率才能上来。
商业：“但是这群人，平时很少上网，怎么能访问呢？"
老李又糊涂了，你说的也一样......
3.给出正确的结果和可执行的计划，嗯~但企业就是不听你的话，不按你说的做
愣了两下，决定不能继续迷茫下去，于是熬了好几个晚上......给出了一套可以用人类语言说的解决方案。
老李：“我做了一个用户流失预警模型，发现具有A类行为特征的用户在注册后7天左右流失的概率最大，具有B类行为特征的用户在30天左右流失的概率最大，C类行为特征的用户在40天左右流失的概率最大。然后我们针对不同行为特征的用户做一个强提醒模型，在不同的时间点，推送广告或者发放凭证，可以有效降低流失率。
业务：“老李，你说的很有道理，但操作还是觉得精准配送成本太高，以后会考虑你的建议”
老李...
通过以上三个场景，可以清楚地看到，在实际的业务场景中，数据分析师所做的分析结果，很多时候业务根本不采用，业务不采用，那么分析结果对企业是没用的，这就是为什么我说数据分析后的结果80%都是失败的。
那么，如何使数据分析结果剩余的20%用于业务采用呢？我用3种方法
总结了我的经验，其中一些方法不为许多新手分析师所知，但可以喜欢并添加书签。
但核心思路是一样的：理性地与业务换位沟通，了解业务的真实需求，并根据不同业务部门的具体情况提供相应的建议。
要使企业采用，您需要采取主动和
完成你和业务之间的99个步骤，那么具体来说，就是你需要主动出击！
要学会将“业务需求”转化为“数据需求”，进而将分析结果转化为正确、有价值、可执行的建议。在这个过程中，你不会输，因为在这个过程中，你可以反过来完善和扩展你的知识体系，提高对业务的理解和数据分析能力。
毕竟，大多数数据分析师除非改变方向，否则很难在技术上取得突破，因此工具和技术只是辅助，业务和创意才是核心竞争力。那么如何离业务更近一步，然后到下面的第二种方法
如果你想学习商业，
只靠自己看业务文档的ROI太低了，想要快速提升，就要多和业务人员沟通。
如何沟通更多？生意忙于工作没时间理你？然后你请商家吃饭，中国人，没有什么是一顿饭解决不了的，如果有，那就两顿饭，吃，不仅你懂生意，生意也懂你。
这样
下次企业需要分析转化率的时候，方便你多问，影响转化率的因素有哪些，提高转化率的方法有哪些？如果你和你关系好，我自然会教你更多，我一定要相信大多数人都是好老师。
对于数据分析师来说，很多时候分析过程并不难，难点在沟通和表达，沟通说了上面，剩下的就是表达。
你要表达的对象是业务人员，你必须明白，业务
人员都是后KPI，他们喜欢直接和人说话，所以在和他们沟通的时候不要给出太多的数字参考，可以直接指出业务部门最关心的XX个问题，可以给出合理的建议和解决方案，在聊天的过程中带上你从方法一、方法二得到的一点业务经验， 他们会觉得你了解业务，而不是那种对数据进行盲目命令的分析师。
有了这种印象，随着时间的推移，企业会习惯于相信
你给出的计划在执行后确实会生效，那么它自然会相信并采纳你的计划，你的价值会被好的商业做所放大。
总结
无论是白还是进入这个行业的数据分析师，你都必须始终明白数据分析是以结果为导向的，无论你在分析过程中使用多高的方法/模型，最终的实施都必须是扎实的建议和解决方案，所以你必须关注数据分析的结果。
常见的数据分析错误结果，以及
如何得到正确的结果，我在上面已经描述清楚了，希望每个人都能成为20%，能够领导和影响业务的数据分析师，从而摆脱自己的尴尬局面。
如果你觉得内容有帮助大数据培训是骗局，不妨点赞和收藏一波，点赞是创作的最大动力！