说到数据分析师必备的技能，大家脑海中首先浮现的往往是SQL，Python，Tableau 这些数据处理技术，但是，精通这些技术就能做好一个数据分析师吗？再往后一些讲，随着智能数据处理软件的不断发展，你能保证未来不被这些成本更低、不需要休息的AI替代掉吗？

我相信，具有危机意识、不想成为随时可以被替代的“取数机器”的数据分析师们，已经意识到了自己的核心竞争力来源于深度的数据分析思维和业务意识。种下一棵树最好的时候就是现在，本期分享我们就带大家一起学习——如何系统性的培养自己的数据分析思维。

首先我们来看看，如何建立和业务紧密结合的指标体系。

（1）明确对业务目标最为重要的指标

想要明确对业务目标最重要的指标，首先就要明确与用户对产品核心价值的体验最直接相关的行为，数据分析师们可以通过多与业务同事沟通来梳理用户的体验地图，例如，对于Facebook的用户来说，在他们体验到产品真正的价值之前可能经历的行为有添加了多少好友、多久访问一次网站、发布了多少动态以及在网站上停留了多长时间。你需要对这些步骤进行梳理，并跟踪他们的关键指标。

同时要避免陷入一些“直觉上认为有用的指标”，例如，Airbnb作为一家旅游服务公司，日活跃用户数这一指标的用处可能就微乎其微，即使DAU是反映网站、APP运营效果的常用指标。

如果你所在的业务团队最重要的目标是增长，数据分析师们就可以通过构建“基本增长等式”来清晰的展示所有与业务目标相关的关键因素，这些因素将共同驱动业务目标的实现，以下是约翰斯建立的亚马逊增长等式：

（2）找到专属的北极星指标

北极星指标（North Star Metric）也可以称作OMTM （One metric that matters），这个指标一旦确立，就像北极星一样，始终指引着公司上上下下向着同一个目标迈进，从而帮助团队成员最大化地利用他们的时间，避免将资源浪费在与核心目标无关的尝试上。

北极星指标是数据分析师们应当密切关注的指标，它反应的是客户不可或缺体验的实现情况，例如Airbnb的北极星指标是客房预定量，ebay的北极星指标是商品的总量，知乎的北极星指标则是问题回答数。

你可以通过回答以下问题明确自己所帮助的业务团队的北极星指标，但需要注意的是，北极星指标不是一成不变的，随着业务的增长，初期目标完成之后，北极星指标也会随之改变，而负责不同业务阶段的业务团队，也会有自己特定的北极星指标，因此确定北极星指标是一个动态的过程，前文提到的衡量问题如下：

你的产品为客户创造的核心价值是什么？这个指标可以准确反映核心价值的实现情况吗？
如果这个指标变好了，是否能说明公司正在向好的方向发展？
这个指标是否易于团队理解和沟通？
这个指标是一个先导指标，还是一个滞后指标？（一般来说，先导指标相较于滞后指标会更为合适，能够帮助我们提前预警问题）
这个指标是不是一个可操作的指标？

在建立了适配业务的指标体系之后，数据分析师们就可以在此基础上进行数据规划，在避免偏离方向的同时，完善自己的数据分析体系。

（1）维度体系

维度体系代表的是对指标可能产生影响的不同维度，通过建立维度体系，我们可以对指标进行属性上的划分，当出现问题时，先找到问题环节（where）即指标，再拆解到这个环节的哪些部分（what）问题比较大，再锁定具体的负责人（who）。

（2）数据采集

想要真正运行各项指标并指导业务进步，前提自然是能够收集足够多的客户行为数据来衡量产品表现和试验结果，因此，花费时间收集数据是必要且有价值的。目前有四种常见的数据采集方法：

代码埋点：嵌入SDK 定义事件并添加事件代码，是目前常用的数据采集方式，主要包括web、h5页面的JS埋点、移动端的iOS、Android埋点、微信小程序等。这一方式的优点是按需采集，业务信息更完善，对数据的分析更聚焦，数据收集全面且准确，便于后续深度分析。缺点是需要研发人员配合，有一定的工作量。

 

全埋点：通过 SDK，自动收集页面所有可点击元素的操作数据，无需定义事件，适用于活动页、着陆页、关键页面设计体验衡量。这一方法更加简单、快捷，并且可以看到页面元素点击的情况，更加了解自身的产品特点。劣势是采集的数据过于多，只要是可点击元素都会采集，上传数据多，消耗流量多。无法采集到更深维度的信息，如事件的属性，用户的属性等。

可视化埋点：可视化埋点是基于全埋点之上，技术同事集成后，需要业务同事对页面的元素进行圈选，被选择的元素才会采集。这一方式的优势是界面化配置，无需开发，埋点更新便捷，生效快。劣势是自定义属性支持范围比较有限；重构或者页面变化时需要重新配置。

服务端埋点：通过 API 的方式，对服务端存储的数据进行结构化处理，支持其他业务数据采集和整合，如 CRM 等用户数据，通过接口调用，将数据结构化，适用于自身具备采集能力的客户。服务端埋点更加的具有针对性，数据更加准确，减少了有码埋点的发版过程，数据上传也更加及时。但一些用户的简单的操作，如点击按钮，切换模块这些数据无法采集，用户行为不够完整。

埋点的方法各种各样，数据采集目的是为了满足采集后进行精细化分析和运营需要。所以只要能达到这个目的，选择一种或多种组合的采集形式都是可以的，在企业业务中，选择哪种采集方式，应该根据企业自身的具体业务需要去决策。

（3）数据分析

在完成一系列准备活动之后，我们终于来到了数据运营的重点——数据分析。时刻记住，我们的最终目的是通过数据分析的手段定位问题，解决问题，最终促进业务增长。

数据分析方法的选择要和实际的业务场景紧密结合，下表汇总了目前常见的数据分析方法以及其运用场景。

数据分析师们工作的重点就是匹配业务场景与合适的分析方法，从而充分利用数据指导业务进步，让我们最后再重复一遍——有价值的、不可替代的数据分析师一定是深入业务，能够发现问题、定位问题并且提出可行的解决方案的数据分析师。