这几年“数据分析”特别火，火到很多人一听到这四个字，第一反应就是：是不是要学Excel函数？是不是得会Python？是不是得搞个BI大屏？我以前也这么想，后来踩过坑才发现，数据分析真正难的不是工具，而是你有没有想清楚：我到底要解决什么问题。
所以这篇文章,我想用比较家常的方式聊聊“数据分析怎么做”，不端着，也不上来堆术语，你把它当成一套能落地的小方法就行。
第一步，先别急着找数据，先把问题问清楚。
很多人做数据分析,一上来就导数据、拉表格、做透视表，忙活半天，最后做了个很漂亮的图，但老板问一句“所以呢”，自己就卡住了，问题就在于，一开始没定义问题。
比如我朋友开了一家社区水果店,他跟我说：“我想做数据分析，看看怎么提高营业额。”这句话太宽了，提高营业额可能是提高客单价、提高复购、提高下午客流、减少损耗，后来我们把它拆成一个具体问题：下午3点到6点客流偏低，能不能通过调整果切和促销，把这段时间的生意拉起来？你看，问题一具体，数据才有方向。
第二步，收集“够用”的数据，不要贪多。
数据分析怎么做才不累？我的经验是，先收集能回答当前问题的数据，而不是把能拿到的数据全堆上来，还是水果店这个例子，我们只记录了一周里每天下午3点到6点的几个指标：进店人数、成交单数、客单价、天气、有没有促销、果切销量、酸奶销量，就这些，已经够用了。
这里我想说个个人观点：小数据比“大数据”更常出现在普通人的工作里，你不是每家公司都有数据仓库，很多自媒体作者、小店老板、行政、销售，手上可能就几十行、几百行数据，别嫌少，只要能帮你做判断，它就是好数据。
第三步，清洗数据，别让脏数据带偏你。
这一步听起来专业,其实很生活，比如记录的时候，有人把“晴”写成“晴天”，有人把果切销量记成“约20份”，还有一天促销和雨天撞在一起，你要先把口径统一：天气统一成晴、阴、雨；销量统一成数字；缺失的那天标出来，不要硬猜，数据分析怎么做靠谱？不是模型多高级，而是基础数据别糊弄，基础错了，后面越分析越离谱。
第四步，分析时先做对比，再看异常。
我们看水果店那一周数据时,先做了几个简单对比：雨天和晴天的下午客流差多少？有促销和没促销的成交率差多少？果切上架前后，客单价有没有变化？结果发现一个挺有意思的现象：周三下午附近小学放学后，进店人数会明显多一波，家长更愿意买小份果切和酸奶，而不是整颗西瓜，这个就是异常点，也是机会点。
后来朋友调整了动作：周三下午提前备小份果切，推出“果切+酸奶”的组合价，门口放个小牌子，两周后再看，下午3点到6点的成交单数涨了，果切损耗也降了，这个实例不大，但它特别真实：数据分析不是非得分析几百万行数据，有时候就是把你每天见到但没串起来的信息，串成一条能行动的线索。
第五步，把结论变成动作，再复盘。
我特别想强调这一点,数据分析怎么做才算完整？不是做完图就结束，而是最后要落到“下一步做什么”，比如水果店的结论不是“周三下午家长多”，而是“周三下午提前备小份果切，推组合价，店员主动推荐”，动作做完，再记录两周数据，看有没有效果，有效就保留，无效就调整，数据分析是个循环，不是一次性表演。
说到这儿,发表一下我的个人观点：数据分析最怕两种人，一种是把工具当答案的人，一种是把数据当真理的人。 工具只是筷子，菜还是你的业务问题；数据能告诉你“发生了什么”，但很难替你判断“值不值得做”，比如数据可能告诉你某款低价果切卖得最好，但它不一定最赚钱，也不一定最符合你想做的社区口碑，所以分析到最后，还是得靠人的判断。
我也劝普通职场人别被“数据分析”四个字吓住，你不需要一上来就报课学Python，先把Excel用好，把问题拆清楚，把对比做明白，把结论写成一句人话，已经超过很多人了，真正有用的分析，往往长得很朴素：一张小表、几个对比、一个明确动作、一次复盘。
数据分析怎么做？我的答案就是：先问清楚问题，再收集够用的数据，清洗统一口径，用对比和异常找线索，最后落到行动和复盘，别追求看起来高级，追求能帮你做决定，毕竟，数据不是拿来供着的，是拿来帮我们把日子和生意过明白的。