为什么数据前面加个大？
不加大你不点，不加大不时髦，不加大不够大！
先从一个故事讲起，某养猪场厂长告诉A分析尸，我要看几个数据，你提取一下，一周后给我看看。
A分析尸列出：
猪总数10000、收入500万、净利润180万。
猪场老板一看，说：做的不错，A君好好干。
同样的问题，猪场老板给了B分析尸，B分析师很用功，分析公司今年的战略计划和年初定制的KPI目标，得知一个信号，猪场老板想降低成本、提高利润。
B分析尸列出了：
投入减少30%、毛利480万、净利增长50%
猪场老板一看，大喜，B君下月给你加薪。
同样的问题又给了数据君
数据君为了分析目标老板的目的，分析了去年他讲话的内容，也分析了他以往发给员工的邮件，甚至爬了猪总的微博、朋友圈得知一个信息，猪总其实不想继续增加扩张，想减少投入，提高净利，而且他对自动化喂养很感兴趣，写了几篇自己猪场和自动化喂养结合的文章，那么问题来了？我该如何思考？
先看看一般商业分析分析的路径，这个是麦肯锡的，很经典，但许多人知道，从来不按部就班来
首先从几个关键的业务目标出发：
罗列出这些目标影响的因素有那些？那么问题来了，因素他们多你如何去选取？
这时候就需要数据的支持，一般2种方式：
1、内部数据去推算，驱动因素影响的程度如何？这时候什么相关分析、AHP、回归分析等，给因素影响一个量化的标准，找出核心驱动因素；
2、外部数据，采用座谈，调研等方式确定公司各个业务部门对驱动因素的锁定。
其次就是验证推理提取核心的过程：
数据君整体分析了猪的结构，比如公母比例、幼猪和出品猪的结构变化，猪市场价格发展变化规律等，也从市场上分析了一些自动化喂养设备的投入，算出了ROI，这时候要系统性的去思考，各类对比和梳理。
这点大多数据分析轻车熟路，不做过多的阐述。
那么我发现了什么？
1、猪的繁殖有问题，公猪占85%，母猪占15%；
2、猪食的浪费问题，每天大概有价值10000大洋的猪食被当成垃圾请走；
3、猪市场的价格从10月开始一般上升趋势明显。
最后，我给猪总呈现了三个数据，这才是数据分析的核心：
1、繁殖问题，比例失调严重，紧缺母猪，现在（5月）母猪在市场的引入价格较低，建议引入500头母猪，这是第一个数据；
2、自动化喂养，采纳分析了ROI和采购价格的对比，预计采购某厂家的自动化喂养，1年后自动化喂养可以节约50w的成本，这是第二个数据；
3、从目前来讲，我们的成品猪较多，建议加大销售，腾出更多的地方买入幼猪，预估10月份将提升30%的净利，这是第三个数据；
猪场老板一看，目瞪口呆！！
数据君明天开始，你出任公司数据增长的业务负责人，薪资加倍。
以上的故事是我虚构的，可能语言组织和思路还不够严谨，我只是为了告诉大家一个道理，数据分析的本质是商业分析，而不是技术和工具问题，大数据时代，数据价值和驱动才是我们每个分析师应该关注的问题，从一个综合技能来看。
想成为一个出色的分析师需要N多技能，那些技能能让你快速实现自己的目标，这才是我们学习数据分析应该定位的，都要学习吗？
有了场景，有了明确的目的，接下来才是分析师们常用的三大利器：
1、对比，任何分析都是对比，对比就要讲究设计、平等、体系，才可比，换句话就是找“双胞胎”，才值得比，并列关系；
2、拆解，业务其实和数据分析一样，都是不断的拆分，拆的程度就是回答你的假设，许多指标都是分渠道、区域、用户类型、品类特征去拆，但拆要分主次，你拆和不拆对结果有什么影响要好好假设考虑，并列和主次；
3、构成，许多事情你明白他的构成你就更加清晰，好比你去饭店吃饭，有一盘菜，LP说真好吃，那你就会去研究这菜有什么成分，什么菜品组成，加工顺序如何，这就叫抛，彼此都是并列和流程关系。
不要迷恋统计学、工具、算法，就好比平均数可以看成是一组数据的综合衡量，而分析解读风险指数就是方差，当然你不懂统计学，什么数据都用平均数的话，你和统计局智商基本一样，要消化概念，看你如何把算法和规则转化为商业问题，这才是关键。