数据化运营系列：数据分析思维入门(4)——反馈

摘要：数据分析最难的，不是EXCEL技巧、不是SPSS和R语言、也不是SQL技术，而是思维！

数据分析最难的，不是EXCEL技巧、不是SPSS和R语言、也不是SQL技术，而是思维！

小编认为，优秀的数据分析师必须具有三个特质：

精于数据、擅长思维、理解商业；

什么是思维？怎样培养思维？

下面，小编精心准备了第四堂课，送给对俺不离不弃的小伙伴们。

------------------------------------

全系列目录如下：

今天是本系列文章的最后一篇了——

Part4 反馈

 [序  被丢弃的“后”数据]

对于大多数“理工男”学科的数据分析师而言，把数据报告做出来后，用outlook一发，便意味着这项分析工作的完成。

但是，我们辛辛苦苦做出来的数据，别人能接受吗？接受了50%，还是80%？看到数据后，有没有引起他们其他方面的联想和疑问？这些联想和疑问对下一次数据分析是否有修正作用？----对于这样的反馈性数据，其实都是被他们忽略(丢弃)的。

【正文】 Part4 反馈

这里的反馈，有两层意思。

一是要保持持续的数据跟踪；

二是要听取外部对数据报告的反馈，并修正；

前者是从数据层面的观察，比如店铺页面改版，我们要持续观察3天后、7天后、30天后的相关数据，才能得出较为客观的分析结论；

后者是从需求匹配层面的深层沟通，比如店铺页s面改版，我们观察3-7天后，从数据角度向业务部门提出参考意见，一起探讨修正意见，作出微调。然后再观察3-7天后，再重复沟通、修正，一直循环直至达到改版的预期效果。

这就是反馈，准确的说。

【反馈】的目的是为了“捡回”数据报告的“后数据”。

最后，良好的反馈可以帮助你快速获得外部的认可和信任。

反馈需要一点沟通能力与技巧，对于大多数数据分析师来说，这些技巧可能很难。但是，如果你要从优秀到卓越。那么，你一定要勇敢的“走出去，与外部沟通，获得外部的反馈",

看完这一篇后，希望你能具备这种勇气！

好了，第4课的内容到这里就结束了。

后序：

数据分析有一大陷阱，一大批刚入门的分析师都认为：数据分析师都是从‘表哥’成长起来的。用表格把数据做好是数据分析师必备的技能之一。

这种认知，其实是非常不全面。因此会误导许多入门的新人。

因此，《数据分析思维入门》系列共四篇，都是小编从自己工作实践中体验和总结到的经验。希望传递给大家的是一种尽量完整，而且尽量准确的分析理念。

这些理论，可以总结如下：

1、数据分析不是脑筋急转弯。在开始分析之前，要学会提问，找准动机，确定目标；

2、数据分析不能满嘴跑火车。要切中要害，具备快速抓到核心问题的能力；

3、数据分析的结论是来指导运营的。分析方法其实很简单，三种足以：对比、分类、细分；

4、数据分析者不能丢弃分析“后”数据。语言和文字也是数据，要注重反馈，收集语言类数据；

回过头来看这四课。

【迂回】【反馈】是教我们如何处理语言类数据。

【衡量】【分析】是教我们如何处理数字类数据。

把四个课题串成一条线，便是整个数据分析完整的思考模型。

数据化运营 | 数据分析思维入门(1)——迂回

数据化运营 | 数据分析思维入门(2)——衡量

数据化运营 | 数据分析思维入门(3)——分析

数据化运营 | 数据分析思维入门(4)——反馈

来源：取真经电商大数据（本文已获得授权）

链接：http://www.quzhenjing.com/articles/hAQANNXQRMVgw8Sx5j0TUt2SLyY7TQcp8xvgg8fm9H4