其實，現在不會再有人再問這樣的問題了，因為大資料時代下，每個人都知道資料分析的重要性！資料分析在企業經營或個人生活中都很有用處，關鍵在於我們如何使用它。
資料分析不僅是某一條公式或者一串程式碼，它真正的魅力在於系統地、客觀地、有邏輯地思考，用這種思考方式去代替零散、臆斷、盲目，這才是它最大的價值。
當我們在工作中接到一項任務時，首先主觀意識第一反應“我想不想做這個事？如果我做了會產生什麼影響？”決定做了之後，又要開始思考“我能不能幹這個事？做這個事需要什麼條件？到底應該如何做這件事？” 這些心理建設和意願、能動性、創造力有關。
再來看資料分析，它是一種後置的、理性的方法，很難預知；如果不做資料分析，只能靠臆想猜測結果，如果做了資料分析，才能知道：
現狀是怎樣的？
到底現狀好不好？
出現這個狀況的原因是…？
預測一下結果會如何？
下一步應該怎麼做？
這5個問題是環環相扣的，有了清晰的描述才能尋找指標，有了指標才有好壞判斷，有好壞判斷才能思考為什麼好或不好，有了原因才知道如何構建預測模型，如何全面評估。
從一個最簡單的例子來說，設想下，你剛就任一個銷售公司大區總監，掌管著華北500家客戶，忽然收到財務發來的一封郵件說這個月業績KPI沒有達標。那麼第一件事，就是要看資料，業績狀況到底是什麼情況？
差多少達標？
什麼時候開始不達標的？
差距越來越大還是越來越小？
所有區域還是單個區域的問題？
沒有問題的是不是正在變得有問題？
所有一切都要用資料說話。接下來，還需要做以下三項分析工作：
原因分析：透過資料分析找一下不達標的原因；
預測分析：預測一下銷售走勢，預計業績有多大缺口；
評估分析：評估一下過往的措施哪個好用，然後安排下一步舉措。
不過在實際工作中，80%的時間都被耗在清理資料、更新報表、做描述性統計上，剩下時間可能還在寫評估報告，最後就變成，只有資料，沒有分析。
如果使用分析雲來做資料分析，資料抽取與業務模型是獨立的，資料抽取由系統自動完成，且可跨平臺整合資料，大大減少了清理資料的工作；而業務模型是固定不變的，資料更新，報表內容也會隨之更新，如需調整模型，也可由業務人員自行完成操作。
透過資料穿透、鑽取，找到原因；通過歷史資料，預測今後走勢；透過對比，全面評估。
有資料，有分析，才是完整的資料分析！
其實，現在不會再有人再問這樣的問題了，因為大資料時代下，每個人都知道資料分析的重要性！資料分析在企業經營或個人生活中都很有用處，關鍵在於我們如何使用它。
資料分析不僅是某一條公式或者一串程式碼，它真正的魅力在於系統地、客觀地、有邏輯地思考，用這種思考方式去代替零散、臆斷、盲目，這才是它最大的價值。
當我們在工作中接到一項任務時，首先主觀意識第一反應“我想不想做這個事？如果我做了會產生什麼影響？”決定做了之後，又要開始思考“我能不能幹這個事？做這個事需要什麼條件？到底應該如何做這件事？” 這些心理建設和意願、能動性、創造力有關。
再來看資料分析，它是一種後置的、理性的方法，很難預知；如果不做資料分析，只能靠臆想猜測結果，如果做了資料分析，才能知道：
現狀是怎樣的？
到底現狀好不好？
出現這個狀況的原因是…？
預測一下結果會如何？
下一步應該怎麼做？
這5個問題是環環相扣的，有了清晰的描述才能尋找指標，有了指標才有好壞判斷，有好壞判斷才能思考為什麼好或不好，有了原因才知道如何構建預測模型，如何全面評估。
從一個最簡單的例子來說，設想下，你剛就任一個銷售公司大區總監，掌管著華北500家客戶，忽然收到財務發來的一封郵件說這個月業績KPI沒有達標。那麼第一件事，就是要看資料，業績狀況到底是什麼情況？
差多少達標？
什麼時候開始不達標的？
差距越來越大還是越來越小？
所有區域還是單個區域的問題？
沒有問題的是不是正在變得有問題？
所有一切都要用資料說話。接下來，還需要做以下三項分析工作：
原因分析：透過資料分析找一下不達標的原因；
預測分析：預測一下銷售走勢，預計業績有多大缺口；
評估分析：評估一下過往的措施哪個好用，然後安排下一步舉措。
不過在實際工作中，80%的時間都被耗在清理資料、更新報表、做描述性統計上，剩下時間可能還在寫評估報告，最後就變成，只有資料，沒有分析。
如果使用分析雲來做資料分析，資料抽取與業務模型是獨立的，資料抽取由系統自動完成，且可跨平臺整合資料，大大減少了清理資料的工作；而業務模型是固定不變的，資料更新，報表內容也會隨之更新，如需調整模型，也可由業務人員自行完成操作。
透過資料穿透、鑽取，找到原因；通過歷史資料，預測今後走勢；透過對比，全面評估。
有資料，有分析，才是完整的資料分析！