什么是【分析】的目的

梳理一下最近工作上一些数据分析场景的思考，主要是对数据分析目的认识。

场景一：年中，用仪表盘、表格等图表元素给同事做了一份数据报告，将这份报告提供给相关干系人看时，发现存在一些问题：

• 报告缺乏一个“故事”或“主题”引导，用户很难独立的get到做这份报告同事想表达的信息。
• 报告提供的信息中，很多都是陈述性的信息，无法产生洞察性或决策性的价值。
• 采用仪表盘的元素，看起来可视化效果还好，但会不会只是传递出数据而非信息？

场景二：年中写了一份效能分析报告，原本打算用类BI的方式提供，不过后来看这份报告的用户要求提供类似信息图的方式。信息图与BI的方式，从表现上看，信息图通常有一个故事或主线在里面，有一些描述性的内容，而BI通常是纯数据可视化，即信息与数据的区别。

场景三：今天，看了一同事提的一份运维数据分析可视化看板的需求，有5点内容，其中有2大点是陈述性、概况性的信息。第一反映是这2点需求是为了“凑信息”，沟通过程中，的确有这样的背景，回顾以往的一些可视化信息中这类情况极为普遍，很多前端的信息看似不错，实则没有什么太大意义，比如我们的大屏，看板等等。

对于上面三个场景涉及的数据分析目的，下面引用《数据分析即未来》的观点做个总结。书中对“分析”作了一个定义:分析是一种全面的、基于数据驱动的解决问题的策略和方法。尝试对这个定义做一些理解：从定义中后半部分的关键字“解决问题”说明了价值，“策略和方法”说明了面向过程，说明“分析”是对数据进行理解、解释、预测，以达到洞察、决策、执行的目的。“洞察、决策、执行”的目的可能有点抽象，书中总结了4点分析目的可以作为日常工作中的指导。

1、分析是关于改善结果的活动。

我们通过分析来理解、描述和解决问题，并通过分析获得洞察力与执行决策，以推动优化或变革，如果分析既不推动变化也不产生成果，那分析就没有多大意义，结果充其量就只是有趣。分析结果是否对改变现状有某种效果，是衡量分析是否有价值的试金石。所以，在上面的场景三中，2点陈述性需求实际上并没有多大的意义。实际受理某项分析需求时，可以考虑评估以下三个可分析的特征：

• 对未知事物进行描述和探索，以达到预测性、优化性的结果。
• 存在一个现实中待解决的问题，既紧迫又可分解。
• 具备完整、统一的数据视图。

2、分析是关于创造价值的活动。

价值一词，我们可以考虑借鉴价值主张的模型，即解决痛点或收获期望。从分析项目或需求来说，即要达到实现“交付、沟通和认可”项目或需求价值的承诺。书中提出分析是一种创造价值的工作，是利用分析生命周期的方法来实现分析的目的。分析生命周期是指一个分析产品的生命周期中所发生的一系列变化，比如投资回报（ROI），降低风险，提前预测潜在问题，提升服务质量，提高工作效率，控制成本等

3、分析是关于发现的活动。

相比商业智能（BI），BI是关于对认知可知的事物的描述或概述，分析则是帮助我们探索未知事物。分析的力量的魅力是它支持我们对未知的探索，它引导我们利用推理和理解能力来挖掘数据中隐藏的模式，发现关联关系。这一点是我们在进行数据分析时，需要去思考的点。

4、分析是关于促成变革的活动。

通常人们都不太喜欢改变，这点在推进工具应用，数字化转型过程中尤其明显。理想情况下，是在推进改变过程中，组织和流程有相应的变化，管理决策层能够亲自参与，促成相关方能够协同工作。但现实中，多少还是无法如此如意，这时可以考虑结合一些现有的工作机制来推动，比如在运维领域的生产事件驱动。

END。