数据分析师训练营/ 第一篇 认知与业务基础/ 第一章
第一章 · 认知篇

你不是一台取数机

入职第一天,mentor 给了你一个账号和一句话:“先把 6 月的数拉出来。” 你交了一张 881 行的订单表,他看了一眼问:“所以呢?”

这三个字就是初级和资深之间的距离。本章不讲 SQL,只回答三个更靠前的问题: 分析有哪几种、这份工作分几层、一次完整的分析要走哪几步。

理论 : 实操 = 8 : 2 约 4 学时 前置 无(全书起点)

1.1四种分析、三层岗位、八步流程

先给结论:分析师的工作不是“把数拉出来”,而是把一个模糊的业务问题,变成一个带证据的判断。 取数只是其中一步,而且是最容易被替代的一步。

1.1.1四种分析:从“发生了什么”到“该怎么做”

运营问“昨天怎么样”,你回“GMV 32 万”,这是描述。老板问“为什么比上周五少 8 万”, 你回“信息流渠道停投了”,这是诊断。财务问“下个月能做多少”,你回“大概 880 到 920 万”, 这是预测。老板再问“预算该加在哪”,你回“加到自然搜索,信息流的获客成本已经高于毛利”, 这是指导。

同样叫“看数据”,问的问题不一样,交付物就不一样。四种分析按离行动的距离排序:

类型回答的问题主要方法交付物青柠优选的例子
描述性发生了什么?汇总、同比环比、分布日报、月报、看板6 月 GMV 901.5 万元,环比 +2.85%
诊断性为什么?拆解、对比、相关归因报告:原因排序 + 证据DAU 下降 5%,拆渠道、城市、版本、新老客
预测性接下来会怎样?趋势外推、回归、情景假设预测值 + 区间 + 前提假设7 月 GMV 区间,取决于投放预算
指导性应该怎么做?实验、ROI 测算、决策分析行动方案 + 预期收益 + 验证方式三个渠道选一个加预算,加多少
图 1.1.1 四种分析的交付物不同:报表、归因、区间、方案

难点也不同:描述难在准,诊断难在排除,预测难在假设,指导难在承担后果。

四种类型不是四个岗位。判断一份分析属于哪一类,看交付物,不看工具。

1.1.2岗位三层:取数、归因、决策

“数据分析师”四个字覆盖了三种完全不同的工作。用年限分不准,用工具分也不准, 最准的分法是“你负责回答哪一层的问题”。

资深 · 决策 定义问题、影响资源分配 中级 · 归因 解释为什么、给原因排序 初级 · 取数 准确、及时、口径清楚 越往上:人越少,离决策越近 三层共用同一个底座:业务理解 + 口径 + 数据校验
图 1.1.2 岗位分层看“回答哪一层的问题”,不看会用哪个工具

初级(0–2 年)回答“数对不对、快不快”,交付数据表、日报、看板。 别人拿你的数做决定,不用再核一遍。

中级(2–5 年)回答“为什么”,交付归因报告,里面必须有原因排序和证据链。 你说的原因,要被下一期数据验证。

资深(5 年以上)回答“该做什么”,交付策略建议、指标体系、实验方案。 你的建议要能改变某个人的动作。

1

层级由“你回答的问题”决定,不由工具决定

会写窗口函数却天天答“数是多少”,仍是初级;只会 Excel 却能答“预算给谁”,已是资深。

如果不这样会怎样:SQL、Python、BI 都学了一遍, 开会时仍然只能说“数据在这里”,然后把决定权交给别人。

还有三个容易混淆的邻居岗位,它们和数据分析师共用一套数据,但产出物不一样:

角色主要产出与数据分析师的边界
BI 工程师数据集、看板、权限、定时调度保证看得到、刷得动;不解释为什么变
数据运营指标监控、活动复盘、报表运营保证每天有人看;深度到描述加浅归因
数据科学预测模型、因果推断、实验设计保证算得准;需要分析师先定义问题
数据分析师判断与建议把业务问题翻译成数据问题,再把结论翻译回动作
小公司里这四个角色常常是一个人。别用岗位名称限制自己,用“我能回答哪一层”衡量自己。

1.1.3八步流程:一次完整分析长什么样

这八步是本书后面所有章节的骨架。你现在不用会做,只要记住顺序,以及哪几步最容易返工。

01 需求澄清 谁用?要做什么决定? 02 定义口径 分子、分母、时间窗 03 取数 一次把维度带全 04 校验 四个对账,先证明数对 05 探索 分布、趋势、异常 06 深入 一次只验一个假设 07 可视化 一图一结论 08 落地复盘 谁、何时、做什么、怎么验
图 1.1.3 八步走完才叫一次分析;第 5 步从右侧折回,像蛇形一样走完
  1. 需求澄清。问五件事:谁用、做什么决定、什么时候要、结论是 A 会怎样、是 B 又会怎样。一半的需求不用取数。
  2. 定义口径。指标名、分子、分母、时间窗、筛选条件、去重规则,六项写全。青柠优选的 GMV 用 pay_amount 还是 amount,差 511,931.50 元优惠。
  3. 取数。一次把维度带全:日期、渠道、城市、新老客、品类。少一个,后面就要重取。
  4. 校验。四个对账:和财务对总额、和后台对行数、和上期对分布、和常识对极值。
  5. 探索。先看单变量分布和趋势,再看两两交叉。目标不是证明你对,是找到“不对劲”。
  6. 深入。一次只验一个假设,用对比组排除大盘因素。活动期 GMV 涨 12%,先看没做活动的城市涨了多少。
  7. 可视化。一图一结论,标题写结论,不写“6 月趋势图”。图是给不看你 SQL 的人看的。
  8. 落地复盘。建议写成“谁、何时、做什么、预期影响多少、两周后看哪个指标”。没有这一步,分析就停在 PPT 里。
2

八步里,1、2、8 决定有没有用;3–7 只决定对不对

新人把 80% 时间花在 3–7,因为那里有确定感。1、2、8 没有标准答案,最容易被跳过。

如果不这样会怎样:需求做三天,交付时老板说“我要的不是这个”。问题不在手速,在第 1 步。

1.1.4纯取数岗为什么在消失

过去十年有三件事同时发生。报表固化了:日报、周报、月报做进 BI,业务自己点。 取数工具变简单了:SQL 模板、拖拽查询、AI 辅助,让“会写 SELECT”不再稀缺。 业务方自己会看数了:简单问题不再排队。

结果不是“取数没用了”,而是“只会取数没用了”。JD 里仍写“熟练 SQL”, 但那只是及格线。真正被追问的是:这个数为什么和财务不一样?掉了 5% 是谁的责任?预算该给哪个渠道?

三个误解听起来都合理,但都会让你把力气花错地方:
误解典型表现为什么错正确做法
工具崇拜 花三个月学 Python,却说不清 GMV 的口径 工具只决定“能不能取到”,不决定“问得对不对” 先用现有工具把一个业务问题答完整,再补工具
模型崇拜 一上来就做回归、聚类,结论还不如一次分渠道对比 复杂模型放大的是假设,不是洞察 先做对比和拆解,模型只在能回答具体假设时上
报告越长越专业 42 页 PPT,结论在最后一页 读报告的人时间按分钟算,长不等于深 一页纸:结论、三条证据、一个建议;细节放附录
3

工具解决“能不能拿到”,模型解决“能不能算准”,只有问题定义解决“值不值得算”

顺序不能颠倒。问题定义错了,工具越强,错得越快;模型越复杂,越难被发现。

如果不这样会怎样:你用两周做了一个 DAU 预测模型,输出“下周 270 到 290”。 运营说:“我知道,下周有两个渠道停投。”两周的活,抵不上一句业务信息。

1.2拆三份招聘 JD

招聘 JD 是行业需求的体检报告。别只看“要求”,重点看动词——动词暴露了你入职后每天在做什么。

JD A|数据分析师(电商,1–3 年)

职责:日常取数、清洗与报表;维护口径文档;监控指标波动。
要求:SQL 熟练(聚合、窗口函数);Excel 透视表;能独立梳理口径;对异常敏感。

JD B|商业分析师(零售 / 电商,3–5 年)

职责:增长与渠道效率分析;搭指标体系;输出策略并推动落地;复盘 ROI。
要求:SQL 加一种 BI 工具;懂 A/B 实验与显著性;能跨部门沟通;有完整专题作品。

JD C|资深数据分析师 / 数据策略(5–8 年)

职责:定义北极星指标与目标拆解;主导专题分析,影响预算分配;搭方法论、带新人。
要求:有从 0 到 1 搭指标体系的经验;有决策影响的案例;能做实验设计;能把复杂问题讲简单。

把三份 JD 的动词抽出来,规律非常清楚:

岗位反复出现的关键词它在筛什么本书对应
初级提取、清洗、报表、口径、及时交付稳定性:数对、按时、能解释第 4–9 章
中级归因、增长、ROI、实验、落地解释能力与影响力第 3、19、20、22–24 章
资深体系、北极星、战略、预算、带人定义问题与资源决策第 3、4、26 章

三份 JD 都没写“会用 VLOOKUP”,但都写了“口径”。工具会换,口径不会: 今天 Excel,明天 SQL,判断“这个数算不算”的逻辑一直没变。

初级的关键词是“准确、及时”,这是交付标准;中级出现“推动、落地”,这是影响力; 资深出现“预算、体系”,这是决策权。薪资差距,是在为这三样东西付钱。

读 JD 的方法:把职责里的动词按“取数 / 归因 / 决策”分类。80% 是“提取、产出、维护”,就是取数岗; 出现“定位、归因”在往中级走;出现“定义、影响”是资深岗。

1.3实验:做一张能力差距表

现在把镜头转回你自己。这一节不取数,只做一张表:10 项能力,逐项自评,和目标岗位比,算出差距。 它不会让你立刻变强,但会让你知道下一步该练什么。

1.3.1实验目标与准备

目标:得到一张可排序的差距表,每项有可观测证据;选出差距最大的 2 项,写成 30 天计划。工具:Excel / WPS 或纸笔。

填好的示例:

A 能力B 要求C 自评D 权重E 差距分F 证据
2业务理解4236能画出青柠优选链路图
3口径定义4236写过一版指标字典
4取数4322独立写过 50 行 SQL
5归因4139只做过描述,没做过归因
6可视化4322做过一次月报
7落地推动3124建议没被采纳过
图 1.3.1 差距分 =(要求 − 自评)× 权重;分数越高,越该优先补

1.3.2实验步骤

已完成 0 / 6 预计 30 分钟
01

建表:10 项能力 × 6 列

5 分钟 · 对应规则 1
做什么
建 6 列:能力、要求、自评、权重、差距分、证据;填 10 行能力。
为什么
这 10 项是三个层级的拆解,少一项,你就漏掉一个盲区。
怎么做
  1. 10 项照抄:业务理解、需求澄清、口径定义、取数、数据校验、探索分析、归因、可视化、表达写作、落地推动。
  2. 第 1 行表头,第 2–11 行写能力;权重先空着。
看到什么
一张 10 行的空表。先别打分,下一步才是关键。
02

先写证据,再打分 核心

8 分钟 · 对应规则 1
做什么
给每项写一句“我做过什么”,写不出证据的,自评封顶 2 分。
为什么
人会高估自己熟悉的名词。你说“我会归因”,证据是什么?只有“看过别人做”,那就是 2 分。
怎么做
  1. 在 F 列写具体的事:时间、动作、结果。
  2. 写不出来就写“无”,不要编。
  3. 有 4 项以上是“无”,说明你缺的不是能力,是练习量。
看到什么
F 列出现 10 句具体的事,其中至少 3 句让你自己不太满意。
什么样的证据算数

算数:做过完整复盘,报告被主管采用;写过口径文档,被同事引用。

不算数:上过课、知道概念、打下手。

03

定评分锚点

3 分钟 · 对应规则 2
做什么
用统一的 1–5 分锚点,避免“凭感觉打 3 分”。
为什么
没有锚点的自评没有可比性:今天打 4 分,下周打 2 分,表就白做了。
怎么做
  1. 1 = 没做过;2 = 跟着做过;3 = 能独立完成;4 = 能教别人;5 = 能定标准。
  2. 把锚点写在表头旁边,打分时对照。
看到什么
10 个自评分里,3 分应该最多。全是 4、5 分,说明锚点没起作用。
04

从 JD 提要求线

5 分钟 · 对应 1.2 节
做什么
按目标岗位,给 10 项能力各定一个要求分(3 或 4)。
为什么
要求按“下一份工作”定,不按“十年后的自己”。定太高会变成焦虑表,定太低没有训练价值。
怎么做
  1. 选一份 JD 作目标:入门选 A,跳中级选 B,带团队选 C。
  2. 明确要求的给 4 分,只是提到的给 3 分。
  3. 权重:每天用(3)、每周用(2)、偶尔用(1)。
看到什么
要求列只有 3 和 4,权重列只有 1、2、3。没有 5 分——5 分是行业标准,不是岗位要求。
05

算差距分,从大到小排序 核心

4 分钟 · 对应规则 1
做什么
在 E2 输入 =(B2-C2)*D2,往下填充,按 E 列降序排。
为什么
差距分把“差多少”和“多重要”合成一个数:每天要用的能力,优先级高于一年用一次的。
怎么做
  1. E2 输入 =(B2-C2)*D2,双击填充柄到 E11。
  2. 选中 A1:F11 → 数据 → 排序 → 主要关键字选“差距分”,降序。
看到什么
第一行差距分最大。出现负数说明这项能力过剩,不要投入。
06

只选 2 项,写 30 天计划

5 分钟 · 对应规则 2
做什么
取差距分最高的 2 项,各写一条 30 天计划:练什么、用什么数据、交付什么、怎么验收。
为什么
同时补 5 项,等于一项都没补。30 天只够形成一个小习惯。
怎么做
  1. 写成一句话:用(什么数据)做(什么交付),30 天后由(谁)验收。
  2. 交付物必须是别人能看的东西:一份归因报告、一张看板、一版指标字典。
  3. 存成 能力差距表.xlsx,30 天后重打一次分。
看到什么
表里只剩 2 个高差距项,每项都有一个能在 30 天内交出来的东西。
示例

归因(9 分):用订单数据拆一次“6 月 GMV 环比 +2.85% 的来源”,交 3 页报告,主管验收。

口径定义(6 分):把 9 个核心指标写成字典(分子、分母、时间窗),数据组验收。

1.4结果验证

本章没有数据文件,验证分三部分:把流程讲清、算对差距分、六个概念题。

1.4.1口头验收:3 分钟讲一遍

找一个没读过本章的人,讲清三件事,对方能复述才算过:

1.4.2算两个差距分

用图 1.3.1 的公式,把下面两项算出来,填进输入框。

差距分 =(要求 − 自评)× 权重
先算括号,再乘权重。

1.4.3六道选择题

不看前面的正文,凭第一反应选。选完立刻出解析。

Q1运营说“帮我看下上周活动效果”,第一步应该做什么?
解析:“活动效果”不是可回答的问题。它可能是“要不要加预算”“要不要复制到别的城市”,不同决策对应不同口径和交付物。
Q2老板问“DAU 为什么掉了 5%”,你按渠道、城市、版本、新老客拆了一遍。这属于哪种分析?
解析:拆维度是为了找原因,交付物是“原因排序 + 证据”,这是诊断性。只交趋势图,交付物仍是描述性的。
Q3初级、中级、资深分析师最本质的区别是什么?
解析:分层线是“你回答哪一层的问题”。会 Python 却天天答“数是多少”,仍是初级。
Q442 页的报告,老板翻到第三页就放下了。最可能的原因是什么?
解析:读报告的人时间按分钟算。第一页写结论、三条证据、一个建议。页数多通常是没想清楚哪条最重要。
Q5“学会 Python 和机器学习,就等于会做数据分析。”这句话错在哪?
解析:问题定义错了,工具越强错得越快;模型越复杂,错误越难被发现。
Q6你算的 6 月 GMV 是 901.5 万元,财务说是 898.3 万元。正确的第一步是什么?
解析:差额通常是口径不同:pay_amount 还是 amount、算不算退款和运费。列差异项逐项对账,才能既对上数又保住口径。
得分:0 / 6

1.5常见问题排查

按“现象 → 原因 → 解决”整理。这 8 个坑,新人几乎都会踩。

现象原因解决
做了三天,方向错了跳过需求澄清,直接开工先问“用来做什么决定”,写成一句话发回确认
和财务差 3 万GMV 口径不同:pay_amount 与 amount、退款、运费列差异项逐项对账,写进指标字典,不改数迁就
报告被说“看不懂”结论埋在最后,前面全是过程第一页写结论、三条证据、一个建议
分析做完没人用没有可执行建议,或没找对决策人每条结论配“谁、做什么”;发布前给决策人看提纲
被追问“为什么”答不上只做了描述,没做归因补对比组和维度拆解,给原因排序和证据
图表看不出重点标题写“6 月趋势图”,没写结论标题改成一句话结论,删掉不承载信息的系列
工具学了一堆,问题答不出工具崇拜,缺少完整项目训练用现有工具把一个业务问题答完整
报告越写越长用篇幅代替判断,不敢删限一页纸:结论、三条证据、一个建议

1.6本章小结与练习

  1. 四种分析:描述、诊断、预测、指导;交付物分别是报表、归因、区间、方案。
  2. 岗位三层:取数、归因、决策;标准是“你回答的问题”,不是工具。
  3. 八步流程:1、2、8 决定有没有用,3–7 决定对不对。
  4. 纯取数岗在消失:报表固化、工具变简单、业务方自己会看数。
  5. 三个误解:工具崇拜、模型崇拜、报告越长越专业——都把手段当成了目的。

1.6.1练习

  1. 找一份目标行业的 JD,圈出所有动词,按“取数 / 归因 / 决策”分类。哪一类最多?
  2. 把“帮我看看 6 月经营情况”改写成可执行的需求:决策人、决定、口径、时间、交付物。
  3. 用八步复盘你最近做过的一次分析,指出被跳过的那一步造成了什么后果。
  4. 完成能力差距表,只选 2 项写 30 天计划,30 天后重评。
参考答案

1. 如果“提取、产出、维护”占 80%,是取数岗;出现“定位、归因”,在往中级走;出现“定义、影响”,是资深岗。动词比岗位名称更诚实。

2. 示例:给运营负责人,用于决定 7 月预算是否转投自然搜索;口径为已支付订单的 pay_amount,6 月按渠道和新老客拆分;周四交一页结论加明细表。

3. 重点看两处:有没有确认“用来做什么决定”,有没有写清“谁做什么”。缺任何一处,通常就“做完没人用”。

4. 自检:只选 2 项;每项有证据;30 天内能交出别人能看的东西;验收人写具体的人。

下一章预告:第 2 章会把“业务”这一层补上。同样的 5.6% 转化率和 10,078 元客单价, 放在电商、内容、SaaS、本地生活四种模式里,含义完全不同。看不懂生意,指标就只是一堆数字。
数据分析师训练营 · 第一章
本章不依赖数据文件,纸笔即可完成实验