数据分析师如何正确的提建议？

数据分析不只是数据的罗列，而是数据和分析的结合。数据层面包括数据获取、整合、可视化等操作；分析侧面则是结合业务目的和数据表现给出相应的数据结论。只要掌握数据工具就能获取、整合数据，而分析问题并给出有效结论和建议就有一定的难度。根据分析结果给出合理的意见和建议是数据思维培养过程中重要的环节之一。本节会立足于如何根据数据表现提出合理建议，通过几个示例说明数据分析师在给出建议时常常出现的误区。

1、数据分析师提出合理建议需要经历的三个阶段

并不是每个数据分析师从刚入行开始就能够通过数据分析为业务方提出合理解决方案，从入门到进阶，数据分析师一般会经历从给数据到给结论再到给观点的转变。那么这三个阶段各有什么异同呢？此处笔者通过一个示例进行说明。

最近某公司新上了一个项目，业务方找到数据分析师，说想要拉取一些数据看一下当前用户黏性。对用户黏性，数据分析师可以通过新老用户的分布、用户留存率等指标进行说明。如图 3-7 所示，对于相同的数据，不同的数据分析师会给出不一样的结果，由浅到深可以分为给数据、给结论、给观点三个不同阶段。

1．给数据

“给数据”是数据分析最初级的阶段，是通过数据陈述客观事实的过程。对于上述用户黏性的例子来说，数据分析师小 A 给出“新业务近一周新用户数累计 300 万个，新用户次日留存率为 65%，七日留存率为 17%”的结果。这样的结果就是一个对客观数据的陈述，是一个“给数据”的过程。理论上这样的结果没有任何错误，但对业务方没有太多帮助。

2．给结论

“给结论”是对数据结果的加工和深入分析并给出结论性的表述。数据分析师小 C 给出的结果就是结论性的表述，“新业务近一周用户总量达到 10000 万个，新用户数累计 300万个，次日留存率为 65%，七日留存率为 17%，新业务的数据表现优于同类业务及行业标准。”数据分析师小 C 给出的结果不仅有对数据事实的陈述，还有结论性的表述，是一个较为典型的“给结论”的例子。

3．给观点

“给观点”是在“给结论”的基础上对数据进行深挖，基于对业务的了解给出一些切实可行的建议。数据分析师小 D 给出的观点是“新业务数据表现优于同类业务及行业标准，特别是渠道 F 用户黏性高且付费率高，建议增加 F 渠道的广告投入”。数据分析师小D 不仅给出了新业务的基础数据，也给出了结论性表述。更重要的是，他通过对用户来源渠道及付费情况进行拆解，发现渠道 F 的用户不仅黏性高而且付费率也不错，于是建议业务方增加渠道 F 的广告投入。

当然，刚入行的数据分析师要做到“给观点”是比较难的，这不仅需要熟练的分析技巧、缜密的数据思维，还需要对业务有极深的了解。但是这并不妨碍刚入行的数据分析师从“给结论”做起，随着对业务的不断熟悉逐渐从“给结论”到“给观点”转变。

2、数据分析师需要避免的几种提建议的方式

如图 3-8 所示，从数据到结论，数据分析师会经历发现问题、分析问题、解决问题三个不同的阶段，在每个阶段提出切实可行的建议都起着关键作用，应避免提出以下几种类型的建议。

1．不明确分析目的，只做简单的数据堆砌

部分初级数据分析师掌握了数据分析工具和相关的基础技能，但是缺乏实操经验和相关业务知识。通常到了提建议环节，可能连业务方具体的问题还没搞明白，就只能拿出统计学方法论做简单的数据堆砌。

例如，数据分析师小 A 给出“新业务近一周新用户数累计 300 万个，新用户次日留存率为 65%，七日留存率为 17%”的结果。

给出这样的数据之后，就没有后续的意见和建议了。这种情况大部分是没有明确需求，即还没有搞清楚业务方想要的到底是什么，业务方现在面临的问题到底是什么，当然没办法继续进行下一步的分析，更别说给业务方一定的建议了。因此，树立目标意识是分析的第一步，要树立目标意识、挖掘潜在的分析点。

需求不明确这种困境一般是由业务方和数据分析师共同造成的，可能业务方在提需求的时候也没说清楚自己真正想要的数据，或者业务方是个“小白”，根本不知道需要看哪些数据或指标；对于数据分析师来说，面对这些不太清晰的需求，也没有问清楚存在的痛点及分析的目标，其实对于这种情况，数据分析师可