1.2 數據分析話題同樣存在“量變引起質變”的問題

數據分析就是從數據中找到關鍵信息，指導業務決策。當數據和場景相對簡單時，數據分析這一過程就會變得容易；當數據和場景相對復雜時，數據分析這一過程就會變得困難。

舉例來說，如果能夠拿到一個班級的學生數據，就會很容易統計出這個班級中學生的平均身高、男女比例等，而多個班級里的這種抽樣數據就能代表某個地區的平均狀況。這個分析過程甚至不需要用到太復雜的電子化工具，僅用Excel就能做到。

若要通過班里每個學生每次考試各科目的分數給出其成績上升或下降的原因，這會成為一個難題。哪怕分析人員學了很多電子化工具（Excel、SQL及Python等），且談起工具的使用技巧時頭頭是道，面對這樣的問題，也還是不會分析。

都是數據分析問題，為什么場景變得復雜，就無從下手了呢？

第一個問題，是簡單的統計就能解決的問題；第二個問題，只看學生每次獲得的分數是不夠的，涉及的因素可能有學習方法的適用性、學習時長、基礎能力等級、老師講解的透徹度等，而這些因素均對數據采集提出了很高的要求。

問題和場景變得復雜了，解決的難度也會增加很多，甚至根本不是一個難度級別的。這就是“量變引起質變”，好比把魚裝進冰箱VS把大象裝進冰箱，如圖1-2所示。

“先把冰箱門打開，再把魚或大象裝進去，最后把冰箱門帶上。”這好像是三步就能搞定的事情，當然裝魚可以這樣操作，但是裝大象就要考慮很多。把大象裝進冰箱要考慮的諸多因素如圖1-3所示。

圖1-2 把魚裝進冰箱VS把大象裝進冰箱

圖1-3 把大象裝進冰箱要考慮的諸多因素

在傳統企業中，計算報表數據這一工作由會計承擔即可，但為什么現在很多大企業都需要數據分析師，其中一個重要原因就是現在的數據量過于龐大。物聯網可以收集機器運行過程中的數據，智能手機的普及讓企業可以獲得越來越多的數據，如何充分挖掘這些數據背后隱藏的價值，成了企業關注的焦點，企業也需要新的手段來實現業務價值。