前言

人們都說互聯網在帶來知識的同時，也讓人變得更加迷惑。的確，這是一個知識碎片化的時代，而知識碎片化的結果就是，人們無法建立起對知識更深刻的理解與認識。這一現象更是體現在這幾年熱度持續上升的大數據、數據分析等概念上。這些概念的背后是由眾多的知識和技能拼接而成的，碎片化的知識易得，而零星的知識之間如何拼裝、如何整合、如何體系化，恰恰是稀缺的。

要想擁有體系化的知識，關鍵在于如何建立起知識點之間的聯系，而這種聯系才是真正的知識核心。本書要做的就是在數據分析這個層面，把知識體系化，把各種紛繁蕪雜的知識碎片拼裝在一起，引導讀者形成數據分析知識體系。

一個體系化的東西，至少包含四個層面的內容：

第一層是底層邏輯，也就是“道”的層面，告訴你為什么做及做事的大框架。在數據分析這個話題上，就是數據思維的建立，以及業務問題如何轉化成數據分析問題。

第二層是流程和路徑，也就是“法”的層面，告訴你怎么做，即從A點到B點需要幾個步驟，先做什么，后做什么。在數據分析這個話題上，主要關注的是數據分析流程，即如何層層拆解和解讀數據背后的問題。

第三層是操作技巧，也就是“術”的層面。流程和路徑有了，怎樣才能夠快速地從A點到達B點呢？這就需要操作技巧。在數據分析這個話題上，就是漏斗分析、AARRR（Acquisition、Activation、Retention、Revenue、Referral，拉新、促活、留存、付費、轉介紹）模型等。

第四層是工具和模板，也就是“器”的層面。要解決一個問題，思路有了、流程和路徑有了、操作技巧有了，還需要什么樣的工具鏈？在數據分析這個話題上，就是使用Excel、編程語言（如Python等）對數據進行去重提取、相關性分析等操作。

只有具備了以上四個層面，才是一個完整的、可形成閉環的、能夠落地的體系。

而數據分析這個話題，因為涉及的內容極多，從上下游角度而言，數據分析的前序是數據獲取、數據預處理等內容，數據分析的后續是使用分析結果進行運營的優化和戰略的指導等內容，甚至還需要對新興的人工智能等概念與數據分析這個概念做一些關于區別和聯系的分析。因此，數據分析不僅要包含“道、法、術、器”四個層次的內容，還要糅合其他話題，這也就使得為數據分析建立體系化的內容變得極具挑戰性。

本書嘗試為讀者提供數據分析體系化的內容，因為“道、法、術、器”的框架不是很適合完整地展現數據分析相關的知識內容，所以書中采取了一個“樹模型”框架結構來拆解數據分析相關的知識內容，但從中可看出“道、法、術、器”的脈絡。

數據分析的最終目的應該是讓結果支持業務，如為公司運營提供指導，所以作者秉持的理念就是“人人可做數據分析”“著眼于用”“數據分析在當前尤其是在未來應該是一個人人可用的技能”。

作者

2023年1月