数据分析的历史：

最近听罗胖的每天听本书，《女士品茶》中提到，其实早在20世纪初，统计学就开始发展起来了，如今已经有一百多年的历史了。最近几年，接着人工智能和大数据的火热，统计学这门学科和数据分析这个概念，才被越来越多的人所了解。越来越多的公司也加入到这数据分析的热潮之中。

那么数据分析的本质是什么呢？个人认为，数据分析就是通过理性的统计方法，对分析的对象，例如公司的业务、市场的价格走势，进行分析。找出藏在其中的规律，帮助人们从原本的经验思维，转换为数据思维的过程。

万维钢老师就曾经在《万万没想到》中说过，理工科的思维方式，就是对一切产生质疑，从理性角度去分析。数据分析就是这种思路。

数据分析在企业中的应用：

国内目前借助大数据这个东风，各个企业也开始在引入自己的数据分析部门。下图的数据分析的照片，可能大家在很多的视频中都看过，外行可热闹，内行看门道。这个数据分析，大家认为是数据分析层面的第几个界别呢？

图中大部分的数据，都是统计总数，占比。在统计学方面，可以看下如下图。从中可以看出，如上图的数据呈现仅仅是在第一层次。没有给出比较深刻的数据简介，仅重视呈现和美观的外表而已。

下面这种图，仅仅看到现在的，那是数据分析的最底层，能够引导甚至预测。才是较高层次的分析。

企业当中，应用到数据的场合其实非常多。以下举几个方面。

1. 传统贸易或者生产型企业：年度的销售预测、各个门店的销售数据分析等等。借助数据分析，业务相对较为复杂并且繁重。数据分析过程，必须深入理解企业的业务场景，才能较好的进行数据的分析。单纯借助传统统计学的知识，不深入了解业务。是分析不出来好的结果的。

2.在线互联网公司：应用数据分析的案例就多了，互联网公司天生就拥有非常良好的数据分析土壤。首先，在线公司数据线上化，借助开发部门的埋点，数据分析部门可以非常快速的运用标准的数据分析技术进行分析。并且快速迭代反馈。比较少存在类似传统企业数据不统一、数据不好搜集的情况。

但是如何能否真正用的上，取决很多因素多方面的协同，仅仅靠拥有数据分析技术的员工，是远远不够的。数据思维的培养，非一朝一夕所能起来的。

如何入门数据分析：

入门数据分析，互联网其实是个非常好的学习平台。各大课程网站，都上线了非常多质量不错的课程。这数据分析的火热，大家看看这两年PYTHON和BI不断上升的热度就知道了。

个人认为学习可以区分几种角色：

1.如果没有任何的技术基础的人，可以从业务BI工具入手：例如国外的POWER BI、tebleau都是非常不错的选择。易于入手，特别推荐微软的POWER BI，其中相关的PIVOT语言，与微软sql server 体系内的analysis service所使用的语法一致。非常方便以微软体系为核心的企业。

2. 对于技术技术出身的小伙伴，建议从PYTHON等分析语言入手，专业的编程语言，门槛较高，但是学成之后，其威力非常强。并且复用度比传统的BI工具要高很多。PYTHON等语言拥有非常多优秀的开源第三方库，可以让你在数据分析的路上走得更快。

3.大型的企业，学习这些工具是不够的，大型企业往往有众多的系统，底层的数据仓库搭建往往非常重要。所以，在这个过程中，就需要学习专业的数据仓库的搭建。

当然以上的这些工具，其实都只是“器”而已，都是需要建立学会“术”的基础上，而数据分析的术。就是统计学等相关的知识了。当然，最重要的，还是公司的业务。

文笔拙劣，望小伙伴们海涵啦。

文章结尾，安利一本最近看的好书，微软三代目写的《刷新》。