这将是一个以“数据信息”讲话的时期，也是一个借助“数据信息”市场竞争的时期！麦肯锡公司称：“数据信息，早已渗入现如今每一个领域和业务流程职责行业，变成关键的生产制造要素。”而且，在全球500强公司中，有90%之上都创建了专业的数据统计分析单位。不难看出，数据统计分析的必要性及其未来发展趋势。

那麼，数据统计分析到底是啥？必须把握什么专业技能？怎样开展数据统计分析？

我今天要共享的主题风格是：数据统计分析之道，顺藤摸瓜与存乎一心，也是我针对数据统计分析自身的实践活动与汇总。

01 结构数据统计分析

大家字面上拆卸：数据信息 剖析，数据信息是基本，剖析是核心。由此可见，数据信息并不代表着使用价值，剖析和管理决策才可以创造财富！

而数据统计分析：思维模式超过实践活动方式思维模式：业务流程总体目标及调查 逻辑思维 自主创新念头 行得通提议

实践活动方式：数据统计统计分析 专用工具应用 数据可视化

数据统计分析对一个公司有极大使用价值，则是对公司“数据信息”开展多方位的剖析，二者紧密联系才可以完成公司管理决策使用价值利润最大化。

因此 ，大家搞好数据统计分析，要对数据统计分析的使用价值有清晰的精准定位，不可以沦落单纯性的 “取数”、“做表”、“写汇报”，数据统计分析应该是对业务流程有具体的指导作用，并融合业务流程困扰去发现问题进而解决困难的专用工具。

1. 灵魂三问

数据统计分析的灵魂三问，我眼中的自己今日讲的具体内容：数据统计分析是个什么？他究竟处理什么问题？

数据统计分析怎样学技能专业知识？必须把握哪些的工作能力？

数据统计分析怎样开展?有哪些科学方法论？

一提到数据统计分析，大家便会想到到这种难题。

殊不知，我触碰数据统计分析的突破口，是以一开始工作中是触碰的数据处理方法和市场调查，再以后店家代运营公司，商品互联网运营等，这种工作中上都涉及到数据统计分析，到现在和盆友一起建立小飞象数据统计分析社群营销。

实际上，我了解的数据统计分析并不是从什么高端大气的视角考虑，它绕不动是啥、多少钱、为何、会如何、又怎样这好多个难题。

说搞清楚点：

• 是啥（塑造数据标准）
• 多少钱（数据信息叙述情况）
• 为何（探寻难题缘故）
• 会如何（预测分析业务流程行情）
• 又怎样（综合性分辨情况）

其关键便是分析数据（融合统计学等专业知识），寻找规律性（例如变动），得出结果和提议，从而可以輔助管理决策。

那麼，接下去大家看来一下数据统计分析工作中几类普遍的应用领域，切身感受一下：

• 主题活动发布前，必须做A/B检测，根据数据信息意见反馈結果，认证主题活动是不是合乎预估；主题活动发布后，也要剖析实时数据，调节营销推广节奏感和营销推广姿势。
• 产品设计时，必须用数据信息来剖析客户个人行为，发掘用户需求；商品问世后，也要用数据监控客户个人行为、检测产品功能，推动产品迭代。
• 营销推广引流时，必须对每一个引流方法方式开展品质点评；我们要搜集每一个方式的资金投入，用数据统计分析来辨别方式資源的实际效果，比照各种方式对业务流程的危害，从这当中找到最优化方式。
• ······

之上便是工作上碰到的数据统计分析运用的情景，殊不知，我还在以前企业里边亲眼看见，日常事务牵涉到管理决策的情况下，会经常出現以下情景：

情景一：“我认为”、“应当”那样的语汇，谁也说动不上谁，一点点小事必须老总去定夺；

情景二：主题活动实际效果没出去，做报告时，遭受生命式逼问：

• “发布的新作用实际效果怎样？”
• “接下去准备怎么优化”
• “近期数据信息起伏的原因是什么？”
• ······

有之上那样的情景，其直接原因取决于欠缺数据思维思索逻辑性，对业务流程的逻辑思维只滞留在浅部的比照，乃至会出現“拍脑袋决策”的状况。

因此 ，在工作中日常生活，大家应当持续塑造数据思维的习惯性。举好多个习惯性：

• 若见到一个广告宣传，试着去剖析广告宣传的受众群体群总数尺寸，方式总数、成本费和实际效果收购的状况。
• 若见到一个主题活动，想办法去拆卸出它的目地、对于群体、预估活动目标、资金投入成本费、礼品掉宝率实体模型等信息内容。
• 若见到一个商品，在应用结束以后去剖析他的运营模式、应对的客户人群、人群的应用情景，及其很有可能设定的付钱点并去认证，另外想起可改善的使用价值点，并观查事后经营姿势是不是认证了改善点。
• 若见到一组在线客服电话回访数据信息，能想起案件线索来源于，语音通话总频次，语音通话合理频次&时间，案件线索意愿等级，市场销售司龄，套餐内容种类，来分辨这组顾客的意愿度，及其跟踪水平，成单周期时间。
• 若见到一列数据信息，大家应当能够清晰的强调数据信息是不是有起伏，这类起伏是不是一切正常，很有可能由什么缘故产生了这种起伏，有关的缘故是不是有数据信息展现。
• 若见到一篇有关经营实际效果的汇报，大家应当尝试去剖析它的内部逻辑性是不是充足支撑点汇报的结果，在什么点上很有可能沒有详细调研。
• ·······

之上是我们可以在日常生活中塑造数据思维的习惯性思索情景，自然，在具体工作上的前提条件是，我们要了解自身的工作流程及其业务流程指标值等，我们在塑造数据思维的另外数据信息敏感性会持续提高。

2. 数据信息的特点

数据信息是客观现实产生留有的真理的客观性，发展趋势变化的智能化纪录。伴随着科技进步的发展趋势，数据信息的定义内函愈来愈普遍包含标值，文字，响声，图象，视頻等。

而增加客户、存留、客户活跃性、转换、收益、客户经营规模等，根据数据信息量化分析，大家才可以精确认知业务流程指标值。因此 ，数据信息是用于叙述业务流程指标值的，是被量化分析的业务流程指标值。但数据信息的实质還是标值，仅仅归属于最终結果的一种表达形式，要想更改結果，只有寻找因，从因上做更改，才可以造成結果的更改。

而数据信息的特点有：

1）统一性

统计口径一致、测算逻辑性一致、数据库管理步骤一致……

2）安全系数

便是除开统一性以外，也有安全系数的难题。数据信息是否会泄漏？不一样数据信息牵扯的敏感区有什么？

3）及时性

非常大水平上牵制着管理决策的客观性实际效果。一些数据信息伴随着時间的变化，使用价值会愈来愈小。

4）精确性

大家都了解，数据信息恰当是否的必要性。不正确的数据信息，很有可能会造成 不成功的管理决策；当出現难题时，到底是后台系统的统计分析，還是指标值统计分析逻辑性有什么问题。

3. 剖析的实质

剖析的创造性思维是：

• 发生什么事？——追朔以往，掌握实情。
• 为何产生？——洞悉事务管理产生的实质，找寻根本原因。
• 将来很有可能产生哪些？——把握事情发展趋势的规律性，预知未来。
• 大家该怎么做？——根据早已了解的“发生什么事”、“怎么会产生”及其“将来很有可能产生哪些”的剖析，协助和明确能够采用的对策。

剖析实质即遭遇各种各样难题时，针对公司来讲，让业务流程更为清楚，让管理决策更为高效率。针对本人来讲，正确认识现况，让自身的决策更为有益。

这种物品说起来全是高端大气的，简易而言，能根据数据信息寻找难题，精确地精准定位，精确地寻找难题造成的缘故，为下一步的改善，寻找机遇点，也就是说白了的：数据驱动。

4. 数据统计分析必须如何的工作能力

1）过关心理状态

如果你决策进到数据统计分析领域的第一天，你就需要对比领域中的80分大神、一百分大神。具有过关的心理状态，三年，也就是6个6个月。每6个月上下，最少要提升一个副本。

这般，6个6个月之后，你通常能提升到第六关、第7关。

如果是你技能极强的人，或是你的运势非常好，你极很有可能就变成顶级权威专家了。

那麼，大家看来一下“德雷福斯实体模型”，把杀怪爆装的成长阶段分成五级。

1. 第一级是初学者（10-20分）。初学者能记牢抽象性的标准，随后依照标准做事。
2. 第二级是优秀的新手（30-40分）。优秀的新手不仅能按标准做事，并且可以依据过去的工作经验，应对不一样的局势能采用不一样的行動。初学者总是标准对他说的那这几个常用招式，而优秀的新手除开标准也有工作经验，他能够在一定水平上，对不一样自然环境灵活应变。
3. 第三级是担任（50-60分）。胜任者应对好多个事儿，可以分离出来优先。换句话说，在做管理决策的情况下，他清晰地了解，最先应当照料哪些地方，次之应当做啥事。能分辨哪些关键，什么不关键。他有时依照固定不动标准去办事，有时则是根据过去的工作经验。
4. 第四级是熟练（70-八十分）。熟练者可以把全部的信息内容作为一个总体来考虑到。熟练者考虑到难题，非常少客观地应用固定不动的标准，他早已已不区别工作经验和标准，只是从总体考虑，全盘考虑。
5. 第五级是技术专业（80分-一百分）。技术专业者彻底不会受到客观的拘束，他的分辨和反映全是在潜意识的状况下作出的。就算应对的是全新升级的状况，他也可以潜意识地把这个状况和之前的工作经验联络在一起，全自动解决。

2）综合性的工作能力

数据统计分析要搞好，综合性规定十分高，由于大多数数据统计分析是要向老总报告的，强大的数据统计分析工作人员最少要具有业务水平、思索工作能力、沟通协调能力、语言表达能力、逻辑思维能力、数据信息工作能力、技术性工作能力及统计分析工作能力。

• 业务水平：充足了解企业战略、领域、领导干部观念，最好是有业务流程职位实践经验
• 思索工作能力：最有价值的是念头，根据数据信息对这种念头开展专业化的剖析和论述
• 沟通协调能力：对上沟通交流确定总体目标、对时要采用协作、对下需要确立实行规定
• 语言表达能力：一切都是为了更好地令人看懂，心态上高度重视报告，报告注重小故事和逻辑性
• 逻辑思维能力：根据业务流程基本常识挑选适合的指标值和层面，发觉变动缘故并数据可视化呈现
• 数据信息工作能力：有着全局性的数据信息视线、更加深入的数据信息逻辑思维能力和操作技能
• 技术性工作能力：EXCEL、SQL、Python/R、深度学习/深度神经网络模块
• 统计分析工作能力：了解统计分析的基本要素、了解基础优化算法

之上，便是数据统计分析必须如何的工作能力，实际上，在许多 公司中，数据统计分析是个职位，但我一直觉得数据统计分析只是是数据信息从业人员维持生计的高級方式，互联网运营、数据产品、数据库管理等各种职位都必须数据统计分析的专业技能，例如互联网运营便是数据统计分析的一种不断迭代更新方式。

总而言之，出色的数据统计分析工作人员一定是积极发现问题、解决困难并受得了工作压力的。

5. 普遍的数据统计分析方式归纳

数据统计分析方式实际上有很多，包括发展战略与机构、营销推广、人力资源管理、企业生产管理、财务会计、供应链这些层面。

1）发展战略与机构层面SWOT剖析：战略发展规划的經典分析工具

• PEST剖析：机构外界环境分析分析工具
• BCG矩阵法：制订企业层发展战略最时兴的专用工具
• 麦肯锡公司三方面剖析：企业设计战略发展规划、发展提高的合理专用工具
• 波特五力剖析：领域竞争策略最时兴的分析工具
• 竞争优势剖析：剖析公司合理市场竞争和发展的关键专用工具
• ……..

2）网络营销层面STP剖析：现代商业发展战略的关键分析工具

• 4Ps市场营销组合实体模型：制订销售市场发展战略最經典的营销理论专用工具
• 商品生命期实体模型：叙述商品和市场运营方式的强有力专用工具
• 营销漏斗实体模型：量化分析了营销推广全过程重要环节的高效率，协助寻找薄弱点
• SPIN市场销售法：专业化发掘客户满意度的营销工具
• 营销策略新三角实体模型：发展战略业务架构分析工具
• 消费者金字塔模型：合理的顾客细分可视化工具
• ……..

3）人力资源管理层面

• 平衡记分卡：最具知名度的发展战略绩效考核管理专用工具
• 360度绩效考评：推动职工个人行为更改最有效的专用工具之一
• KPI：国际性行驶的公司经营绩效成效精确测量和发展战略管理方法的专用工具
• 3P实体模型：执行公司人力资源管理发展战略化管理方法的合理专用工具
• 重要恶性事件技术性：鉴别工作绩效考核的至关重要要素的工作中统计分析方法
• 职业锚：职业测评应用最普遍、最有效的专用工具之一
• ······

4）生产制造管理工作

• 5S当场安全法：当场创新管理的基本专用工具
• 六西格玛：世界上最优秀的品质安全法
• QFD法：一种消费者驱动器的优秀质量控制应用技术
• PDCA：循环系统合理操纵管理方法全过程和工作质量的专用工具
• AUDIT法：确保产品品质的优秀品质监督控制方式
• 零缺陷安全法：公司品质管理方案的又一次改革
• ……

5）财务会计层面

ABC成本法：公司操纵成本费的强有力专用工具

• 杜邦分析体系：公司业绩考核管理体系中更为合理的专用工具之一
• 比率分析法：财务报表分析最基础的专用工具
• 净现值法：公司决策中最基础、最常见的一种方式
• 沃尔得分法：对企业会计个人信用工作能力考核评价的方式
• 本量利分析：执行成本计划管理方法的一个关键专用工具
• ……

6）供应链层面

• SCOR实体模型：第一个规范的供应链管理步骤七层模型，供应链管理一体化的得力工具
• ECR系统软件：一种新式的供应链对策
• 关键路径法：项目风险管理中运用更为普遍的方式之一
• 逻辑性架构法：新项目品质点评的考核评价方式
• PERT网络分析法：合理的施工进度可视化工具
• 工作中溶解构造：项目风险管理诸多专用工具中最有使用价值的专用工具之一
• ……..

（我选择了几类經典的数据统计分析方式，若大伙儿对这种方式很感兴趣自身去搜索学习培训~这儿不一一进行了）

02 实践心得

1. 顺藤摸瓜

1）为何要顺藤摸瓜？

大家看来一个事例：如果你去剖析某一段时间内一个商品的活跃性数据信息，就感觉这一事儿非常简单啊，不便是把数据分析清晰吗？看一下发展趋势，比照上星期、上一年，随后开展分群剖析，哪一部分客户外流这些。

看作完一遍以后呢，你能遭遇一个担心的心态：一样的指标值，有同词不同意；有愿意不一样词；也有相互之间包括，是我的这一指标值之中有了你的一部分，你的指标值中有我的一部分啊；也有各无关紧要没什么关系的指标值却出現在同一个表格上——这全是有可能的。

实际上，在做数据统计分析的情况下，大家便会有一个反躬自省的全过程：大家究竟如何下手？从哪里刚开始剖析呢？

自己的思索便是：先忽视乱七八糟，高端大气的定义，重归到实质，实际上，确立剖析总体目标后，数据统计分析便是为了更好地指标值服务项目的，最后的反映便是某一数据信息指标值提高或是降低，从而危害业务流程管理决策，因此 必须先掌握一个难题：什么叫指标值？它应当怎样被表述？

指标值，它分为单一指标值和衍化指标值，衍化指标值有一个或好几个单一指标值的测算获得。指标值有层面和衡量构成，必须留意的是，衍化指标值的层面来自构成其单一指标值层面的相交。

单一指标值必须历经数据分析的外置挑选，才可以在逻辑性上创立；衍化指标值沒有自身的统计口径，其统计口径内寄生于构成其的单一指标值的身上。

实际上：指标值便是由层面和衡量构成。

我们可以给指标值举例论证：指标值是叙述一个数据分析业务流程的最少逻辑性模块。

比如，我们来拆卸一个数据信息指标值，就必须一个顺藤摸瓜的全过程，但在具体业务流程剖析中，不一定要拆卸的多么的细，大部分3个等级就可以具体指导我们去做一些姿势。量化分析及其分拆指标值，是数据统计分析的生命。

一级指标值务必是全企业都认同的、考量销售业绩的关键指标值。它能够立即引导企业的发展战略，考量企业的业务流程达到状况，实质上必须高管和下属职工的双重了解、认可，且要便于沟通交流传递，例如企业的销售总额，或是社交媒体商品的人气值。

二级指标值是一级指标值的途径指标值。一级指标值产生变化的情况下，大家根据查询二级指标值，可以迅速精准定位的缘故所属。如大家的一级指标值是 GMV 和订单信息总数升高，那怎样去定二级指标值呢？大家就需要去拆卸一级指标值，而可以危害到 GMV 和订单信息总数升高的，便是大家的关键二级指标值。例如货物的价格升高，或是近期做的一些主题活动。

三级指标值是对二级指标值的路径分析。根据三级指标值，能够高效率精准定位二级指标值起伏的缘故，这一步也会根据历史时间工作经验和拆卸。

2）总结

重归今日的议案是数据统计分析之道，我们可以返回企业的发展战略层，返回公司发展的发展战略上来独立思考，必须大家思索怎样运用数据统计分析，根据数据信息精英团队构建、数据信息指标值监管管理体系构建、业务流程分析法整体规划、业务流程工作规划、有关责任者整理等方法，迅速地帮公司解决困难，完成业务流程提高！

因此 ，我觉得做为一个数据统计分析工作人员来讲，顺藤摸瓜、汇总规律性、解决困难的思维模式工作能力，是最关键的工作能力。考量一个数据统计分析工作人员是不是出色的规范，并并不是学各种各样SQL、Python/R等数据统计分析专用工具，只是，是不是可以结构难题思维模式、复原实质、寻找规律性、找寻提高业务流程的最优解。

去寻找最优解、发展趋势规律性，那么就应当应用到自身的逻辑思维架构——大家该如何去寻找规律性、如何去发展趋势、如何去寻找这一关键点，必须这三步法。

2. 三步法

1）三步法

最先，复原情景，找寻规律性；深层次关键点，全方位观查；窥斑见豹群，精确演练；交叉验证，清除危害。要沉的够深，要充足的自信心，要扎得够狠。要跳出来关键点，重归实质，用第三视角做机敏的洞悉逻辑思维，胆大假定，找寻规律性。

次之，感觉方向上没有问题，不必随便得出结论，也要再跳返回这些纷繁复杂的关键点之中，去一个一个地认证你汇总出的规律性是否可用，要维持一颗谦逊的心。当发觉这种规律性不适合的情况下，就需要胆大纠正。

最终，便是情景与认证，必须重归到关键点，做细心的核查，小心地证实，严苛地阐述；要梳理情景，一定不必有忽略，要立即地调节，迭代更新。

2）总结

针对数据统计分析工作人员来讲，得出的每一份数据信息，必须怀着对其承担究竟的心态，那样大伙儿才可以创建互相信任。因此 ，用逻辑思维去穿透繁杂的逻辑性，顺藤摸瓜，发现问题的实质，它是一种必须被提升的工作能力。

这就是在时下来讲，为何数据产品主管、大数据工程师这种厚实的岗位，会变成时下的数据统计分析受欢迎行业的缘故——便是因为它对工作能力跟素养有新的挑戰，并不是大伙儿能随便兼容的职位。弱肉强食，弱肉强食，经济规律便是提供多了，要求就非常容易考虑；提供的少，当然价格就高。

因此 ，你需要去做那个提供少的阶段，变成这一领域之中较为罕见的人，而不是变成广泛的人。

3. 存乎一心

1）指标值监管管理体系的构建

如果你把一个物品结构的充足深的情况下，你能应对一堆的要求残片，万法离不了其宗，先寻找离你逻辑思维近期的那一步，叫第一层出发点。找逻辑性点的情况下，大家就需要存乎一心，确立剖析目地，发觉关键指标值。尤其是第一指标值，在全部剖析全过程上都铭记最开始目地，实际上就比较简单。

那麼，如何去构建一个指标值监管管理体系？

①要确立商品业务流程总体目标及其KPI和所在的商品环节

要正确认识和明确目标。分辨业务流程行情一切正常還是出现异常，探寻解决困难的方法，都是以测算总体目标和现况的差别刚开始的，这一点十分关键。而不一样的商品环节是有不一样的商品总体目标业务流程的。

拆卸总体目标，细分化能够有各种类型，例如普遍几类的：

• 按达到時间为：年、一季度、月
• 按服务项目目标为：每个部门、全部企业
• 按步骤部位为：結果型总体目标/全过程型总体目标

②依据目前商品业务流程总体目标，将数据信息指标值等级分类

数据信息指标值有很多：每日活跃DAU、月活MAU、注册量、激话量、增加注册人数、人气值（DAU/MAU）、隔日用户粘性、次平均时间、主页访问率、滞留率、平均在线充值额度ARPU、GMV，客单量这些，大家会对于不一样的指标值，分不一样的等级。一个数据信息指标值，会遭受多种多样要素的危害，而这种要素有內部的，有外界的，大家理应尽量多的掌握全部方面的影响因素，协助大家针对数据信息的讲解及剖析是在一个相对性恰当的范畴内。不一定要拆得过细，不然等级会过深，大部分 3 个等级就可以具体指导我们去做一些姿势。

大家还以所述一级指标值 GMV 提高为例子，大家拆卸后发觉是转换率提高，那麼转换率便是二级指标值。而三级指标值则具有可以立即具体指导一线经营的人物角色和功效，然后分服务平台去拆卸每个转换率的情况下，大家发觉是 IOS 的手机客户端转换率有一定的提高。那为何安卓系统沒有提高，是否 IOS 近期干了一些迭代更新？是否它的一个变换途径比别的端好？这种思索就能具体指导业务员进行行動。

③构建以日、周、月为企业的数据信息指标值监管管理体系表格

监管每天、以往一周，上星期， 上个月同周， 上月同周的数据分析表，以数据图表展现，来体现商品的趋势分析，根据以往的一周数据信息体现商品现况，根据每天、周、以往三个月的商品业务流程线数据信息趋势分析预计将来的趋势分析。

监管评价指标体系的基础逻辑性：先看一级指标值，融合二、三指标值再预测分析分辨未来发展趋势。

④依据数据监测結果，确立流程管理，完成操纵

第一，当指标值有出现异常情况，确立运营策略实施者。如：

• GMV降了→ 客单量减少了→ 内容运营想对策
• GMV降了→ 某种产品减幅变大→ 产品经营想对策
• GMV降了→ 外界总流量太少了 → 渠道运营想对策

第二，再确立实行時间。要有时间情况和迈向分辨。如:

• 以往 负向 → 关心某某某的难题
• 以往 顺向 → 发觉什么的经验
• 将来 负向 → 警醒啥啥的风险性
• 将来 顺向 → 提醒如何的机遇

第三，确立必须多少幅度，如：

留意发现异常，要提升 等，立即执行。

例如：“如客单量不可以在三天内获得改进提升 ，当月KPI将不合格，需马上提升产品组成，提高客单量”。

第四，总结改进后实际效果

构建数据监测管理体系，最关键阶段便是实际效果的总结。并且要首先看是哪个等级的实际效果，再看实际实际效果尺寸。

2）总结

我们都是要对数据信息的品质承担、对数据信息的跟踪承担、对网络服务的可信性承担。返回存乎一心这件事情，实际上就是以泛娱乐化的要求之中，融合本身和外界資源，将大家逻辑思维的底层逻辑管理体系一点一点的收缩起來，较精细化管理的解决困难。

而存乎一心的关键是解决众多泛娱乐化的要求时，拥有 刻骨铭心的洞悉，趁机发展趋势，因时制宜，灵活应变，运用之妙，存乎一心，以考虑业务流程需求。

03 数据统计分析之道

新生事物的发展趋势速率遥远超过大家的想像，因而，有关“道”的思索还必须再次深层次，姑且作为是数据统计分析行业里不辞劳苦又乐此不疲地追寻。回忆构建小飞象数据统计分析社群营销的过程，大家干了许多 的准备工作，从社群营销企业愿景、价值观念、重任的整体规划，经营管理体系的构建，到內容管理体系的构建，原始用户调研，之后用户满意度这些，碰到的艰难一点点处理。

我认为我们都是立在了內容、商业服务和感受的三者中间，大家为群员构建客户体验，大家为社群营销争得利益，另外大家也耗费着內容資源，应对內容要高品质提高的挑戰。

可是一定要有一个均衡点，这一均衡点便是最优解。我刚才讲的那一切都能够忘记，那都不是你的数据信息之道。返回你的具体情况之中，你需要这三个点到找寻一个均衡。

因此 ，返回科学方法论便是要寻找均衡点，或许这一均衡点一脚立在了內容上。

事实上，“数据统计分析科学方法论”是承前启后的法决，向下，他们具体指导着“数据统计分析专用工具”的进行，往上，“数据统计分析之道”是发展战略，是形而上的价值取向，大家必须创建自身的数据信息价值观念，一以贯之。

因而，假如你要真实的运用好数据统计分析，所述的顺藤摸瓜和存乎一心，才算是大家强劲之道。

04 末尾

在经济发展总体下降的大环境中又遭受肺炎疫情冲击性的今年，各中小微企业都遭遇着极大艰辛挑戰，并拥有 史无前例的机会，期待本文能够为焦虑情绪中的中小微企业针对“数据统计分析”的运用产生一点思索，协助完成真实实际意义上的“数据驱动提高”。

最终，把非常喜欢的一句话赠给大伙儿：悲观主义者通常恰当，而开朗者通常取得成功，与君共勉。艰辛自然环境下，更是挫折兴起和弯道超越的最佳时机，愿大家都能寻找自身的数据统计分析之道。