前言

人们都说互联网在带来知识的同时，也让人变得更加迷惑。的确，这是一个知识碎片化的时代，而知识碎片化的结果就是，人们无法建立起对知识更深刻的理解与认识。这一现象更是体现在这几年热度持续上升的大数据、数据分析等概念上。这些概念的背后是由众多的知识和技能拼接而成的，碎片化的知识易得，而零星的知识之间如何拼装、如何整合、如何体系化，恰恰是稀缺的。

要想拥有体系化的知识，关键在于如何建立起知识点之间的联系，而这种联系才是真正的知识核心。本书要做的就是在数据分析这个层面，把知识体系化，把各种纷繁芜杂的知识碎片拼装在一起，引导读者形成数据分析知识体系。

一个体系化的东西，至少包含四个层面的内容：

第一层是底层逻辑，也就是“道”的层面，告诉你为什么做及做事的大框架。在数据分析这个话题上，就是数据思维的建立，以及业务问题如何转化成数据分析问题。

第二层是流程和路径，也就是“法”的层面，告诉你怎么做，即从A点到B点需要几个步骤，先做什么，后做什么。在数据分析这个话题上，主要关注的是数据分析流程，即如何层层拆解和解读数据背后的问题。

第三层是操作技巧，也就是“术”的层面。流程和路径有了，怎样才能够快速地从A点到达B点呢？这就需要操作技巧。在数据分析这个话题上，就是漏斗分析、AARRR（Acquisition、Activation、Retention、Revenue、Referral，拉新、促活、留存、付费、转介绍）模型等。

第四层是工具和模板，也就是“器”的层面。要解决一个问题，思路有了、流程和路径有了、操作技巧有了，还需要什么样的工具链？在数据分析这个话题上，就是使用Excel、编程语言（如Python等）对数据进行去重提取、相关性分析等操作。

只有具备了以上四个层面，才是一个完整的、可形成闭环的、能够落地的体系。

而数据分析这个话题，因为涉及的内容极多，从上下游角度而言，数据分析的前序是数据获取、数据预处理等内容，数据分析的后续是使用分析结果进行运营的优化和战略的指导等内容，甚至还需要对新兴的人工智能等概念与数据分析这个概念做一些关于区别和联系的分析。因此，数据分析不仅要包含“道、法、术、器”四个层次的内容，还要糅合其他话题，这也就使得为数据分析建立体系化的内容变得极具挑战性。

本书尝试为读者提供数据分析体系化的内容，因为“道、法、术、器”的框架不是很适合完整地展现数据分析相关的知识内容，所以书中采取了一个“树模型”框架结构来拆解数据分析相关的知识内容，但从中可看出“道、法、术、器”的脉络。

数据分析的最终目的应该是让结果支持业务，如为公司运营提供指导，所以作者秉持的理念就是“人人可做数据分析”“着眼于用”“数据分析在当前尤其是在未来应该是一个人人可用的技能”。

作者

2023年1月