这才是数据分析师的最佳实践母亲节手抄报上的字

这是我的第15篇原创

一日，有军吏二人，俱身热头痛，症状相同，但华佗的处方，却大不一样，一用发汗药，一用泻下药，二人颇感奇怪，但服药后均告痊愈。原来诊视后，已知一为表证，用发汗法可解；一为里热证，非泻下难于为治。

这是民间流传的一则华佗小故事，核心思想是表达华佗的医术神妙，相同的表征用不同的处方给治好了，外人不明觉厉

华佗

图片来源百度百科

同样，表征相同，病理不同的事情在现代医学中太多了。病人描述的也不够清晰，导致一个简单的“肚子疼”，牵扯出了数十种病因。下图是丁香园整理的腹痛原因图，一般人估计都看晕了。

丁香园出图

我们在做数据分析的时候，看到GMV/销售额下降，跟“肚子疼”是一个意思。往大了说，企业内部的经营模式、目标人群，企业外部的市场情况、政策因素；往小了说，运营层面活动的规则、产品层面landing page及后续流程的设计，都会导致最终结果的下降。

面对腹痛如此复杂的病因，医学已经有非常成熟的解决方案，甚至已经有专门研究如何逐步确定病因的学科--《诊断学》。

但是遗憾的是，数据分析是商业行为，业内并没有统一的操作标准，应对如此复杂的情况。大抵是因为每个分析的商业主体太个性化导致的。

大家可以看看《诊断学》的教学内容，其中有症状学、病史采集、各种检查、临床诊断步骤和病历书写。

各位数据分析师们，有没有感觉似曾相似？是不是跟我们做数据分析非常相似？

症状学--业务理解

病史采集--数据采集

各种检查--各种指标、报表、临时SQL提数

临床诊断步骤--根因查找

病历书写--数据分析报告（不含方案和测算部分）

上图是我根据工作经验整理的数据分析4步法，其实跟《诊断学》教学内容非常相似，殊途同归。

第一次有此发现的时候，我非常兴奋，两个领域的知识相互印证，于是我也逐步开始研究医学是如何发现问题、探究问题、确认根因和解决问题的。

图片来源见水印

上图就是医学上诊断“肚子疼”的标准操作流程，确认一步，再进一步收集信息，再确认一步，再收集信息，逐步的逼近真相。这跟我们做数据分析是一样一样的。

当然，脑子非常灵活的人会立刻反应过来：现实情况比这复杂的多，往往是多种情况交织的，那应该如何处理？

医学上研究这种情况的分支叫《老年医学》，老年人通常会并发多种疾病。在《协和老年医学》中，对这种情况，制定的策略是“全人个体化、诊疗团队化”的原则，疾病的急性期以“痊愈”为目标，慢性期以“维稳”为目标，总体目标是维持患者的功能状态。得到上的薄世宁提了”第一张骨牌法则“，流传更广的叫”二八法则“。其实说的都是一个逻辑：即找到最关键的因素，遇到急性因素，应该先解决问题，长期因素，应该徐徐图之。

我在数据分析这个领域从业十多年了，涉及过2G、2B、2C的各个领域，从技术端的ETL数据处理、数仓建设、数据中台，到业务端的报表、多维分析，再往上的商业分析、商业模式均有涉猎。

数据分析师就像是企业的医生，对比医学，数据分析体系化和标准化还差的很远。我期望能够像《诊断学》一样，总结一套完整的从病症到根因的数据分析操作流程，帮助到大家，开箱即用。

这是我的一个小心愿，我将会朝着这个目标缓慢而坚定的迈进。我会持续创作，不断优化，期望能帮助大家，也希望得到各位的支持。