媒体也好，新闻也罢，似乎到处都充斥着有关数据分析的资讯。而由于大量媒体层面的关注，导致了很多人把数据当成了茶余饭后的谈资。在我看来，太多太多的人只是和数据分析这回事混个脸熟，都说很重视，很重要，但是大多只是过于表面化的浮躁。
有一个令我哭笑不得的案例，一个第三方推广优化工具，在自己的案例说明中，说某某店铺日超过千元销售额，对直通车非常熟悉，拥有自己的数据分析团队。我一看就乐了，一个日销售额不到万元的店铺，自己的生存与发展都是个大问题，更何况还要重金养着一个像样的数据分析团队，能有一个可以专注做数据分析的人就很不错了。可见很多人都是打着数据分析的幌子来提高自己的高度与说服力，但是大多经不起推敲。
这里面有3个问题，需要我们思考一下。
问题一：数据分析的深度
做个日常各类数据的报表看趋势，也可以叫做数据分析。看看直通车ROI然后调整下价格也可以叫做数据分析。所以有关数据分析的深度是个大问题。我很多SEO的朋友谈到数据，可以拉出一堆看起来很专业的报表，但是这些数字很多时候无法变成系统的决策支持。所以这样的数据分析应该叫做看数据。
更深一些开始涉及验证分析了，也就是找出一个观测点，进行一些列周边数据的联合分析，探求一些事情的相互影响参数，从而找出更接近本质的因果关系。例如一些少数店铺很系统的观察进店的流量的入口与全店整体营销的关系，这就涉及到分析流量的人群消费能力，重点关注类目，全店热卖品是否匹配主要流量类型等，这都是更具备实用性质的数据分析，但是进入到这个层次，对数据分析人员的要求就比较高了，至少懂一些数据库，因为要处理很多数据之间的关系，电子表格是原始的方法，而且有的时候无法实现一些功能。除了懂数据库，基本还要有一些编程能力，因为要对大量的数据反复的测试，并且形成流程化处理，以便长期通过数据受益。
更高一级的是全面而系统的数据分析体系，我们也可以理解为商业智能。到了这部分至少需要一个团队进行了，因为环节很多，对专业知识的要求也较高。但是如果没有大规模的商业需求，换句话说销售额不够几千万的时候不要碰这个，因为数据分析需要长期积累，优化，才能逐渐展示出强大的推动力。没有足够的重视程度和资金保障，完全不要追求假大空的面子工程。
问题二：数据分析的目的
数据有很多作用，但是用数据做什么，决定了数据的意义和处理难度。
有不少人用数据做监测，也就是大量的数据来看公司是否正常运转，是否有什么异常，这是一种类型，这个通常要求的是全面和连续，但是不会太多涉及到分析。
有些人有针对性的进行优化改进，这样做会更有意义一些，因为已经把数据当做工具来提升某些事物的程度了。数据在这个时候开始更大的发挥自身的潜力了，但是这需要很明确的规划了，不然很容易迷失在众多杂乱无序的数据中，找不到出口，得不到结果。
最好的是通过数据来预估未来的趋势，这是数据最迷人的地方，以史为鉴，判断未来。这种先人一步的行为是提高竞争力的杀手锏。例如监控淘宝某个类目的积极性变化所带来的流量巨大波动，减少库存压力，抓住最佳起点时间。还例如可以检测一部分核心竞争对手的全店数据来对整个细分行业做出准确的预测，例如更加同质化，还是更加细分化，整体价格走高。通过对手更新频率，流量转化，来预制对手的策略，从而知己知彼。
问题三：数据分析的系统化
如果只是停留在表格层面的数据分析，是无法长久的，因为数据越多，预测和分析才会越稳定和准确。这需要合理的规划数据的储存，这涉及到数据仓库概念等等，已经不是人人都可以聊的层面的，因为专业程度很高。同时数据分析也应该由前期的人为猜测性分析，变成流程化的自动分析，这样可以极大提高工作效率，并作为各个部门参考的数据依据，随时需要随时获得，不需要等待人工漫长的统计再分析。
数据化是一个巨大的浪潮，但是这浪潮就像泡沫一样，越来越大，越来越飘。我们需要沉下心来好好的思考数据分析的意义和方法，用慎重与谨慎态度去从事这个神秘而富有魅力的事。同时还要提高自身的专业化能力，例如对数学知识的提高，数据库的使用，编程开发能力等等，同时最重要的是，分析之前，要了解所分析的事物，才能做到有分析，有结论，有帮助。不然只是站在数字层面的分析，脱离行业尝试与规律，就很容易得到差之丝毫错之千里的结果。