1、目標思維定義
目標思維是指，在進行數據分析時，需要明確分析的目標，將目標作為核心驅動思考和行動，以便更加有效地開展數據分析工作。
2、沒有目標思維的數據新人慘狀
- 取得數沒有什麼用
- 取更多的數
- 沒時間接觸業務
- 淪為取數機器
3、數據分析目標思維步驟
a、確定業務目標：在進行數據分析前，需要明確業務目標和問題，以幫助確定數據分析的方向和重點。
- 與業務部門溝通：與業務部門進行溝通，了解業務的需求和目標，以便確定數據分析的方向和重點。
- 參考公司戰略和目標：參考公司的戰略和目標，確定數據分析需要實現的業務目標和指標，以便與公司的總體發展方向相一致。
- 進行市場調研：對市場進行調研，了解行業的發展趨勢和競爭情況，以便確定數據分析需要關注的重點和方向。
- 制定KPI指標：制定關鍵績效指標(KPI)，以衡量業務目標的實現情況，從而確定數據分析的方向和重點。
- 進行數據探索：通過對數據進行探索性分析，了解數據中存在的問題和機會，以便確定數據分析的方向和重點。
- 綜上所述，確定業務目標需要綜合考慮公司戰略、市場需求、業務部門的需求和數據情況，以便確定數據分析的方向和重點，並實現業務目標和價值。
b、確定關鍵指標：為了實現業務目標，需要確定關鍵指標，即那些能夠幫助實現業務目標的關鍵數據指標，以便進行數據收集和分析。
- 確定業務指標有一個基本模型：osm模型
Obejective，業務目標。用戶使用產品的目標是什麼？產品滿足了用戶的什麼需求？
Strategy，業務策略。為了達成上述目標我採取的策略是什麼？
Measurement，業務度量。這些策略隨之帶來的數據指標變化有哪些？
- 與業務部門溝通：與業務部門進行溝通，了解業務的需求和目標，以便確定數據分析的方向和重點，並確定關鍵指標。
- 進行數據探索確定指標：通過對數據進行探索性分析，了解數據中存在的問題和機會，以便確定關鍵指標。
- 參考行業標準：參考行業標準和同行業公司的指標，以便確定關鍵指標。
- 重點關注核心指標：重點關注與業務目標相關的核心指標，以實現業務目標和價值。
c、收集和整理數據：根據業務目標和關鍵指標，需要收集和整理相應的數據，以便進行數據分析。
- 了解數據來源：了解數據來源和數據類型，以便選擇合適的數據收集和整理方法。
- 使用數據採集工具：使用數據採集工具，如爬蟲、API等，收集數據，並將數據存儲在資料庫或文件中。
- 數據清洗和預處理：對收集到的數據進行清洗和預處理，包括去重、填充缺失值、處理異常值、格式轉換等，以便進行後續的數據分析。
- 數據整合和合併：將多個數據源的數據整合和合併，以便進行綜合分析和挖掘
- 數據可視化：通過數據可視化工具，如Tableau、Power BI等，對數據進行可視化，以便更好地理解和分析數據。
- 數據存檔和備份：對整理好的數據進行存檔和備份，以便後續的數據分析和使用。綜上所述，收集和整理數據需要綜合考慮數據來源、數據類型、數據採集工具、數據清洗和預處理、數據整合和合併、數據可視化等多方面的因素，以便進行數據分析，並保證數據的質量和可靠性。
d、分析數據：通過使用各種分析工具和技術，對收集到的數據進行分析，以發現數據中蘊含的信息和規律。
- 需求現狀：
分析師，能不能用漏斗分析幫我看一下這次的活動效果怎麼樣？
分析師，能不能做一個用戶畫像，看看我們的用戶都是什麼群體？
分析師，能不能對比一下xxx和xxx
- 針對現狀，第一反應就要問對方分析的目的是什麼，因為業務方想要的數據，不一定真的是他想要的，也許業務方想要看看活動的效果如何，但是他只知道漏斗分析，內心把漏斗分析和活動分析等價了。
- 根據以往促銷活動的數據分析經歷，漏斗分析只能得到最基礎的轉化數據。還可以進行來源分析，路徑分析，用戶分析等等多種方式。
e、解讀分析結果：對分析結果進行解讀和理解，以發現數據背後的故事，並基於分析結果提出相關建議和解決方案。
- 理解分析模型和方法：理解所使用的分析模型和方法，包括其原理、假設、參數等，以便正確地解釋分析結果。
- 分析指標和趨勢：分析關鍵指標和趨勢，包括增長率、變化趨勢、波動情況等，以便了解數據的變化情況和趨勢。
- 比較和對比：對比不同時間段、不同地區、不同產品等數據，以便發現差異和規律，從而提出改進和優化的建議。
- 分析原因和影響：分析分析結果的原因和影響，包括內部和外部因素，以便確定改進和優化的方向。
- 利用數據可視化工具：利用數據可視化工具，如圖表、報表、儀錶盤等，將分析結果可視化，以便更好地表達和傳遞分析結果。綜上所述，解讀分析結果需要綜合考慮分析模型和方法、關鍵指標和趨勢、比較和對比、原因和影響、數據可視化等多方面的因素，以便得出正確的結論，並提出改進和優化的建議。
f、確認成果：在解決業務問題或實現業務目標後，需要對數據分析的成果進行確認和評估，以保證數據分析的價值和意義。
- 數據分析報告：通過撰寫數據分析報告，將分析結果、分析方法、分析結論進行詳細闡述，以便其他人能夠理解和復現。
- 數據可視化：通過圖表、圖形等可視化方式，將分析結果呈現出來，從而更加直觀地展現分析成果。
- 模型評估：如果採用了模型進行數據分析，可以通過模型評估來確認分析成果的準確性和可靠性。
- 實驗驗證：如果分析成果可以轉化為實際行動，可以通過實驗驗證來確認分析成果的有效性。
- 反饋和改進：通過與相關人員溝通和反饋，了解分析成果的實際應用情況和效果，並根據反饋進行改進。
4、案例
在一家電商公司中，銷售額下降，需要進行數據分析以找出原因並提出解決方案。針對這一問題，可以採用數據分析目標思維進行分析。具體而言，可以採取以下步驟：
- 確定分析目標：明確分析的目標是為了找出銷售額下降的原因，並提出解決方案。
- 收集數據：從公司內部的銷售系統中收集有關銷售額、訂單量、用戶數量等數據，並整理數據，確保數據的質量和可靠性。
- 設計分析方法：根據分析目標，可以採用數據可視化、趨勢分析、用戶調查等方法，以便在數據分析中更加有效地發現問題和解決問題。
- 進行數據分析：根據設計的分析方法，對數據進行分析。通過對銷售額、訂單量等數據的分析，發現銷售額下降是由於訂單量的下降導致的。
- 呈現分析結果：將分析結果通過圖表、可視化等方式呈現出來，以便更加直觀地展示分析成果。例如，可以使用折線圖或柱狀圖來展示銷售額和訂單量的趨勢變化。
- 評估和改進：根據分析結果進行評估和改進，調整分析方法和策略，以便更加有效地實現分析目標。例如，可以通過改善網站設計、增加促銷活動等方式來提高訂單量，從而提高銷售額。
綜上所述，通過採用數據分析目標思維，可以更加有效地發現問題、解決問題，提高分析的準確性和有效性。
5、總結
很多數據分析新人經常會出現沒有目標思維的情況。經常拿到需求就埋頭苦幹，然後找到一個點就開始深挖細節，忘了最初要的是什麼。
一部分原因是不太懂業務邏輯，不了解業務是怎麼運轉的，自然也就無法找出數據對於業務的意義。
另外一部分原因是沒有提升自己的職業化水平，不知道目標思維是職場人的必備技能。
在職場中，目標思維是最基礎的底層能力之一，幾乎所有的工作都需要目標思維。