这是真的。 我们先聊聊咱们平时工作到底在干什么。其实大部分人的工作，都可以总结为： 📍发现问题、定义问题、拆解问题和解决问题 你会发现不论业务多么复杂，但对于业务中的打工人来说，最基本的就是这4步。只不过对于初级同学，更多是老板们发现、定义和拆解，甚至出解决方案，而我们只负责落地执行，越往后走，需要承担的工作越多越复杂，甚至做到更高层级，只负责发现问题，发现有价值的问题，对最值得解决的问题作出界定。 （扯远了，就给我发这么点儿money，还轮不到我拯救世界🐶） 那么回到实际工作中，到底怎么完成这4步呢。最好用的手段之一，就是数据分析。所以这就引出了数据分析到底在干什么： 1️⃣设计核心指标体系发现和定义问题。 一套完整的指标体系就是业务健康与否的量化工具。大到一个全新的app（比如），中到一个app内新的功能模块（比如直播），小到一个功能模块内的细微功能优化（比如优化直播间某个按钮），都需要有对应的指标来立体衡量好坏 2️⃣进行指标异动排查解决问题。 这已经在拆解和解决问题了。不论是不是数据分析，你总要面对业务运转中可能出现的各种异常，然后结合外部环境和业务动作等来挖掘异常变化的驱动因素并提供解决方案 3️⃣发起分析专项优化业务解决影响更大的问题 这项工作就相对“高级”了，基于已经发现且被定义清楚的问题，构建分析框架，形成解题思路，完成策略输出，支撑业务动作落地，这活儿DA要做，PM和运营一样要做 4️⃣设计AB实验并分析实验结果，从而验证解决方案的有效性 总要有标准判断我们是不是真的解决了问题，AB实验就是标准之一。大家千万不要小瞧AB实验的设计和分析，一个实验设计的是否合理直接决定了实验结论的置信与否，也直接决定了是否可以让某个功能顺利地上线；而对于AB实验结果的严谨分析，能够直接决定新功能如何全量（比如实验只在某部分人群有显著性结果）以及后续如何优化 所以说到底，我们抛开岗位的限定，回到工作本身，每个人都被要求解决某些问题，而解决问题也无非是那些步骤。数据，是我们最好用的工具之一，数据分析，是最有效的手段之一。千万别觉得只有数据分析师在搞数据，其实不经意间，人人都在做“数据分析师”