业务发展的过程大致可以分为4个阶段：
- 0-1：验证业务逻辑
- 1-2：验证业务模式的可复制性
- 2-80：快速增长、复制、裂变
- 80-100：精细化运营，寻找下一业务曲线
每个阶段的侧重点都会有所不同，数据分析要紧贴业务走，以业务为导向，确定关键指标，围绕关键指标梳理流程拆解指标构建指标体系。从指标体系入手，多维度上卷下钻去做探索性分析，结合分析方法和建模，深度挖掘数据隐藏的有价值的信息。
那么如何去搭建一套数据分析体系呢？
二、如何搭建数据分析体系1.背景在数据驱动的时代下，凭感觉、凭经验做决策的时代已经过去了，作为数据狗需要掌握一定的数据分析能力，从数据中查找问题，分析问题，解决问题。
2.为什么做数据分析？伴随数据驱动和精细化运营时代的到来，如何迭代产品功能？如何优化产品转化流程？如何根据用户画像做精准投放？面对这一系列问题，你会发现以前行之有效的手法，不再那么可靠，而基于客观的数据进行分析，可以更准确地辅助运营做出决策。
3.如何做数据分析？数据分析技能树：
数据分析技能树（仅供参考）
数据分析的流程：
数据分析流程图
- 明确分析目的和思路
- 选择分析的指标
- 收集相关的数据
- 进行数据的分析和统计
- 数据可视化展现
- 分析原因
- 给出解决方案或建议（报告撰写）
此处，是我个人总结出的数据分析7步法。网上大多是5步或者6步，缺了“选择指标“和”解决方案“。但是我觉得前期明确目的和思路后，选择指标很关键。什么是指标？指标就是衡量业务状况量化的标准。现代管理先驱德鲁克曾说过：如果你不能衡量它，你就没法很好地增长它。好的指标，诸如北极星指标可以指引公司长期发展的方向，所以一定要选择好适合的分析指标。其次，还有一个关键一步就是在你分析完得到结论后，一定要结合业务给出你的解决方案或是建议，这是数据分析师迈向高级的标志性举措，不能给出解决方案，就像空中楼阁没法落地，再好的分析技巧也是白搭，切记！
4.数据分析的目的1、现状分析 （描述性分析）
描述性统计分析要对调查总体所有变量的有关数据进行统计性描述，主要包括数据的频数分析、集中趋势分析、离散程度分析、分布以及一些基本的统计图形。通过描述性分析计算数据的集中性特征（平均值）和波动性特征(标准差值),以了解数据的基本情况。在数据分析中，一般第一步就是做EDA，掌握业务数据的基本情况，对比大盘，发现一些异常点，针对异常点再进行深入分析。
例如在Tableau案例【中国分析】中，大学招生成绩分布就是运用了描述性分析，可以很直观地发现一些离散的点，可以发现金融专业会吸引到一些总分高的优质学员，可以就此去分析招生吸引力和专业的关系等等。
常见的描述性分析指标：
