今天我們要談的，不是數據分析師都會的硬技能，而是能揭開數據分析師的照妖鏡。舉凡來說，所有數據分析師必備以及最會的技能，應該就是SQL，撈數查數一把抓，每天都得select個幾百遍。
第二工具應該是EXCEL，但據我觀察，真的會孰悉且知道怎麼正確EXCEL的人似乎沒有想像中的多，大家都把EXCEL當作貼數及處理報告素材的表格使用。但EXCEL最強大的功能是你得把它當成試算表使用，所以EXCEL用來作互動式的估算工具其實很好用。舉例：下個月公司的廣告投放預算應該要怎麼分配？不會用的人要花兩三天甚至一個禮拜拼拼湊湊各種數據，並逐一計算。會用的人只需把類別、項目值、及參數規劃好，利用函數設計，預算規劃分分秒秒都能算出且進行調整。
還有很多工具，因應工作內容與團隊的不同，經常會使用到的工具如：Python、R、Power BI、FINE BI、Tableau等，或者很多互聯網公司都能自己建立常用分析場景的工具，所有要跑的檢測都是一鍵完成。但是有了這麼多工具，或者說會用這麼多工具，是不是就代表你是一位優秀的數據分析師？
我認為分析師的核心價值在於能進行多維度的思考，並藉由大數據的處理來設計與驗證思考的正確性，這種能力（經驗）才是有價值的。而我發現一個方法，可以快速地辨認我的哪個分析師程度較高，哪個程度不行，不需要寫分析報告就能判斷。這個方法就是：
請交個業務分析流程圖給我
很多人很會寫代碼，撈數速度一流，但當你要他畫個流程圖給你的時候，他可能兩三天都畫不出來，或者畫了一個看似是圖，但只是把文字套上框框，用箭頭一個指向一個而已。
我剖析下，為什麼畫流程圖很困難。因為人們通常知道要怎麼做一件事（線性思維），但不知道該怎麼系統性地思考一件事的開始與結束之間會發生哪些情境並予以處理（網狀思維）。能否有多情境的思考能力，並化繁為簡，的確很深地涉及到個人經驗（當你工作經驗越多，理當要更有方法論，不是球來就打），以及對方法論的提煉（思考一個現象的深度與廣度）。
就像寫程式的工程師一樣，通常花較多時間在處理的不是那些正常操作情境下，用戶的下一步要怎麼處理。絕大多數比較花時間的是，設想當用戶不正常操作的時候，下一步應該怎麼處理，也就是try and error senario1,2,3。
我整理以下幾點，讓大家未來畫流程圖的時候可以參考：
- 流程圖是否有明確的開始與結束點，絕對會有唯一的個開始點與最後唯一的結束點。我之所以這麼強調唯一的原因是，我碰過太多案例跟我說，什麼時候開始都可以，也能什麼時候都能結束。結果流程圖畫出來就是一線到底，然後每條線（場景）各自獨立，彼此之間找不到聯繫的關係。
- 每個節點，用戶是否有機會走另一個選擇（不要一條直線走到底）。這呼應第一點，你必須思考用戶有哪些下一步能選，應該在哪些環節設計按鈕與用戶互動，藉此蒐集用戶的使用行為（決策過程），讓用戶此次行為能產出一個用戶的使用評估。
- 在明確的業務主軸之外，哪些情境屬於關鍵情境，其用戶行為流向是否有合理的閉環設計。舉例，用戶要求退費之後，你最後的處理結果不應該僅是退還用戶款項。應該是退還用戶款項之後，用戶狀態如何紀錄，並如何繼續製造能與客戶維持關係的場景。想辦法讓用戶未來還能上門使用我們的服務，不應該用一次不愉快的經驗結束關係，反倒是要積極處理，讓口碑外傳。
- 是否有正確使用流程圖的圖形規則（請去谷歌一下，不要方框一路到底）。很多人的流程圖那真心是只是一堆烤串串在一起，而且線條還九彎十八拐。請學習如何規劃版面，多用不一樣個區塊、顏色、粗細、字體、圖示等幫你的流程圖看起來更專業。這不只會提升專業形象，還能讓看圖的人一目瞭然，不然當你主管看到一處有問題的時候，那很多問題就會開始展開了。
- 最後，既然是業務分析流程圖，你必須事先思考在每個環節，客戶會有什麼操作，會留下哪些足跡（埋點）。在這些場景之下，你可以展開哪些分析主題（關鍵指標是否在這，舉例轉化率、留存率、續費率、看播數等），分析鍊路之間是否有邏輯關係，以及每種分析場景大概多久進行一次數據迭代（用最少的成本抓到真正的數據轉折）；以及在每個分析環節上對應到公司的負責部門是誰？如何與其部門KPI考核掛勾？這一連串的流程設計，才能讓你的分析呈現出點線面的威力。
當你的業務分析圖包含以上幾點時，我想離一個完整的數據分析架構已經不遠了。沒有一套分析架構可以套用所有場景，但你得學習思考，如何抓到核心要點的分析思維。
