先從問(wèn)題本身來(lái)回答一下，培養(yǎng)數(shù)據(jù)分析的能力，簡(jiǎn)單說(shuō)就是? 理論+實(shí)踐 理論：是進(jìn)行分析的基礎(chǔ)1）基礎(chǔ)的數(shù)據(jù)分析知識(shí)，至少知道如何做趨勢(shì)分析、比較分析和細(xì)分，不然拿到一份數(shù)據(jù)就無(wú)從下手；2）基礎(chǔ)的統(tǒng)計(jì)學(xué)知識(shí)，至少基礎(chǔ)的統(tǒng)計(jì)量要認(rèn)識(shí)，知道這些統(tǒng)計(jì)量的定義和適用條件，統(tǒng)計(jì)學(xué)方法可以讓分析過(guò)程更加嚴(yán)謹(jǐn)，結(jié)論更有說(shuō)服力；3）對(duì)數(shù)據(jù)的興趣，以及其它的知識(shí)多多益善，讓分析過(guò)程有趣起來(lái)。實(shí)踐：可以說(shuō)90%的分析能力都是靠實(shí)踐培養(yǎng)的1）明確分析的目的。如果分析前沒(méi)有明確分析的最終目標(biāo)，很容易被數(shù)據(jù)繞進(jìn)去，最終自己都不知道自己得出的結(jié)論到底是用來(lái)干嘛的；2）多結(jié)合業(yè)務(wù)去看數(shù)據(jù)。數(shù)據(jù)從業(yè)務(wù)運(yùn)營(yíng)中來(lái)，分析當(dāng)然要回歸到業(yè)務(wù)中去，多熟悉了解業(yè)務(wù)可以使數(shù)據(jù)看起來(lái)更加透徹；3）了解數(shù)據(jù)的定義和獲取。最好從數(shù)據(jù)最初是怎么獲取的開始了解，當(dāng)然指標(biāo)的統(tǒng)計(jì)邏輯和規(guī)則是必須熟記于心的，不然很容易就被數(shù)據(jù)給坑了；4）最后就是不斷地看數(shù)據(jù)、分析數(shù)據(jù)，這是個(gè)必經(jīng)的過(guò)程，往往一個(gè)工作經(jīng)驗(yàn)豐富的非數(shù)據(jù)分析的運(yùn)營(yíng)人員要比剛進(jìn)來(lái)不久的數(shù)據(jù)分析師對(duì)數(shù)據(jù)的了解要深入得多，就是這個(gè)原因。

這是一個(gè)相當(dāng)寬泛的問(wèn)題，人們對(duì)于數(shù)據(jù)分析的看法往往會(huì)隨著所處環(huán)境的差異而發(fā)生變化。比如說(shuō)，人們通常并不會(huì)期望高級(jí)管理者親自清理數(shù)據(jù)，優(yōu)化和檢驗(yàn)?zāi)Ｐ汀５牵?dāng)他們手握分析師整理好的報(bào)告時(shí)，閱讀和理解圖表的能力是不可或缺的，如果能夠從蛛絲馬跡中發(fā)現(xiàn)潛在的問(wèn)題則更好。這是否也可看作一種數(shù)據(jù)分析的能力呢？在學(xué)校里，學(xué)生提交的作業(yè)中可以對(duì)同一個(gè)項(xiàng)目有各種不同結(jié)論，老師的評(píng)價(jià)標(biāo)準(zhǔn)也許涵蓋了從寫作規(guī)范到方法科學(xué)性的很多方面。但對(duì)公司來(lái)說(shuō)，結(jié)果是最主要的衡量標(biāo)準(zhǔn)。即使是一個(gè)以擲骰子制定策略的團(tuán)隊(duì)，如果常常能夠獲得成功，那么他們同樣會(huì)有很高的KPI。不難設(shè)想，如果把數(shù)據(jù)分析的任務(wù)結(jié)合到業(yè)務(wù)里具體的場(chǎng)景，那么這個(gè)任務(wù)的成敗將不是一個(gè)單純的技術(shù)問(wèn)題，比如：能不能做好各部門的協(xié)調(diào)溝通，得到所需要的數(shù)據(jù)，就是第一個(gè)挑戰(zhàn)。即使有了數(shù)據(jù)，也要看質(zhì)量好壞。在行業(yè)里一句諺語(yǔ)叫Garbage in, garbage out，好數(shù)據(jù)+簡(jiǎn)單模型通常遠(yuǎn)勝于壞數(shù)據(jù)+精妙模型。為了避免大而無(wú)當(dāng)?shù)挠懻摚谶@里，我們不妨把問(wèn)題限定的更狹窄一些。那就是，如果將數(shù)據(jù)分析看作一項(xiàng)獨(dú)立的工作，應(yīng)該怎樣改善工作的質(zhì)量。

這可以從兩個(gè)方面來(lái)分析，一個(gè)是思維模式，一個(gè)是方法論。

一、思維模式層面基于數(shù)據(jù)來(lái)進(jìn)行決策，也即Data Driven，是一種思維模式。比如說(shuō)，當(dāng)你想要在一條街上選擇某家飯館吃飯時(shí)，你可以詢問(wèn)朋友推薦哪一家，也可以打開某個(gè)點(diǎn)評(píng)類的App（比如Yelp）來(lái)比較用戶的打分。粗略地說(shuō)，前者可以說(shuō)是基于專家系統(tǒng)的決策方式，而后者則是基于數(shù)據(jù)的思維模式。開展數(shù)據(jù)分析的工作，從最原初的動(dòng)機(jī)來(lái)說(shuō)，一定是源于這種思維模式。僅從前面的例子來(lái)看，我們很難斷定，查看評(píng)分就一定比求教朋友更加靠譜。朋友也許更加了解你的口味，而基于打分則需要警惕數(shù)據(jù)的不可靠性（比如水軍）。因此，從一般的角度來(lái)講，基于數(shù)據(jù)的思維模式，本身并不具有天然的優(yōu)越性。路邊小飯館的老板即使不做數(shù)據(jù)挖掘，也能大致估計(jì)什么時(shí)候顧客多，什么時(shí)候顧客少。對(duì)于絕大多數(shù)普通人來(lái)講，我們?cè)谏钪兴龅臎Q策，也未必都是基于數(shù)據(jù)的，比如人與人之間的情感。當(dāng)我們認(rèn)識(shí)到這一點(diǎn)的時(shí)候，就會(huì)發(fā)現(xiàn)，用數(shù)據(jù)來(lái)說(shuō)話，未必是人類的天性，而是一種需要后天訓(xùn)練和培養(yǎng)的習(xí)慣。怎樣在適當(dāng)?shù)膱?chǎng)景下主動(dòng)地選擇這樣的一種方法，是一種需要學(xué)習(xí)的能力。創(chuàng)造性的在新場(chǎng)景中利用數(shù)據(jù)分析，則有可能構(gòu)建一個(gè)新的體系，比如現(xiàn)代的計(jì)量歷史學(xué)。思維模式看起來(lái)是很玄奧的一個(gè)概念，然而數(shù)據(jù)分析所依賴的基礎(chǔ)學(xué)科，概率論與數(shù)理統(tǒng)計(jì)，本身就具有這樣的玄奧性（猶如量子力學(xué)）。筆者在讀書時(shí)曾聽一位有名的統(tǒng)計(jì)學(xué)家開玩笑說(shuō)，統(tǒng)計(jì)學(xué)是一種神學(xué)，或曰信仰，彼時(shí)還不以為然。但多年后筆者在給本科生講統(tǒng)計(jì)入門課程的時(shí)候，首先告訴學(xué)生的就是概率論學(xué)者Bruno de Finetti的名言：“Probability Does Not Exist.” 概率論領(lǐng)域眾所周知的兩大學(xué)派之爭(zhēng)：頻率學(xué)派 vs. 貝葉斯學(xué)派，如果從根源來(lái)考察，恰好對(duì)應(yīng)于啟蒙時(shí)期的大陸理性主義和英國(guó)經(jīng)驗(yàn)主義——再往上大概就得到柏拉圖和亞里士多德。很多細(xì)枝末節(jié)的分歧，高度抽象后都可以解釋為思維模式的差異。對(duì)于各位有志于從事數(shù)據(jù)分析的同學(xué)來(lái)說(shuō)，不妨常常思考這些根本性的概念，正如在游戲《異域鎮(zhèn)魂曲》中的那個(gè)著名問(wèn)題：“WHAT CAN CHANGE THE NATURE OF A MAN?”

二、方法論層面從方法論的角度來(lái)說(shuō)，數(shù)據(jù)分析的能力可以從字面上分為數(shù)據(jù)與分析兩部分。有人估計(jì)，在數(shù)據(jù)分析師的工作中，前期的數(shù)據(jù)清理工作就可能占據(jù)70%的時(shí)間。這未必是一個(gè)很理想的狀況，但這也是一個(gè)現(xiàn)實(shí)的狀況。尤其在互聯(lián)網(wǎng)公司中，管理者往往期待數(shù)據(jù)方面的人員能夠提供一攬子解決方案，猶如大家常說(shuō)的“全棧工程師”。對(duì)于長(zhǎng)期從事數(shù)據(jù)分析工作的人員來(lái)說(shuō)，一些基本的能力也是在不斷的實(shí)踐中自然積累的，正如一個(gè)老司機(jī)通常總會(huì)有點(diǎn)修車的經(jīng)驗(yàn)。數(shù)據(jù)的質(zhì)量檢驗(yàn)，比如缺失值和異常值的處理，現(xiàn)在都已經(jīng)有大量的方法和現(xiàn)成的軟件包以供使用。

從惟結(jié)果論的角度來(lái)說(shuō)，即使一個(gè)人完全不知道什么Missing at random或Missing at complete random，跑跑程序總是容易學(xué)會(huì)的。評(píng)估結(jié)果，大致也有現(xiàn)成的標(biāo)準(zhǔn)。但是筆者仍然希望提示一點(diǎn)，那就是技術(shù)要基于實(shí)際場(chǎng)景。比如在資源有限的情況下，采用基于模型和蒙特卡洛模擬的方式來(lái)進(jìn)行缺失值填補(bǔ)是否值得，是需要思考的問(wèn)題。從輸入到輸出的過(guò)程，在統(tǒng)計(jì)學(xué)人們常稱之為模型，在機(jī)器學(xué)習(xí)領(lǐng)域人們常稱之為算法。模型這個(gè)概念隱含了“模型假設(shè)”這一內(nèi)涵。所有學(xué)過(guò)基本的線性回歸的同學(xué)都知道，做完之后要進(jìn)行各種檢驗(yàn)，看看模型假設(shè)是否滿足。有一些模型對(duì)于假設(shè)的依賴性較弱，也即數(shù)據(jù)不完全滿足假設(shè)的情形下結(jié)果依然可控，這通常被稱之為穩(wěn)健性模型。而對(duì)于分布不做假設(shè)（如正態(tài)分布）的模型則通常稱為非參數(shù)模型。比較模型擬合與實(shí)際情況差異時(shí)，統(tǒng)計(jì)學(xué)家常常會(huì)使用方差+偏差（二者不可得兼）作為整體的衡量標(biāo)準(zhǔn)。這套思維模式，對(duì)于機(jī)器學(xué)習(xí)的用戶而言過(guò)于理想化。機(jī)器學(xué)習(xí)中常見的思維模式就是把一切問(wèn)題歸結(jié)到優(yōu)化，優(yōu)化的目標(biāo)是損失函數(shù)最小，而衡量的方法則包括交叉驗(yàn)證（Cross Validation）等強(qiáng)調(diào)預(yù)測(cè)能力的手段。

機(jī)器學(xué)習(xí)用戶對(duì)于諸如p-value，asymptotic（漸進(jìn)性）這樣的概念，正如貝葉斯學(xué)派一樣，通常不以為然。同樣的一個(gè)東西，比如Logistic 回歸，有人認(rèn)為是最小化損失函數(shù)，有人認(rèn)為是求最大似然估計(jì)，有人則認(rèn)為要研究posterior sample，這些都很正常。因?yàn)榻逃凸ぷ鞅尘暗牟煌藗儗?duì)于數(shù)據(jù)分析往往會(huì)有自己的一套方法論，一種方法論只要能夠滿足實(shí)際工作的需求，就應(yīng)該得到正視。至于具體的技術(shù)，諸如支持向量機(jī)，決策樹，深度神經(jīng)網(wǎng)絡(luò)，網(wǎng)上的文獻(xiàn)汗牛充棟，筆者就不再一一列舉了。

對(duì)于數(shù)據(jù)分析的結(jié)果，不同角色的人會(huì)期待不同的展示方式。如果老板只有一分鐘的時(shí)間看你的結(jié)論，那么最好不要把事情說(shuō)得過(guò)于復(fù)雜。數(shù)據(jù)分析本身并不具有生產(chǎn)力，只有落實(shí)到具體的業(yè)務(wù)才有可能創(chuàng)造改變。怎樣能夠推動(dòng)整個(gè)流程，最終讓數(shù)據(jù)分析具有真正的價(jià)值，是一個(gè)復(fù)雜的問(wèn)題，已經(jīng)超出了本文的范圍。