对业务部门来说，数据分析部门的人。应该是数据挖掘、建立模型，这才是数据分析师价值的体现。例如：通过建模型，来预测未来的趋势。通过聚类，告诉业务部门的客户有几类、每类有什么特征、客户的忠诚度如何。

    但是这是不是存在一个共性，好像只有在解决某个主题的时候，而这个主题只有通过模型的时候业务方才会想到数据分析师，数据分析人员的作用才体现出来。当然，很多公司数据分析人员还承担着从数据库存提取数据的，进行简单统计、计算的过程这是不是就是数据分析人员的全部价值。

   常听到这样后句话，通过数据分析来辅助商业决策（对于商业决策不同的人也不同理解，小到日常运营、大到战略制定其实我的理解都说商业决策。）。辅助商业决策如何现呢？光看几个指标就可以了吗？指标之间有关系如何？针对某个具体决策应该看哪些指标？如何解读这些指标体现出来的值？

    例如：对业务人员来说，往往会关注某个指标（一般是他的KPI）。比如，最近我的运营成果如何?我的市场营销活动如何？ 一般会问，带来多少新会员？增加了多少交易量。 许多时候，运营人员只会要这些一些简单的数据。请注意，这些数据是事实已经发生情况下得到的。

      看完某个指标，有人的就得出结论，运营效果不好，因为没有达到预期设定的值。有的也许会进一步问，为什么失败？下一次可以改进在哪些地方？　

 　但是为什么在进行这些事情的过程中，不进行监测呢？（事中进行。）便于及时作出反应，便于你从数据中发现问题，及时做出调整或者其它方面的决策，从而不断持续优化这次活动效果。

　当然最好的是，（事前）这很多时候会体现在市场调研，当然内部数据一样可以提供给你很多信息，便于你事前进行更好的决策，降低决策风险。（学过信息学，你知道，未来都是有风险的，而你能做出最好的决策，就是站在决策点上你拥有完全可以用的信息。　　　

  如何去持续的优化你的策略性的东西， 回答这些问题的根本是在于构建相应的指标体系？

第一：指标的针对性；

第二：指标的准确性；

第三：指标的完整性；

第四：指标的时效性；

第五：指标的层次性；

　指标你能想到的也许是仪表盘，什么是仪表盘，就像你驾驶汽车的油表一样，他能及时告诉你，是不是需要加油。但是油表不能告诉你，你的油是怎么消耗，消耗在哪？你的这种类型的油这次跑了几公里？你上次另外一个类型的油你跑了几公里？你走过怎么样的路？如果你走什么类型的路，你应该加什么类型的油最好，结果是最省的？

  这通过构建指标体系你完全可能得到答案，记得医生看病的例子吗？

病人：医生我感冒了。

医生：看一下病人的一些特征。然后叫其去做各种化验。

   如何去构建一个相对来比较符合上述标准的体系的呢？yes we can! But how we can?Now ,it’s the answer!

1、  明确你的指标体系为谁构建？以后谁会去看这些指标？他们分别看指标体系的哪些部门（这个问题可以放在后面。）

2、  他们关注什么问题。千万不要想当然，去和你之前的对象沟通。建议你沟通二次以上，第一次：了解他们的需求，也许他们也不很清楚。在完成后，你要把他们的需求转化为对应数据指标，可以反应他们的需求，并给出相应指标的大概定义，也许这时候你不一定要放入时间维。第二次：把你的结果反馈给他们，让你指标服务的对象来检验、确证是否是他们现在想要的。如果当场不能决策，再修改吧。这一定是一个迭代过程，你要做到最优，就迭代吧？运筹学的解决方法之一。

3、  明确每个指标的具体定义，统计口径，要反应的问题。——请记住永远围绕业务目标来进行了。

4、  发布指标了，你可以自己写SQL，有些指标你可以要通过模型跑出来，但是大多数是指标是不需要。应该和数据仓库去讨论，相应指标的开发了。

5、  指标上线了。有指标了，很多人都可以当医生。