不论做什么职位，数据在职场中无处不在。在工作中，我和很多不同风格的数据团队打过交道，待过数据建设在不同阶段的公司。个人认为，数据服务于公司运营，有以下5个不断进阶的层次。

准确

是的，准确。很多人可能觉得，什么，这不是很简单嘛，还能算要求？其实不然，例如，在传统的B2B2C的行业，如何追踪你的商品通过经销商卖出到门店的销量？哪怕在现在，也有相当数量的企业是无法准确追踪的，这背后，是一个“渠道管理”的重大命题。而在互联网行业，以电商为例，GMV（销售额）可以有按支付订单口径的GMV、剔除未支付订单的GMV、剔除未支付订单和退货的GMV、剔除优惠券、补贴的GMV等等。

准确的口径，对传统行业而言，是如何通过渠道管理将相对正确的数据记录在系统里。

而对于互联网电商行业，是从众多口径里，选择一个能反映业务真实运营状况和健康度的指标。

分析

数据准确其实是个一维指标，反映某个信息，然而这个准确的数据为什么是现在这个情况？这个准确的数据到底是好，还是不好呢？

这个时候，就需要做多维的数据对比，环比、同比、AB对照组对比看好坏；下钻、上卷找原因。这个就是数据分析了。分析往往是基于已有的数据进行梳理和拆解，典型的就是从一个目标数据通过公式拆成一个个因子，通过各个因子的变量分析对数据结果作出解释。

洞察

分析能帮忙识别趋势和变化，但洞察却需要基于对业务的深刻理解一针见血的指出问题。与分析不同，数据洞察需要结合业务场景，作出判断性的结论。比较知名的零售行业的例子，是啤酒和纸尿裤的案例，观测到啤酒和纸尿裤的销量数据有相关性，这叫分析；指出因为啤酒的主要消费群体是奶爸，承担了家庭购物的责任，导致相关性很高，这叫洞察。看到居民存款金额在上涨、贷款在减少、房地产成交放量，这叫分析；指出成交房产是刚需人群在房价下行下的需求释放，卖方拿了钱没有扩张债务而是选择存款，判断房地产市场仍在震荡下行周期，这叫洞察。

洞察一定是简单的，有清晰的观点和判断的。如果一句话讲不清楚，那就不是洞察。

预测

有了分析和洞察，能否基于这些对业务的发展做出预测是评估数据能力的关键一环，也是能否从执行视角上升到策略视角的关键。数据一定是服务于业务判断和策略制定的，数据，能否指出一个清晰的业务发展方向？

呈现

最后一个往往是非常容易被忽略的，也是为什么会有数据同学抱怨领导不懂业务的原因之一。数据分析的过程往往是复杂的，在做出洞察、预测的过程中，需要做出很多的假设，用很多个维度进行思考之后才能有比较清晰的结论。尤其是有些情况，显著性不是特别明显的情况下，数据往往力求全面，把所有的分析结论一股脑儿堆上去。这在数据工作中，其实犯了大忌。

数据工作的目的一定是推动业务的发展的，辅助业务判断。因此在呈现数据的时候，一定要考虑目标受众、考虑自己希望达成的目标。对不同风格的受众，在呈现上做差异化。有的老板不喜欢看数据逻辑，喜欢感性的结论，那就不要去做数据逻辑的长篇大论；有的老板重视逻辑，那就呈现数据分析的框架。前者更偏视觉化的呈现、后者偏文本型的层次罗列。