在数据分析过程中，会遇到各种瓶颈，除去自身技能，分析的内容本身还有很多讲究，你的很多分析反映不出实质，解决不了问题，往往是缺少以下四种提升。
深度是指数据分析对企业的支持程度，当企业面临决策难题时，数据分析要有深度，需要理清楚这三个问题：企业的现状和问题是什么？问题为什么会产生？该怎么解决？
比如某数据分析师做得满意度分析
这样的分析远远不够，虽然通过分析，利用“满意度”来衡量出了各关键指标的大小，但是这样的分析并没有暴露提出哪些指标需要改进，也没有分析和竞争对手相比，满意度水平处在什么地位。
于是，将这样的满意度分析通过象限图展示，增加了重要性维度，就能很明显看出需要改进的地方。
接下来与竞争对手相比，处于水平，可以再增加一系列，可得出结论A的整体表现优于B，但在品类和宣传方面需要改进。
之后可以再细化，从数据上寻找是哪个细化指标的表现使宣传满意度最低。宣传覆盖面和宣传频率，所以接下来就要着手这两方面的问题解决了。
信度是指分析结果的可靠程度，需要满足对比要可比、差异要显著、描述要全面。
比如A国与B国交战时期，A国军员的死亡率是9%，居民死亡率是16%，后来征兵是就以这些数据来证明参军更安全，显然不可靠。因为这两个数字的计算基数是不同的，韩军死亡率的基数是身强力壮的军人，而居民死亡率的基数包括了老弱病残者。
尤其是企业在利用大数据做精细化分析时，往往要用数据来理解不同指标的差异。那么数据差异多大才能表明不同用户间崔在差异呢？
能否根据满意度的排序就断定低收入者对商场最满意，高收入者最不满意，显然不行，收入这一因素并没有做对照分析，应该列出同一收入水平，其他因素对满意度的影响。
最有代表性的例子就是全国平均水平，平均工资只能反映工资的平均水平，并不能刻画工资水平的差异，平均工资的增长并不能以为着每个人真是收入的增长。
效度是指分析的效率，效率的衡量标准有两个：速度和成本，这方面，社交网络分析更效度。
传染病分析的传统方法是国家疾病控制中心从医生、实验室那里收集数据分析疾病的流行性和发病率。当不同的病人在不同地方被诊断时，所有数据经过一定的延迟后，都送到一个中心数据库。几个星期之后，你才会知道你身边的传染病还在什么地方发生了。
这样的分析显然是滞后和无效的。无法起到传染病的预警效果。社交网络分析则不同。社交网络分析思路是处在社交网络中心且连接数目较多的中心群体比随机人群更容易影响外界和受到外界的影响。按照这一思路，中心群体比随机人群更容易受到传染病的感染，因此，在同一段时间内中心群体的感染率更大。
数据分析前要了解需求，后期要呈现分析结果。通度即沟通的通畅度，通度高低直接影响数据价值的发挥水平。
提高数据分析的通度有三个原则：
比如左右两边的数据对比
与文字相比，图片更色调化，图表数据图形化的创新，更能让人们产生视觉冲击。
在表达失误随时间的变化而变化时，动态呈现能还原真实，比静态展示更能让人产生身临其境之感，如FineBI的气泡图展示，自然而然的重力下沉，让人的视角自然聚焦到下方。
除去动态的图表，在利用FineBI做可视化数据分析过程中，联动、钻取、螺旋式分析也是图表信息“再生”的主流方式。即在已经展示好的图表面前进一步做自助式的分析。
联动&钻取
数据分析没效果，是因为缺少这4种提升!
切片换维
End.
作者：数据分析师（中国统计网特邀认证作者）
本文为中国统计网原创文章，需要转载请联系中国统计网（[email protected] ），转载时请注明作者及出处，并保留本文链接。
