这原本是讲网络营销中的内容营销的，由此想到数据分析也是如此。近年来，数据分析随着大数据概念的普及而广受重视，都说数据是未来最重要的战略资源，企业做各种决策，实施运营、推广计划，无不需要数据分析作为支撑，正所谓“得数据者得天下”。
作为一名数据分析师，报告的撰写自然是基本功，也是最终视觉呈现的主要内容之一。那些关于优质数据报告的准则文和干货文，知乎上、行业平台上各种参考文献自然是没少看，各种鸡汤也没少喝。入行这些年，一边挖坑一边填，平坦大道走向前。毕竟自己选择的路跪着也是要走下去的。一路磕磕绊绊走过来，经验告诉我，在报告形成之初的“数据”上多花些心思，确保数据质量，避免做出错误或者带误导性的数据可视化，这远比任何撰写技巧和炫目创意来的务实得多。毕竟，你费那么大劲儿做的数据分析，是为了解决问题，首先是得有用对吧。以下是几点体会：

首先，数据的含义必须与人的行为联系起来才具有其意义。举个例子：2016年初，iPhone销量下滑，苹果股价终跌破100美元。归根到底，还是主流消费者的想法决定的。

第二，简单的，脱离人性的拟合预测是不靠谱的。比如小米手机销量一直直线上升，但预测它明年也会上升就不太合理。2013年12月，在央视“2013中国经济年度人物评选”上，雷军主动向董明珠发起赌约，“小米如果5年内营业额击败格力，董明珠董总输我1块钱就行了。”董明珠当即还击，“1块钱不要在这提，我跟你赌10个亿”。2016年一季度已经出来，小米手机再无第一了，而且在中国市场，国产品牌的销量排名中，已经跌落到了第三，未来甚至会更低。
第三，有些分析错把相关当成因果。比如经典的冰激凌销量和游泳溺水人数成正比的数据，这并不能说明冰激凌销量的增加会导致更多的人溺水，只能说明二者相关，比如因为天热所以二者数量都增加了。如果说冰激凌的例子不够透彻，那我们再举个例：

NBA数据显示：当科比出手10-19次时，湖人的胜率是71.5%；当科比出手20-29次时，湖人的胜率骤降到60.8%；而当科比出手30次或者更多时，湖人的胜率只有41.7%。根据这组数据，为了赢球，科比应该少出手？并不一定如此。有可能科比出手少的时候是因为队友状态好，并不需要他出手太多。也有可能是因为球队早早领先，垃圾时间太多。而出手太多的比赛是因为比赛艰难或者队友状态不好，需要他挺身而出。当然，以上也只是可能之一，具体是什么情况光靠这组数据并不能得出任何结论。

最后，基于开放和互通的大数据资源的数据分析，全面、深入而更具价值。目前大多数公司基于已有的数据做挖掘，各个公司是互相隔离的，难以形成一个完整的人性特征，也就难以正确的划分一个人，从而不能正确的分析。数据是企业最重要的资产，而且随着数据产业的发展，变得越来越有价值。但封闭的数据环境会阻碍数据价值的实现，对企业应用和研究发现来讲都是如此，需要合理的机制在保护数据安全的情况下开放数据，使数据得到充分利用。有效的解决办法之一则是公正的第三方数据分析公司、研究机构作为中间商收集数据、分析数据，在数据层面打破现实世界的界限，进行多家公司的数据共享而不是一家公司管中窥豹、盲人摸象，这才能实现真正意义上的大数据，赋予数据更广阔全面的分析空间，才会对产业结构和数据分析本身产生思维转变和有意义的变革。

数据分析讲究的是数据质量和价值