在数据分析师的工作中，有一项是尤为重要的，那就是对数据的敏感度。拥有对数据的敏感度，就能快速形成数据分析思路，帮助数据分析师的数据分析结论更有准确性。

今天就推荐几个方法，帮助大家能够快速培养数据敏感度，生成行之有效的业务数据分析思路。

1、代入法

平常，我们去做数据分析的时候是很难理解业务的，这是因为我们入手数据的角度是从技术层面入手的。以此，我们往往不理解前端业务人员的小脑袋瓜子里都在想什么，一般成熟的业务数据分析师都会更多的和业务人员交流，了解业务人员更关注的数据维度，在这个过程中你可能需要了解他人的工作流程，知道什么数据对他们的日常工作更重要。

所以你必须要学会把自己代入角色，想像自己就是一个销售、运营、财务等，以这个基点去爬取数据和分析，这样才能尽最大可能的以数据分析去挖掘价值。

2、业务导向

数据分析师分析数据时，关于业务的数据非常多，而接触这些数据时要从表面看本质，无论是业务数据上升还是下降，都要给出数据原因。

浅一点的业务分析会对利润、利润率、销售额、客户数的变化给出公式化的数据分析答案，但是在此基础上，数据分析师最好还需要能够思考出让这些数据持续实现增量的方法。

3、模型使用

遇到一个问题时，我们用几个维度和什么模型去分析数据呢？这就要考验一个数据分析师的基本功了，又或者你可以在网上白嫖一些大佬的成型的模型，以前车之鉴指导自己的工作过程。

4、了解公司战略

把自己当成一个普通员工是很多数据分析师的通病，表面上你是一个小员工，但是实际上你的工作是最要契合公司发展战略的。公司雇佣数据分析师的核心意义是以数据驱动业务增长，而业务如何增长， 什么业务增长更重要，什么数据的增量更重要都是基于公司战略做出的判断。

如果你想要自己的数据分析结果更有价值，那么你最好清楚自己公司的发展战略，多沟通，很重要。

5、从行业中获取灵感

做数据分析并不意味着你要在自己公司这一亩三分地闭门造车，你可能还需要通过了解行业整体态势，多看一些竞品的发展思路和数据来指引自己的数据分析思路。最关键的是，行业的起伏你心里要有个数，比如政策变化导致行业态势不乐观，这时候你就要做更宏观的分析，去帮助公司寻找出路。

其实以上的五个方法都非常基础，做数据分析最关键的就是要多交流，多沟通，多学习。表面上，我们接触的是冷冰冰的数据，但是实际上我们在数据之外需要学习的内容，远远要比数据更多。