数据分析的 4 个层面:包括 8 种思维、N 种方法、七种武器和八条原则

  • 2019 年 10 月 7 日
  • 笔记
好文分享第15篇

0. 前言

前几天,我在「大数据分析和人工智能」公众号主理人邓凯的朋友圈,看到下面这张图片:

我把它转发到自己的朋友圈,有朋友留言说:“用这个写一篇文章”,我答应了,所以有了这篇文章。

1. 思维层面

我以前写过《数据分析的 8 种思维》,分别是对比、细分、溯源、相关、假设、逆向、演绎、归纳,文中用了一些小故事进行举例说明,这里就不重复介绍了,感兴趣的朋友可以去那篇文章看看,本文将着重介绍数据分析的方法层面和技术层面。

2. 方法层面

我把数据分析的方法和模型,都归入到方法层面,因为它们都是先对问题进行分析,然后找到解决问题的办法。

数据分析的方法和模型众多,为了查阅方便,我做了如下分类汇总,在每个类别下面,都有若干方法和模型的名称,我觉得可以把他当作一个索引,当我们需要对某个问题进行分析的时候,先试着从中找一找,然后再利用搜索引擎,去查找更详细的资料,如果发现有新的方法或模型,那么把它加入进来,形成一个越来越丰富的数据分析库。

对于数据分析方法,我参考《谁说菜鸟不会数据分析(入门篇)》,按研究方向进行分类如下。

  • 产品研究

ABC分析 | 相关分析 | 对应分析 | 判别分析 | 结合分析 | 多维尺度分析

  • 品牌研究

相关分析 | 聚类分析 | 判别分析 | 因子分析 | 对应分析 | 多维尺度分析

  • 价格研究

相关分析 | PSM价格分析

  • 市场细分

聚类分析 | 判别分析 | 因子分析 | 对应分析 | 多维尺度分析 | Logistic回归 | 决策树

  • 满意度研究

相关分析 | 回归分析 | 主成分分析 | 因子分析 | 结构方程

  • 用户研究

相关分析 | 聚类分析 | 判别分析 | 因子分析 | 对应分析 | Logistic回归 | 决策树 | 关联规则

  • 预测决策

回归分析 | 决策树 | 神经网络 | 时间序列 | Logistic回归

对于数据分析模型,按维度进行分类如下:

  • 一维线性分析模型

AARRR | AISAS | 二八法则 | 产品生命周期 | 漏斗分析 | RARRA | 用户生命周期

  • 二维矩阵分析模型

安索夫矩阵 | BCG三四规则 | 波士顿矩阵 | EFE | Graveyard | 行业吸引力 ROS/RMS | SPACE | SWOT | 战略钟

  • 多维空间分析模型

波特五力分析 | KANO | PEST | RFM | SCP

  • 其他分析模型

5W2H | ABC分类 | 杜邦分析 | 雷达图 | MECE | 麦肯锡七步分析法 | 麦肯锡7S模型 | PDCA | VCA | 鱼骨图

上述模型除了可以按维度进行划分,还可以按宏观、中观、微观、定性、定量、人、货、场等角度进行分类。

3. 技术层面

数据分析的技术层面,主要是对数据分析工具的灵活运用,数据分析高手通常都能精通一种或多种工具,就像在武侠小说中的高手与武器往往是相辅相成的。

古龙写的《七种武器》系列小说,七种武器分别是:长生剑、孔雀翎、碧玉刀、多情环、霸王枪、离别钩和箱子,每种武器背后都有一段精彩离奇的故事,通过这些的故事,让读者明白,某种武器背后隐藏的是什么,究竟是什么力量才让这种武器如此厉害,比如:微笑、自信、诚实、仇恨、勇气、戒骄等等。

对于数据分析而言,我认为也有七种非常厉害的武器,它们分别是:

长生剑:Excel

Excel 在数据分析的地位,可配得上「长生」二字,有了这柄长生剑,就能够解决许多常见的数据分析问题。

Excel 的函数、数据透视表、图表可视化、VBA 等功能,让数据分析工作变得高效。

长生剑,背后隐藏的是微笑,无论遇到多么大困难,都要保持微笑。

孔雀翎:Power BI

用 Power BI 做出来的图表,就如同孔雀的尾羽,鲜艳美丽。

Power BI 将数据转换为令人赞叹的视觉对象,让仪表盘和交互式报表变得更加简单。

孔雀翎,背后隐藏的是自信,充分认识自己的长处和潜能,并发挥出来。

碧玉刀:SQL

SQL 是 Structured Query Language 的简称,即结构化查询语言,数据分析师主要用 SQL 来提取更加客观真实的数据。

我在 2012 年的时候,写过一篇《SQL 数据分析应用示例》,感兴趣的朋友可以参考一下。

碧玉刀,背后隐藏的是诚实,内心与言行一致,不虚假。

多情环:SPSS

SPSS 软件的界面非常友好,你只要点一点鼠标,就能得出大量专业的分析结果。

但是,其中的分析方法和模型是否适用?分析的参数如何调整优化?分析结果如何解读和应用?因为这些问题有可能会让初学者心生懊恼,在从简单到复杂的过程中,可能会产生比较大的情感落差,所以我把 SPSS 比作多情环。

多情环,背后隐藏的是仇恨,表达的是对现实状况强烈的不满。

霸王枪:SAS

SAS 堪称是数据分析软件中的「巨无霸」,是美国北卡罗来纳州立大学 1966 年开发出来的统计分析软件。

SAS 的功能非常强大,统计方法齐全,被广泛应用于科研、教育、生产和金融等多个领域。

霸王枪,背后隐藏的是勇气,主动迎接挑战,势必所向无敌。

离别钩:R

自从用了 Python 之后,我渐渐远离了 R 软件。

虽然 R 软件中有大量成熟实用的统计分析工具包,让人难以割舍,但是 Python 的适用范围更广,比如用 Python 还能做网站和服务器自动化运维等。在时间和精力有限的情况下,当使用一种语言就能满足更多需求,并且由此带来的好处比较明显时,我认为会有越来越多的人选择走使用一种语言的路线。

离别钩,背后隐藏的是戒骄,永远保持谦虚进取的精神。

箱子:Python

随着 Python 版本的不断更新,新的功能越来越多, 它就像一个神奇的宝箱,里面的能量似乎取之不尽,用之不竭。

当 Python 配上 NumPy、Pandas、SciPy、StatsModels、Scikit-learn、TensorFlow 等工具库以后,简直是如虎添翼,成为数据科学、机器学习、交互式计算以及数据可视化等领域最为重要的语言

在古龙心中,第七种武器到底是什么?目前似乎还没有定论,有人说古龙还没来得及写就已经去世了,有人说是拳头,有人说是箱子,我认为无论是什么,其背后都隐藏着一种神奇的力量。

在数据分析的江湖中,如果没有顺手的武器,那么英雄也可能无用武之地。尽管武器很强大,但是工具总是死的,更重要的是能领悟它的运用之道。

一件武器是否能发挥价值,主要还是得看使用它的是什么人。

4. 展示层面

数据分析的成果,最终要展示出来,才能发挥它的价值。

展示的形式通常是数据分析报告,其目的是运用数据来反映业务的现状,通过分析发现业务的亮点和问题,提出可行的建议解决方案,帮助管理者做出科学有效的决策,降低业务风险。

一份好的数据分析报告,我认为应遵循以下八条原则

  • 逻辑严谨,思维缜密
  • 方法适当,模型适用
  • 工具恰当,图表专业
  • 数据可靠,客观真实
  • 结合业务,实事求是
  • 重点突出,统一规范
  • 结论准确,建议合理
  • 科学有效,创造价值

5. 总结

本文介绍了数据分析的 4 个层面,分别是思维层面、方法层面、技术层面和展示层面,其中包括 8 种思维、N 种方法、七种武器和八条原则。

最后,让我们始终牢记数据分析的心法:一切以用户能获得价值为目标,帮助用户高效利用时间和解决问题,反对故弄玄虚的炫技。