數據分析的 4 個層面：包括 8 種思維、N 種方法、七種武器和八條原則

2019 年 10 月 7 日
筆記

好文分享第15篇

0. 前言

前幾天，我在「大數據分析和人工智能」公眾號主理人鄧凱的朋友圈，看到下面這張圖片：

我把它轉發到自己的朋友圈，有朋友留言說：「用這個寫一篇文章」，我答應了，所以有了這篇文章。

1. 思維層面

我以前寫過《數據分析的 8 種思維》，分別是對比、細分、溯源、相關、假設、逆向、演繹、歸納，文中用了一些小故事進行舉例說明，這裡就不重複介紹了，感興趣的朋友可以去那篇文章看看，本文將着重介紹數據分析的方法層面和技術層面。

2. 方法層面

我把數據分析的方法和模型，都歸入到方法層面，因為它們都是先對問題進行分析，然後找到解決問題的辦法。

數據分析的方法和模型眾多，為了查閱方便，我做了如下分類匯總，在每個類別下面，都有若干方法和模型的名稱，我覺得可以把他當作一個索引，當我們需要對某個問題進行分析的時候，先試着從中找一找，然後再利用搜索引擎，去查找更詳細的資料，如果發現有新的方法或模型，那麼把它加入進來，形成一個越來越豐富的數據分析庫。

對於數據分析方法，我參考《誰說菜鳥不會數據分析（入門篇）》，按研究方向進行分類如下。

產品研究

品牌研究

價格研究

相關分析 | PSM價格分析

市場細分

滿意度研究

相關分析 | 回歸分析 | 主成分分析 | 因子分析 | 結構方程

用戶研究

預測決策

回歸分析 | 決策樹 | 神經網絡 | 時間序列 | Logistic回歸

對於數據分析模型，按維度進行分類如下：

一維線性分析模型

二維矩陣分析模型

多維空間分析模型

波特五力分析 | KANO | PEST | RFM | SCP

其他分析模型

上述模型除了可以按維度進行劃分，還可以按宏觀、中觀、微觀、定性、定量、人、貨、場等角度進行分類。

3. 技術層面

數據分析的技術層面，主要是對數據分析工具的靈活運用，數據分析高手通常都能精通一種或多種工具，就像在武俠小說中的高手與武器往往是相輔相成的。

古龍寫的《七種武器》系列小說，七種武器分別是：長生劍、孔雀翎、碧玉刀、多情環、霸王槍、離別鉤和箱子，每種武器背後都有一段精彩離奇的故事，通過這些的故事，讓讀者明白，某種武器背後隱藏的是什麼，究竟是什麼力量才讓這種武器如此厲害，比如：微笑、自信、誠實、仇恨、勇氣、戒驕等等。

對於數據分析而言，我認為也有七種非常厲害的武器，它們分別是：

長生劍：Excel

Excel 在數據分析的地位，可配得上「長生」二字，有了這柄長生劍，就能夠解決許多常見的數據分析問題。

Excel 的函數、數據透視表、圖表可視化、VBA 等功能，讓數據分析工作變得高效。

長生劍，背後隱藏的是微笑，無論遇到多麼大困難，都要保持微笑。

孔雀翎：Power BI

用 Power BI 做出來的圖表，就如同孔雀的尾羽，鮮艷美麗。

Power BI 將數據轉換為令人讚歎的視覺對象，讓儀錶盤和交互式報表變得更加簡單。

孔雀翎，背後隱藏的是自信，充分認識自己的長處和潛能，並發揮出來。

碧玉刀：SQL

SQL 是 Structured Query Language 的簡稱，即結構化查詢語言，數據分析師主要用 SQL 來提取更加客觀真實的數據。

我在 2012 年的時候，寫過一篇《SQL 數據分析應用示例》，感興趣的朋友可以參考一下。

碧玉刀，背後隱藏的是誠實，內心與言行一致，不虛假。

多情環：SPSS

SPSS 軟件的界面非常友好，你只要點一點鼠標，就能得出大量專業的分析結果。

但是，其中的分析方法和模型是否適用？分析的參數如何調整優化？分析結果如何解讀和應用？因為這些問題有可能會讓初學者心生懊惱，在從簡單到複雜的過程中，可能會產生比較大的情感落差，所以我把 SPSS 比作多情環。

多情環，背後隱藏的是仇恨，表達的是對現實狀況強烈的不滿。

霸王槍：SAS

SAS 堪稱是數據分析軟件中的「巨無霸」，是美國北卡羅來納州立大學 1966 年開發出來的統計分析軟件。

SAS 的功能非常強大，統計方法齊全，被廣泛應用於科研、教育、生產和金融等多個領域。

霸王槍，背後隱藏的是勇氣，主動迎接挑戰，勢必所向無敵。

‍

離別鉤：R

自從用了 Python 之後，我漸漸遠離了 R 軟件。

雖然 R 軟件中有大量成熟實用的統計分析工具包，讓人難以割捨，但是 Python 的適用範圍更廣，比如用 Python 還能做網站和服務器自動化運維等。在時間和精力有限的情況下，當使用一種語言就能滿足更多需求，並且由此帶來的好處比較明顯時，我認為會有越來越多的人選擇走使用一種語言的路線。

離別鉤，背後隱藏的是戒驕，永遠保持謙虛進取的精神。

箱子：Python

隨着 Python 版本的不斷更新，新的功能越來越多，它就像一個神奇的寶箱，裏面的能量似乎取之不盡，用之不竭。

當 Python 配上 NumPy、Pandas、SciPy、StatsModels、Scikit-learn、TensorFlow 等工具庫以後，簡直是如虎添翼，成為數據科學、機器學習、交互式計算以及數據可視化等領域最為重要的語言

在古龍心中，第七種武器到底是什麼？目前似乎還沒有定論，有人說古龍還沒來得及寫就已經去世了，有人說是拳頭，有人說是箱子，我認為無論是什麼，其背後都隱藏着一種神奇的力量。

在數據分析的江湖中，如果沒有順手的武器，那麼英雄也可能無用武之地。儘管武器很強大，但是工具總是死的，更重要的是能領悟它的運用之道。

一件武器是否能發揮價值，主要還是得看使用它的是什麼人。

4. 展示層面

數據分析的成果，最終要展示出來，才能發揮它的價值。

展示的形式通常是數據分析報告，其目的是運用數據來反映業務的現狀，通過分析發現業務的亮點和問題，提出可行的建議解決方案，幫助管理者做出科學有效的決策，降低業務風險。

一份好的數據分析報告，我認為應遵循以下八條原則：

邏輯嚴謹，思維縝密
方法適當，模型適用
工具恰當，圖表專業
數據可靠，客觀真實
結合業務，實事求是
重點突出，統一規範
結論準確，建議合理
科學有效，創造價值

5. 總結

本文介紹了數據分析的 4 個層面，分別是思維層面、方法層面、技術層面和展示層面，其中包括 8 種思維、N 種方法、七種武器和八條原則。

最後，讓我們始終牢記數據分析的心法：一切以用戶能獲得價值為目標，幫助用戶高效利用時間和解決問題，反對故弄玄虛的炫技。