如何做好数据分析？ 如何做数据分析

数据分析有：分类分析，矩阵分析，漏斗分析，相关分析，逻辑树分析，趋势分析，行为轨迹分析，等等。 我用HR的工作来举例，说明上面这些分析要怎么做，才能得出洞见。

01） 分类分析
比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。

02） 矩阵分析
比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。

03） 漏斗分析
比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。

04） 相关分析
比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。

05） 逻辑树分析
比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。

06） 趋势分析
比如人才流失率过去12个月的变化趋势。

07）行为轨迹分析
比如跟踪一个销售人员的行为轨迹，从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。

通过面向企业业务场景提供一站式大数据分析解决方案，能够为企业在增收益、降成本、提效率、控成本等四个角度带来价值贡献。

1、增收益

最直观的应用，即利用数据分析实现数字化精准营销。通过深度分析用户购买行为、消费习惯等，刻画用户画像，将数据分析结果转化为可操作执行的客户管理策略，以最佳的方式触及更多的客户，以实现销售收入的增长。

下图为推广收支测算分析，为广告投放提供决策依据。

下图为渠道销量分析，为渠道支持提供数据支撑。

2、降成本

例如通过数据分析实现对财务和人力的管理，从而控制各项成本、费用的支出，实现降低成本的作用。

下图为生产成本分析，了解成本构成情况。

下图为期间费用预实对比分析，把控费用情况。

3、提效率

每个企业都会出具相关报表，利用数据分析工具，如数钥分析云，不懂技术的业务人员也能够通过简单的拖拉拽实现敏捷自助分析，无需业务人员提需求、IT人员做报表，大大提高报表的及时性，提高了报表的使用效率。

通过数据分析工具，能够在PC端展示，也支持移动看板，随时随地透视经营，提高决策效率。

4、控风险

预算是否超支？债务是否逾期？是否缺货了、断货了？客户的回款率怎么样？设备的运行是否正常？哪种产品是否需要加速生产以实现产销平衡？...其实，几乎每个企业都会遇到各种各样的风险问题。通过数据分析，能够帮助企业进行实时监测，对偏离了预算的部分、对偏离了正常范围的数值能够进行主动预警，降低企业风险。

下图为税负率指标，当综合税负率过高，可以实现提示和预警。

下图为重要指标预警，重点监控项目的毛利率。

第一步:数据准备:（70%时间）
· 获取数据（爬虫，数据仓库）
· 验证数据
· 数据清理（缺失值、孤立点、垃圾信息、规范化、重复记录、特殊值、合并数据集）
· 使用python进行文件读取csv或者txt便于操作数据文件（I/O和文件串的处理，逗号分隔）
· 抽样（大数据时。关键是随机）
· 存储和归档
第二步:数据观察（发现规律和隐藏的关联）
· 单一变量:点图、抖动图；直方图、核密度估计；累计分布函数
· 两个变量:散点图、LOESS平滑、残差分析、对数图、倾斜
· 多个变量:假色图、马赛克图、平行左边图
第三步:数据建模
· 推算和估算（均衡可行性和成本消耗）
· 缩放参数模型（缩放维度优化问题）
· 建立概率模型（二项、高斯、幂律、几何、泊松分布与已知模型对比）
第四步:数据挖掘
· 选择合适的机器学习算法（蒙特卡洛模拟，相似度计算，主成分分析）
· 大数据考虑用Map/Reduce
· 得出结论，绘制最后图表
循环到第二步到第四步，进行数据分析，根据图表得出结论完成文章。

结合实际业务来做数据分析
“无尺度网络模型”的作者艾伯特-拉斯洛·巴拉巴西认为——人类93%的行为是可以预测的。数据作为人类活动的痕迹，就像金矿等待发掘。但是首先你得明确自己的业务需求，数据才可能为你所用。
1.数据为王，业务是核心
· 了解整个产业链的结构
· 制定好业务的发展规划
· 衡量的核心指标有哪些
有了数据必须和业务结合才有效果。首先你需要摸清楚所在产业链的整个结构，对行业的上游和下游的经营情况有大致的了解。然后根据业务当前的需要，指定发展计划，从而归类出需要整理的数据。最后一步详细的列出数据核心指标（KPI），并且对几个核心指标进行更细致的拆解，当然具体结合你的业务属性来处理，找出那些对指标影响幅度较大的影响因子。前期资料的收集以及业务现况的全面掌握非常关键。
2.思考指标现状，发现多维规律
· 熟悉产品框架，全面定义每个指标的运营现状
· 对比同行业指标，挖掘隐藏的提升空间
· 拆解关键指标，合理设置运营方法来观察效果
· 争对核心用户，单独进行产品用研与需求挖掘
发现规律不一定需要很高深的编程方法，或者复杂的统计公式，更重要的是培养一种感觉和意识。不能用你的感觉去揣测用户的感觉，因为每个人的教育背景、生活环境都不一样。很多数据元素之间的关系没有明显的显示，需要使用直觉与观察（数据可视化技术来呈现）。
3.规律验证，经验总结
发现了规律之后不能立刻上线，需要在测试机上对模型进行验证。

sc-cpda 数据分析公众交流平台。

第02期1+X电子商务数据分析师（初级）视频课程，这节课我们继续学习数据分析岗位发展，觉得对资格证考试有帮助的话，帮忙点赞和转发一下，关注并私信我，发送文字“初级课程”就能获取全部视频课程资料，下期再见。

第一步：数据准备：（70%时间）
· 获取数据（爬虫，数据仓库）
· 验证数据
· 数据清理（缺失值、孤立点、垃圾信息、规范化、重复记录、特殊值、合并数据集）
· 使用python进行文件读取csv或者txt便于操作数据文件（I/O和文件串的处理，逗号分隔）
· 抽样（大数据时。关键是随机）
· 存储和归档
第二步：数据观察（发现规律和隐藏的关联）
· 单一变量：点图、抖动图；直方图、核密度估计；累计分布函数
· 两个变量：散点图、LOESS平滑、残差分析、对数图、倾斜
· 多个变量：假色图、马赛克图、平行左边图
第三步：数据建模
· 推算和估算（均衡可行性和成本消耗）
· 缩放参数模型（缩放维度优化问题）
· 建立概率模型（二项、高斯、幂律、几何、泊松分布与已知模型对比）
第四步：数据挖掘
· 选择合适的机器学习算法（蒙特卡洛模拟，相似度计算，主成分分析）
· 大数据考虑用Map/Reduce
· 得出结论，绘制最后图表
循环到第二步到第四步，进行数据分析，根据图表得出结论完成文章。

结合实际业务来做数据分析
“无尺度网络模型”的作者艾伯特-拉斯洛·巴拉巴西认为——人类93%的行为是可以预测的。数据作为人类活动的痕迹，就像金矿等待发掘。但是首先你得明确自己的业务需求，数据才可能为你所用。
1.数据为王，业务是核心
· 了解整个产业链的结构
· 制定好业务的发展规划
· 衡量的核心指标有哪些
有了数据必须和业务结合才有效果。首先你需要摸清楚所在产业链的整个结构，对行业的上游和下游的经营情况有大致的了解。然后根据业务当前的需要，指定发展计划，从而归类出需要整理的数据。最后一步详细的列出数据核心指标（KPI），并且对几个核心指标进行更细致的拆解，当然具体结合你的业务属性来处理，找出那些对指标影响幅度较大的影响因子。前期资料的收集以及业务现况的全面掌握非常关键。
2.思考指标现状，发现多维规律
· 熟悉产品框架，全面定义每个指标的运营现状
· 对比同行业指标，挖掘隐藏的提升空间
· 拆解关键指标，合理设置运营方法来观察效果
· 争对核心用户，单独进行产品用研与需求挖掘
发现规律不一定需要很高深的编程方法，或者复杂的统计公式，更重要的是培养一种感觉和意识。不能用你的感觉去揣测用户的感觉，因为每个人的教育背景、生活环境都不一样。很多数据元素之间的关系没有明显的显示，需要使用直觉与观察（数据可视化技术来呈现）。
3.规律验证，经验总结
发现了规律之后不能立刻上线，需要在测试机上对模型进行验证。

sc-cpda 数据分析公众交流平台

可以先学习使用一些数据分析工具，简单的数据分析可以使用Excel，复杂的可以使用SPSS、SAS、MATLAB、SQL server等分析工具。
做好数据分析的前提是要收集有效的原始数据，必要时可运用一些统计方法进行数据的有效性判定和剔除，然后利用数据分析工具寻找规律，比如利用excel中的筛选、排序、相关分析、透视表以及图表等工具来进行数据的分类，数据的变化趋势研究以及各组数据间的相关性分析等。

如何进行有效的数据分析~

首先，我们要明确数据分析的概念和含义，清楚地理解什么是数据分析;
什么是数据分析呢，浅层面讲就是通过数据，查找其中蕴含的能够反映现实状况的规律。
专业一点讲：数据分析就是适当的统计分析方法对收集来的大量数据进行分析，将他们加以汇总、理解和消化，以求最大化的开发数据的功能，发挥数据的作用。
那么，我们做数据 分析的目的是什么呢？
事实上，数据分析就是为了提取有用的信息和形成结论而对数据加以详细的研究和概括总结的过程。
数据分析可以分为：描述性数据分析、探索性数据分析、验证性数据分析
工作中我们运用数据分析的作用有哪些？
1、现状分析：就是企业运营状况的分析，主要是各项指标的监控以及日报、周报、月报等
2、原因分析：需求分析，多数是针对运营中出现的问题进行剖析，找出出现问题的因素以便于解决问题
3、预测分析：针对以后的运营情况做出分析报告，对公司以后的发展趋势做出有效的预测，对公司的发展目标和策略制定做出有力的支撑。
最重要的一点：
我们如何做数据分析呢，换一句话说就是如何进行数据分析，是怎样的流程？
然后，我们来看数据分析的六部曲
1、明确分析目的和思路：
这一定很重要，你想通过数据分析得到什么，你想通过数据分析告诉别人什么，这是你做数据分析的首要问题，分析不能是漫无目的的，一定要明确思路，有目的性、有计划性的去做数据分析。找好角度、指标、以及分析逻辑尤为重要。
2、数据收集，这里不做过多的说明，一般情况下，数据来源都会可靠有效。我们要做的只是把我们需求的数据get即可。
3、数据处理：
主要包括数据清洗、数据转化、数据提取、数据计算等方法，数据分析的前提是要保证数据质量，如果数据质量无法保证，分析出来的结果也没法得到有效的利用，甚至会对决策者造成误导的行为。
4、数据分析：
首先要明确数据处理和数据分析的区别：数据处理只是数据分析的基础，我们做数据处理就是为了保证数据形式合适，保证数据的一致性和有效性。
5、数据展现：
数据展现就是把数据分析的结果，用可视化的图标形式展现出来，用一种简单易懂的方式表达出你分析的观点
6、撰写报告：
数据分析报告其实就是对整个数据分析过程的一个总结与呈现，通过报告把数据分析的起因、过程、结果及建议完整的呈现出来，供决策者参考。

数据分析有：分类分析，矩阵分析，漏斗分析，相关分析，逻辑树分析，趋势分析，行为轨迹分析，等等。 我用HR的工作来举例，说明上面这些分析要怎么做，才能得出洞见。
01） 分类分析比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。
02） 矩阵分析比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。
03） 漏斗分析比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。
04） 相关分析比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。
05） 逻辑树分析比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。
06） 趋势分析比如人才流失率过去12个月的变化趋势。
07）行为轨迹分析比如跟踪一个销售人员的行为轨迹，从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。

通过面向企业业务场景提供一站式大数据分析解决方案，能够为企业在增收益、降成本、提效率、控成本等四个角度带来价值贡献。
1、增收益
最直观的应用，即利用数据分析实现数字化精准营销。通过深度分析用户购买行为、消费习惯等，刻画用户画像，将数据分析结果转化为可操作执行的客户管理策略，以最佳的方式触及更多的客户，以实现销售收入的增长。
下图为推广收支测算分析，为广告投放提供决策依据。

下图为渠道销量分析，为渠道支持提供数据支撑。

2、降成本
例如通过数据分析实现对财务和人力的管理，从而控制各项成本、费用的支出，实现降低成本的作用。
下图为生产成本分析，了解成本构成情况。

下图为期间费用预实对比分析，把控费用情况。


3、提效率
每个企业都会出具相关报表，利用数据分析工具，不懂技术的业务人员也能够通过简单的拖拉拽实现敏捷自助分析，无需业务人员提需求、IT人员做报表，大大提高报表的及时性，提高了报表的使用效率。
通过数据分析工具，能够在PC端展示，也支持移动看板，随时随地透视经营，提高决策效率。
4、控风险
预算是否超支？债务是否逾期？是否缺货了、断货了？客户的回款率怎么样？设备的运行是否正常？哪种产品是否需要加速生产以实现产销平衡？...其实，几乎每个企业都会遇到各种各样的风险问题。通过数据分析，能够帮助企业进行实时监测，对偏离了预算的部分、对偏离了正常范围的数值能够进行主动预警，降低企业风险。
下图为税负率指标，当综合税负率过高，可以实现提示和预警。


下图为重要指标预警，重点监控项目的毛利率。

如何做数据分析报告?
答：做好一份优质的数据分析报告需要确定报告框架、数据源的获取、数据处理、数据分析、可视化展示这几点就足够了。①确定报告框架 先确定分析报告的主体架构，只有清晰的架构，才能规划好整个报告的主题，结构才能让阅读者一目了然。同时要找准论点、论据，这样能够体现出强大的逻辑性。②数据源的获取 数据源是...

数据统计分析怎么做
答：3、常见的数据分析方法 Google HEART模型的提出，可以让大家反思自己的产品设计思维，同时运用相关设计工具去提高HEART五项指标来完善用户体验，打造更好的产品。AARRR模型该模型出自于《增长黑客》，它是在2007提出，当年的获客成本还比较低廉，而这种模型很简单又很直观地突出了增长的所有重要元素，所以这个...

手把手教你如何做好微信公众号数据分析!
答：当然大家也可根据自己的需求灵活地进行自定义分析数据，制作个性化数据报表。之前BDP还没上线公众号模板报表，所以我是自己做好了数据报表，目前BDP上线了此功能，对于新媒体运营者来说确实很方便，很贴心的功能。我们再来详细卡看下各个指标的数据分析： 1.用户行为（图文分析、菜单分析） 用户在公众号的...

数据分析报告有哪些要点?
答：4、让图表传达更加直接 图与表之间，图与图之间的联系如何阐述，反映出的问题如何表达，这些都是在做数据分析图表就要弄明白的。很多细心的领导及专门会针对你的数据分析以及结论来提问，因为现状和未来是他们最关心的。所以数据图表展现也要体现你的分析思路，而不单单是为了展示数据。

如何成为一名合格的数据分析师?
答：我和我朋友最近都在准备面试，在这个过程里面有谈到一些概念。什么是场景，动机加上数据等于场景，我们需要站在用户的立场去思考问题，他们的行为产生了数据，反过来数据是行为的映射也是行为的结果，可以理解为投影。做数据分析，其本质就是在分析行为，通过归纳和总结去发现规律，最后产生价值。数据分析可以...

如何做数据分析
答：下图为生产成本分析，了解成本构成情况。下图为期间费用预实对比分析，把控费用情况。3、提效率 每个企业都会出具相关报表，利用数据分析工具，不懂技术的业务人员也能够通过简单的拖拉拽实现敏捷自助分析，无需业务人员提需求、IT人员做报表，大大提高报表的及时性，提高了报表的使用效率。通过数据分析工具，...

如何做数据分析才是正确的
答：怎么做数据分析才是有效的呢？这里，我们为大家总结了5种常用的数据分析的方法，供大家参考。1、对比分析 对比分析是我们在日常生活中最常用到的数据分析方法，一般分为纵向对比和横向对比。纵向对比，是时间上的对比，如我们经常提到的同比或环比。横向对比是指与其他同类之间的对比，如与竞品之间的对比。

数据分析师应该知道的九个问题
答：数据分析这个职业也是目前很有前景的领域之一，越来越多人想投入其中，而在数据呈爆炸式增长的大数据时代，数据过剩，人才短缺。数据海洋 同学凭借多年的从业经验，总结了作为一名数据分析师应该知道的9个问题：1、如何做好数据分析？分析师成长是通过“干”、”思”、“熬”出来的。干：多做。哪些是临时...

数据分析的方法有哪些?
答：③ 不能为了做数据分析而坐数据分析。2、步骤：① 调查研究：收集、分析、挖掘数据 ② 图表分析：分析、挖掘的结果做成图表 3、常用方法： 利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等，它们分别从不同的角度对数据进行挖掘。 ①分类。...

一名合格数据分析师需要具备哪些基本技能?
答：关于数据分析师而言，具有杰出的交流才干是十分重要的。学会交流不只能让你了解他人的意思，还能让他人了解你的意思。这关于数据分析师展示自己的专业才干，是十分有协助的。因而，咱们需求做好这3件事：榜首，学会倾听。一般来说一个数据分析师需求面临PM和CEO。因而，在预备presentation时，要留意答复这两...