两步教你数据分析基础入门

关于数据分析，我不会讲过多的关于Python,统计学，数据挖掘等技术知识，那是技术工程师该搞的事。更多的，是希望从事各项业务的你们能够逐步开始拥有数据分析的思维去客观理性地判断前因后果，掌握基本的数据分析用法。

关于维度和指标

在分析某项业务时，常常会听到维度和指标这两个术语，它们是非常基础的，但是又很重要。经常会有朋友没有搞清楚它们之间的关系，只有掌握理解了，我们的数据分析工作开展就就容易多了。现在就来帮大家理一下指标与维度的概念和关系。

指标

指标，就是用于衡量事物发展程度的单位或方法，在IT行业通常也称为度量。比如，互联网行业的留存率，覆盖率，转化率，跳出率；销售方面的营收、利润率等等。很多公司都有自己的KPI指标体系，就是通过几个关键指标来衡量公司业务运营情况的好坏。

指标需要经过加和、平均等汇总计算方式得到，并且是需要在一定的前提条件进行汇总计算，如时间、地点、范围，也就是我们常说的统计口径与范围。

指标可以分为绝对数指标和相对数指标，绝对数指标反映的是规模大小的指标，如人口数、GDP、收入、用户数，而相对数指标主要用来反映质量好坏的指标，如利润率、留存率、覆盖率等。我们分析一个事物发展程度就可以从数量跟质量两个角度入手分析，以全面衡量事物发展程度。

刚才说过，指标用于衡量事物发展程度，那这个程度是好还是坏，这就需要通过不同维度来对比，才能知道是好还坏。

维度

维度，是事物或现象的某种特征，如性别、地区、时间等都是维度。其中时间是一种常用、特殊的维度，通过时间前后的对比，就可以知道事物的发展是好了还是坏，如用户数环比上月增长10%、同比去年同期增长20%，这就是时间上的对比，也称为纵比。

另一个比较就是横比，如不同国家人口数、GDP的比较，不同省份收入、用户数的比较、不同公司、不同部门之间的比较，这些都是同级单位之间的比较，简称横比。

维度可以分为定性维度跟定量维度，也就是根据数据类型来划分，数据类型为字符型(文本型)数据，就是定性维度，如地区、性别都是定性维度;数据类型为数值型数据的，就为定量维度，如收入、年龄、消费等，一般我们对定量维度需要做数值分组处理，也就是数值型数据离散化，这样做的目的是为了使规律更加明显，因为分组越细，规律就越不明显，最后细到成最原始的流水数据，那就无规律可循。

在数据分析时，只有通过事物发展的数量、质量两大方面，从横比、纵比角度进行全方位的比较，能够全面的了解事物发展的好坏。

进阶的数据分析，思路就是指标的拆分和维度的对比，这种思想在各类数据分析工具中均有体现。这些大量的数据分析工具应用主要包括以下内容：

• 整体情况的分析和汇总：全局数据的概况、变化趋势、占比等

这种整体情况的展现目前有一种所谓的“大屏”或“驾驶舱”技术来实现，以下借用了商业智能FineBI的展示效果。

• 多维度的分析：如果是日志数据，已经存在多个数据项，以某一个数据项作为主关键词汇总分析，同比、环比变化，占总数的变化。如果没有日志数据，则需要想清楚解决这个问题原因是什么?需要采集哪些数据项?

• 重要场景问题/主题的分析:根据分析的重要问题、用户关心的问题进行分析，比如营收额的分析，回款的分析。

在多维度分析、告警、报表，数据图表可视化设计呈现方面也存在许多共性，总结如下:

1. 数据的呈现方式是表格还是图表?若是时间范围，时间统计粒度是多少?

2. 表格需要呈现哪些数据?数据的单位?保留几位小数?数据计算的方法?排序依据?

3. 图表采用哪一种?呈现的范围是多少?

4. 常见的数据项操作：新增、删除、修改、查询

• 新增哪些是必填数据项?校验重复性和有效性?

• 删除是否需要提醒?是否具有权限删除?

• 修改可修改的数据项有哪些?修改后是否要进行校验有效性和重复项?是否有修改的权限?

• 查询是精准查询还是模糊查询?是单一查询还是支持批量查询?批量查询输入方式的讲究?查询的内容输入什么是否支持大小写 空格等?数据区间的查询是自定义还是给出范围划分?

人们总认为与大数据分析沾点边的技术都要花大价钱才能得到。但事实上，大数据分析的思想是最贵的，技术可以实现数据批量清洗，处理，呈现地更快、更美。但却不知道要哪些数据算有效，哪些数据才是重点需要分析得出有价值的信息。所以有效的数据分析工作一定是基于数据分析思想上的。