|
前段时间，我的一位同学在群里说，统计是寄生虫，能寄生在很多学科之中。 似乎一切可以产生数据的学科，都可以用统计学的方法解决。 统计到底是什么？ 在我工作以后，很多朋友都问我过这个问题。 那么，统计到底是什么？ 度娘给出了如下解释： 统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。 也就是说，我们通过对统计的系统学习，可以对数据进行搜集、整理和分析，从而得出结论或预测未来。因此，在学习统计的过程中，我们至少要掌握‘如何搜集数据’、‘如何处理数据’、‘如何分析数据’、‘如何对数据进行预测’这四大模块。更不用说后面的数据挖掘已经与机器学习完美融合。 每一个模块都拥有庞大的知识体系和架构。 这也注定了统计的学习，需要自己不断地去学习和积累。  大家或许会发现，在这四大模块中，“数据”这一名词出现的概率高达100%。 是的，我可以毫不犹豫地告诉各位：统计学的基础就是数据，离开了数据，统计也就没有了意义。 所以，又有人说统计学是一门与数据打交道的学科。 数据构成了我们衡量这个世界的有效尺度，同时也是连接过去、现在及未来的中介。 比方说，你是一位知名网店的数据分析师，Boss要你对该网站的总体情况进行分析，你要如何下手？ 这个问题看似很简单，但如果你不清楚业务和统计分析方法，你将会被高维数据压得攒不过气来。  针对上述问题，在你对公司业务熟练的情况下，你首先要解决的一定是数据的搜集。 包括的维度有网站的点击率、访问者信息、已有客户的属性、网站产品的信息等待。 但是幸运的是，搜集数据并不是你需要解决的问题。 而解决这一问题的，一般交给了计算机工程师。 而你需要做的，或是从是数据库中自行导入数据，或是向他们提出数据维度的需求。 假设你通过某种途径获取了数据，同时心里也产生了一套分析思路。 但你发现，你的数据格式与你思路里的格式不匹配。 譬如：数据格式的不匹配，多份数据下同纬度的录入不匹配，数据出现了缺失、异常值，分类数据的类别是有偏的等等。 那么，接下来你就需要对这些数据进行预处理。 只有在对数据进行整理，满足特定分析方法下的格式需求，你才能对数据进行正确的分析。 数据分析的方式包括常用的图表分析，假设检验，也包括建立数学模型。 具体采用何种方法，则根据你最初的需求。 如果你的Boss倾向于挖掘精准客户，你至少应该对客户进行分类。 如果你的目的是分析产品的热销情况，则至少要对重要统计指标进行逐一的分析，必要时还需建立数学模型。 如果你要比较某一政策出台后某一产品的销量是否发生改变，图表分析+统计检验就能满足你的需求。  通过分析，你一定会得出一个结论。 这个结论可能是公司主要客户的特质、潜在客户的特征、网站最热销的产品、某一政策是否对产品的销量显著提升等。 而这个环节，必须要你充分了解自身业务，由此才能避免得出错误的结论。 因此，请不要小看业务。 此外，假若你需要对某一个或多个指标进行预测，往往需要数学建模，这里一般包括截面数据、时间序列等等。 以上这些，都是统计专业必须掌握的基本技能，对四大模块掌握程度的高低，决定了你分析的含金量高低。 同一个问题，有的数据分析师只会做一个简单的饼图。但对于另一个行业资深的分析师，他能采用的分析方法则远不止图表分析。  那么，数据分析到底有什么作用？ 通过数据的分析，能够帮助我们了解事物框架和细节，以至于能够提高我们决策的精确度，让事物朝着我们想要的方向发展。 继续上一个案例，你是一名网站的分析师，你的boss想要提高A产品的销量。对此，他有投放渠道、站内产品展示、电销、短信群发、折扣优惠、市场活动等多种方式，但公司预算有限，需要你找出一个最合理的方案——既能促进销量又能节约成本。 你会从哪些方面入手？  如果你学过统计学中的实验设计，你至少能够进行正交设计。 又或者，你可以通过数据分析购买A产品的客户群体属性。假设你发现产品A的购买客户群体主要是40-60岁的男性用户，那么你就可以建议对公司所有40-60岁男性用户进行促销短信的推送或折扣优惠； 如果你发现产品购买人群的属性并不集中，但是绝大多数用户都属于从B渠道流入的用户，那么你的首选方案或许应该是重点对B渠道进行产品展示和市场推广； 倘若你发现A产品与C产品的销量呈现出正向相关性，你可以选择优化网站平台，将两个产品打包展示，或对购买了C产品的客户推送A类产品等等。 而数据分析的作用还远不止这些。 在云计算、大数据逐步发展的当下，数据分析越来越需要专业性的人才。 但不可否认，成为一名数据分析师，统计一定是基础中的基础。 此为原创，转载需事先声明。 |
|
|
