数据分析过程数据分析，不是一个简单的操作，而是一个完整的过程。 一般地，一个完整的数据分析包括了六个步骤，后一个步骤依赖前一个步骤，也是前一个过程的深入。 数据分析过程 第一步：明确目的。 首先，任何数据分析都是为了解决业务问题。因此，明确目的是数据分析有效进行的先决条件，也为后续提供清晰的指引方向。明确目的要做的工作如下： 1、 确定分析目的。即为什么要做数据分析，分析的背景以及目的是什么，要解决什么业务问题，并进一步对业务分析进行分解。 2、 确定分析思路。围绕业务目的，梳理分析思路，搭建分析框架。比如，要从哪几个角度进行分析，采用哪些分析指标，等等。 分析思路 第二步：收集数据。 当确定分析目的之后，接下来就需要围绕业务问题来收集相关的数据，数据收集为分析数据提供素材与依据。需要明确下面工作： 1、 明确收集范围。即需要收集哪些数据，数据的名称、类型、时间范围等等。 2、 确定收集来源。数据的来源可以是多样性的，可以是互联网、公开出版物，以及一些专门的咨询机构，当然更多的数据来源是本企业的IT系统及数据库（比如CRM、BOSS、营销系统等）。 3、 确定收集方法。采用哪些方法可以快速获得想要的数据呢？是抽样，还是需要普查？是只需要样本还是数据全集？调查的渠道有哪些？对于一些特定的分析任务，还需要进行市场调查，通过专门的市场调查机构来获取数据。 第三步：整理数据。 数据预处理是对收集到的数据进行加工、整理，形成适合分析的格式，是分析前不可缺少的阶段。一般情况下，数据预处理所花费的时间占整个数据分析的60~80%的工作。预处理经常要做的工作包括： 1、 数据预处理 a) 数据清洗。去掉或合并重复的数据，删除无效数据，补齐缺失数据。 b) 数据转化。将原始的数据转化为新的数据格式，比如，将性别（男，女）转换为数值（1，0）等等。 c) 数据提取。将几个字段进行抽取、合并等形成新的字段，比如，从身份证中提取出性别，以及出生年月。 d) 数据计算。对数据进行基本的汇总、统计，比如，根据单价和数量，计算出总的消费金额。 2、 数据质量评估 a) 有效性评估。数据的取值、单位是否有效。 b) 可靠性评估。来源是否专业，可信度如何。 3、 合并多个表格 大多数分析方法都是基于一个数据集进行的，所以需要将众多的数据表格进行合并，形成一个数据集。 第四步：分析数据。 分析数据，就是用适当的分析方法和工具，对数据进行分析，提取有价值的信息。这一步包含如下内容： 1、 选择分析方法。基于业务问题，需要选择合适的分析方法，比如：分组分析、结构分析、趋势分析，不同的分析目的要采用不同的分析方法。 2、 选择分析模型。对于复杂的业务问题，有可能还需要重新构建分析模型，或者选择已有的数据分析模型，比如回归模型、聚类、决策树分类，等等。 3、 选择合适工具。常用的分析工具有通用的Excel数据分析，也有较专业的数据分析工具SPSS和SAS，各种不同的工具，其适用范围及能够解决的问题也不同。选择合适的工具能够让你的分析工作更加有效。 4、选择合适的分析语言。如果前面的分析工具都无法满足业务的需求，那么就需要学习一些分析语言了，比如Python/R语言，来编写业务数据的处理分析流程，以实现业务数据的自动化分析，满足定制的业务流程需求。 第五步：呈现数据 数据呈现，或者叫做数据可视化。数据可视化，能够将数据很直观地表达出来，让阅读者能够一眼看出数据所要表达的业务逻辑，所谓一图胜千言。分析师需要掌握最基本的可视化技术： 1、 常用图形。包括柱状图、条件图、饼图、折线图、散点图、雷达图，等等。 2、 图表工具。最常用的图形工具，有Excel、水晶易表、SwiffChart等等。 掌握常用的图形工具，能够让你的分析结果更直观有效，更易理解，更容易找出数据中蕴含的业务规律和业务问题，从而能够辅助决策。 第六步：撰写报告 分析报告，是整个数据分析过程的一个总结。一个好的分析报告，需要图文并茂，层次清晰，要有明确的分析结论，以及可行的建议和业务解决方案。 撰写报告的过程，其实就是思考业务策略的过程，这是从数据分析转换成业务策略最重要的一步。 所以，数据分析是一个完整的业务解决过程，发源于业务（业务问题），也回归于业务（业务策略）。 |
|
|
