想学数据分析?先来看看基础入门吧
谁说菜鸟不会数据分析的读书笔记,读完这本书的第一感觉是,excel已经够喝一壶了,不要急着想学SPSS、SAS,还是先从基础的看起吧。
做数据分析切忌为了分析而分析,要有明确的分析目的,一般会借助于一些理论模型来知道分析,比如:
营销方面的理论模型:4P、用户使用行为、STP理论、SWOT等,管理方面的理论模型:PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则。
书中列举的这些理论模型很多都听说过,只是平时处理问题很少用到,或者说没有人带着去切实的拿这些理论解决过实际问题,所以也就在平时很少想起了。不过在看这些方法的原理时,还是觉得蛮牛的。
数据收集常见的就是网络、数据库、调研等。
数据处理有数据清洗以去除垃圾数据,并且进行相应的转化计算。
后面花了很大的篇幅讲数据展现,还是比较全面的,见识了各种数据图表是如何做出来的。
其中讲了平均数、绝对数、百分数等几个以前小学学的概念,捡个现在用的比较多的说下:
倍数是一个数除以另一个数的商。
番数是指原来数量的2的N次方。N是几,就是现在的数据较原来的数据翻了几番。
以月为栗子来说明
2016年8月的数据较2015年8月的数据为同比。
2016年8月的数据较2016年7月的数据为环比。
书中有一个有意思的表格说明了方法论在数据分析中的位置:
作者用数据分析与服装师设计做类比,来说明方法论就像服装的设计图纸一样从整体上指导数据分析按照一定的规则体系完成,而不是抓到一块分析一块。
下面讲讲都有哪些方法论:
这个方法的名字其实就是四个分析因素的首字母缩写,分别是政治(political)、经济(economic)、技术(technological)和社会(social)。
一般用于从宏观层面分析企业或行业所处的环境。
也是英文首字母,何时(When)、何地(Where)、何人(Who)、何因(Why)、何事(What)、如何(How)、何价(How much)。
这个分析方法用途还是蛮大的,可以用于很多场景的分析,比如用户画像、用户的购买行为等等。
这个分析方法,如果你会用思维导图工具的话,一看就明白,其实就是将一个大问题一层层拆分成一个小问题,以便更好地分析问题,查找解决办法。
这个理论还真的是用于营销的,4P分别是产品(Product)、价格(Price)、促销(Promotion)、渠道(Place)。主要用于产品的营销分析。
强烈建议看到本文的小伙伴随便找一组数据在excel的“表格-条件格式”中的各种条件格式试一遍,你会发现,真的很好玩,原来一些看起来很炫酷的功能其实excel是可以轻松实现的。
挺实用的功能,用于多个不连续的空白单元格一次性填充相同内容。具体操作步骤如下:
1、按住ctrl不放,用鼠标左键一个个选中所有空白单元格。
2、选好后,放开ctrl,输入要填充的内容,这时,填充的内容会显示在最后一个选中的单元格中。
3、关键一步,按住ctrl不放,再按enter,这时,所有之前选中的单元格都会被填充上相同的内容。
函数比较难在博客中讲清楚,几个重要的函数,同学们可以自行百度一下具体用法:
取左部字符——left();
取右部字符——right();
字符合并——concatenate();
在表格的首列查找指定数据,并返回表格中需要的其他数据,用于两个表格匹配合并——vlookup();
跟上一个类似,是在表格的首行查找指定数据——hlookup();
年、月、日提取——date();
计算时间间隔长度,常用于工龄计算——dateif();
数据随机抽样——rand();
这也是比这之前一直很苦恼的一个问题,书中讲的方法不错,这里沿用书中的人才评价的例子说明:
如上表,将所有指标建立一个矩阵,一一进行对比重要性,行比列重要,交叉单元格写1,反之写0,比如人品对比动手能力,人品没有动手能力重要,则写0。注意,各指标不与自己做对比。
完成表格后,每一个指标都会有一个自己的得分,得分越高,权重越大:
某指标权重=(某指标重要性合计得分/所有指标的重要性合计得分)*100%
单独列出来,是因为这个excel的这个功能真的很好用,不过在博客也很难讲清楚,还请同学们自行百度一下,“数据透视表”,好用的不能再好用的功能。
书中这部分展示了各种炫酷的图表样式,适合浏览一下,以后用的上可以查阅,这里也做简单罗列:
柱状图、雷达图、条件格式(这个不是图形,是在第4点提到的功能,很强大,可以实现一些炫酷的效果,比如数据条、图标集、迷你图)、平均线图、双坐标图、竖形折线图、矩阵图、气泡图。
总体来看,这本书对我这种只会用excel最最基础功能的小白来说,还是蛮多惊喜的,至少有了一个全局观。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14