小白学数据分析--怎么看待数据处理

本来这算不上一篇文章，但是我仍旧写了，除了解决一个小问题还要说点其他的关于数据分析的想法，首先先解决一个小问题。
　　第一部分
　　问题描述：处理游戏帐号信息时发现有重复的帐号，比如帐号A有N个重复项，希望留下1个重复帐号，但是要把剩下N-1个删除重复帐号删除。具体的原数据（**）模拟如下：

　　而我们希望得到的最终处理数据格式如右侧一列（绿色）所示。针对这个处理，其实有很多方法，可以参看小蚊子的《谁说菜鸟不会数据分析》，比如使用条件筛选就能搞定，今天不谈这个方法，说说另一种思路。
　　首先我们对于原数据进行排序，怎么排序都OK，重要的是重复项会在一起，如下图所示：

　　之后我们使用IF和Exact函数嵌套使用，解决这个问题，操作如下：
　　增加一列，叫做标识项，并写下公式=if(exact(A2,A3),1,2)，关于Exact()和if()函数的使用介绍这里不再累术，自行查阅Excel函数帮助文档就OK了，具体公式如下图显示：

　　这里公式的秘密和为什么不解释了，估计大家看到这里都明白了，下面我们要继续操作，解决问题，之后选中第一行，快捷键“Crtl+Shift+L”打开自动筛选功能，筛选标识项为“1”的数据，如下图：

　　之后，选择这几行数据，然后删除，之后打开再次打开筛选，选择全部，结果数据如下所示：

　　但是到了这样这一步，其实已经完成了，可是很多人还是有疑问，那些空白行怎么办啊，我们需要数据都是像最开始的那个绿色的格式最好了，这样有空白的位置不好，至于这个问题，这里不回答了，大家自己想一想，其实很简单，非常容易解决。期待大家的答案。
　　第二部分
　　这一部分，其实还是想发一些牢骚和学习数据分析的建议，作为数据分析师，首先是先把数据处理和优化工作做好，当然这之前必须要进行商业理解，把问题搞明白，才能后期把数据提取出来，进而才能借助模型、算法进行数据处理，模型发布，评估，分析，这是一个完整的CRISP-DM，数据处理优化要用去整体流程80%的时间，因此快速有效掌握数据提取，处理方法很关键，其意义不仅仅在于效率效能的提升，最关键的是锻炼思维和形成一套自己的方法。
　　你说的有点夸大了吧？
　　很多人会有这个疑问，很正常，大多数情况下，我们喜欢把数据需求明确，然后让DBA同志帮助我们取数据，解决数据处理过程，但是往往需求理解的差异，导致了后续CRISP-DM全部错误，而且相当不容易发现，所以很多时候我们要自己来做，一个DMA同时也要会一点SQL，数据量非常大时自己倒入数据库，练习一下SQL操作。
　　当然这是适用于那些学过计算机的人，很多DMA是没怎么学过SQL，因此就会基本上借助Excel、SPSS解决数据处理，这个时候其实非常关键，早期我喜欢拿着网上的文档或者什么宝典来解决问题，发现没用，因为你看了你也记不住，你也不会用，只有当问题摆在面前时，你才有需求，要学习，但是往往又不能找到合适的答案，所以很多人借助别人力量解决，但是解决完了，你仍旧不会，下次问题摆在你面前，你还是不会。
　　所以，请不要逃避问题，有问题才是你学习Excel，数据处理的最佳时期和机会，不要小看摆渡，如果你能从浩瀚的搜索中找到解决你问题的办法，这是一种能力，如果借助那个答案，你有新的更好的解决之道这就是提升了。这是一种学习能力，通过问题学习。
　　其二，表述问题，找到自己的习惯。在搜索上如何把自己的问题表述出来，寻找答案，这是你的本事，就像你要求助于他人解决这个问题时，你依然要别人先理解你的需求，才能解决一样，在这一个问题肯定有很多的办法来解决，但不是每个办法都适合你，但是总有一个适合你，因此找到自己解决这种问题的习惯，以后越用越好，融会贯通。
　　其三，你要学会排列组合。这个排列组合不是真的排列组合，其实是说，日常我们在进行数据处理时，基本上80%以上的工作只需要20%左右的函数和方法就可以搞定了，比如vlookup，sumif，countif，if，条件筛选，排序等等，这也是符合幂律分布的。所以，尽管我们面临不同的问题和需求，但是通过这些公式的嵌套，组合，最后基本上都能解决我们的数据处理和分析需求，而如何优化，组合这就是看你的能力和发挥了，难道你说这不是一种锻炼吗？DMA的工作不仅仅是对得出来分析结果进行分析，在这个过程中，你如何应对产生的一系列问题都将有助于你发散思维，解决最后的分析。