深入浅出之数据分析四步曲
数据分析四步骤
确定
开始分析之前需要拿到足够的背景信息,更重要的是要和对方一起明确你们共同想要解决的问题/想要验证的假设,更更重要的是确定交付的内容、形式、期限以及可用资源。
未明确确定自己的问题或目标就进行数据分析就如同为定下目的地就上路旅行一样。
当然你可能会碰到一些有意思的现象,有时还可能盼着能兜来兜去地撞上点好东西,但是,谁会说你将有所发现。
分析师常常不够注重自己要解决的问题,他们抛给别人一些信息,借此推卸自己解决问题和建议决策的义务。
客户将根据你的分析作决策,你需要尽量多从他那里了解一些信息,才能确定问题。
你需要摸清对方的心思,才能拟定一个能够解决问题的分析方案。
对客户的了解越深,你的分析越有可能派上用场。
1. 将大问题划分为小问题
你需要将问题划分为可管理、可解决的组块。你无法直接回答大问题,但是通过回答从大问题分解出来的小问题,你就能找到大问题的答案。
2. 将数据分解为更小的组块
图表不会按照你的意愿去设定,你必须自己提炼出所需要精确答案的相关因子及量化值。
首先,将原始数据转化为汇总数据。
然后,找到感兴趣的比较对象分解汇总数据。
进行有效的比较是数据分析的核心。
定性的数据,比如那些背景信息,你也需要进行分解和提取,然后得到一些基础假设,用以分析定量数据。
认真审视之前分解出来的组块。
审视过程最关键的是,比较。
价格的比较,群体的比较,销量的比较,竞争者的比较,营销方案的比较。
然后,你需要堵上自己的信誉,基于比较做出一些假设,然后逐步检验自己的假设。
这个过程,你的心智模型就参与到了这些数据中,通过你的解读赋予数据意义。
比如,你基于一些数据得出的结论,图表,你可以注明是你的判断。
客户将根据你的分析作决策。
你提交给客户的报告要以得到客户理解、鼓励客户以数据位基础作出明智的决策为重点。
你的报告应当【简练】【专业】【直接了当】
报告应该说清楚对方的需求,你依据哪些信息得到哪些结论,给出建议。
数据要能体现市场的情况。
心智模型
你对外界的假设和你确信的观点就是你的心智模型。
心智模型决定你的观察结果,是你观察现实的棱镜。
你无法看到一切,因此你的大脑必须做出选择,以便集中注意力。
如果你了解自己的心智模型,那么你发现重点、开发最相关最有用的统计模型的可能性越大。
你的统计模型取决于你的心智模型,如果用了错误的心智模型,分析就会胎死腹中。
心智模型应当包括你不了解的因素
只要能明确不确定因素,你就会小心防范并想办法填补知识空白,继而提出更好的建议。
考虑不确定因素及盲点会让人感觉不爽,但回报显著。
原始数据
要保存原始数据,并习惯拿处理后的数据和原始数据进行比较
在密集的数据中兜圈子很容易让人“迷路”,要是你迷失了目标,忘记了假设,只要集中注意力完成该完成的数据处理就能扭转局势,优秀的数据分析的根本在于密切关注需要了解的数据。
为一个化妆品公司分析数据,发现广告投入减少,社交网络营销投入增加,但是销量却没有达到预期,即时降价也没能影响销量。给出的建议是重新提高广告投入,看看是否有效果。 后来看到一则新闻,得知该品牌的该产品在少女消费者群体中已接近饱和,增加广告投入没有太大价值。收集更多数据,重新分析后发现新的消费群体,老年男子用该产品做剃须后保养。给出的建议是推出针对老年男子须后保养的产品并推广。
中间经历了【心智模型转变】->【查看不确定范围】->【重新收集信息再分析】
EX: 您希望销量提高多少?您觉得我们怎样才能办到呢?您觉得销量提高多少是可行的?目标销量合理么?竞争对手销量如何?广告和社交网络投入是怎么考虑的?【知道什么】
EX:您对我们的目标客户了解么?目标客户唯一么?销售渠道如何?【不知道什么】
在分析过程中得到了一些错误的、不完整的信息,导致你给出的建议不符合实际。
数据分析是为了更好地决策:开始你需要明确你要解决的问题,最后要给出你的专业建议
所有的数据分析师最终都会被打造成能做出更好决策的人才,你要学的就是在浩如烟海的数据中洞察先机,作出更好决策。
总结
1. 分析之前要明确问题和范围,要找你的客户参与进来
2. 分析最重要的是分解,分解问题也分解数据,
3. 评估最重要的是比较,找到最有价值的比较
4. 评估的过程,你开始把自己已有的知识加入到其中,堵上自己的信誉
5. 分析之后一定要给决策,不要只是呈现一些结论
6. 觉察你的心智模型,因为它会对你的分析过程形成深刻影响
7. 时刻反思有哪些你默认的前提假设其实是未知或不确定的
数据分析咨询请扫描二维码
数据挖掘是现代企业利用数据驱动决策的重要工具。它涉及从大量数据中提取隐藏的、先前未知但潜在有用的信息,依托人工智能、机器 ...
2024-10-23在当前数据驱动的商业环境中,数据分析师的角色变得越来越重要。想要踏入这一领域并取得成功,不仅需要扎实的技术基础,还需要不 ...
2024-10-23数据分析是一个广泛而又精细的领域,它结合了统计学、计算机科学、商业策略以及数据科学等多个学科的知识。这个领域日新月异的发 ...
2024-10-23在现代企业中,数字化管理师扮演着至关重要的角色。他们不仅帮助企业优化资源配置,还推动企业的数字化转型。要成为一名合格的数 ...
2024-10-23大数据专业是一个跨学科的领域,涵盖了数学、统计学、计算机科学与技术等多个学科。随着数据在各个行业中的重要性日益增加,大数 ...
2024-10-23大数据分析师培训教程-2.1 Hadoop入门-Hadoop 1.0 的局限与 Hadoop 2.0(YARN)的革新 Hadoop简介Hadoop 的生态系统HDFS 的原理 ...
2024-10-232024,您是否渴望在数据领域探索更广阔的职业机遇? 数字化时代,数据量级每年都在呈指数级增长。据统计,全球互联网用户每天产 ...
2024-10-21数据科学专业是一门跨学科的综合性学科,涵盖了数学、统计学、计算机科学等多个领域。其核心目标是通过数据的收集、处理和分析来 ...
2024-10-21Python是一种高级解释性编程语言,由Guido van Rossum于1991年创造。凭借其简单易学、代码可读性强和功能强大的特点,Python已经 ...
2024-10-21在当今数据驱动的世界中,选择学习Hadoop已成为许多数据分析师和IT专业人士的必修课。Hadoop不仅是大数据处理领域的核心技术之一 ...
2024-10-21数据开发工程师在当今数据驱动的世界中扮演着至关重要的角色。他们不仅负责数据的采集和处理,还在数据仓库建设、系统开发和数据 ...
2024-10-20在当今快速变化的数字经济时代,数字化转型已经成为企业实现持续增长和竞争优势的关键。数字化转型不仅仅是技术的变革,更是组织 ...
2024-10-19在当今快速发展的科技时代,数字经济已成为全球经济的重要组成部分。选择数字经济专业,不仅能为你打开通往多个行业的大门,还能 ...
2024-10-18学习统计学与大数据分析具有显著的优势,能够帮助你走向高薪岗位。在数字化时代背景下,统计学和大数据分析展现出强大的就业潜力 ...
2024-10-18在当今的数字时代,数据科学与大数据技术专业的就业方向极为广泛,涵盖了多个领域和岗位。随着数据成为企业决策的重要依据,行业 ...
2024-10-18大数据技术与应用领域正在迅速发展,成为现代经济和科技发展的重要驱动力。随着数据量的爆炸式增长,各行各业对大数据专业人才的 ...
2024-10-18在当今数据驱动的商业环境中,数据分析软件已成为企业决策过程中不可或缺的工具。随着数据量的激增和分析需求的复杂化,选择合适 ...
2024-10-18在当今数据驱动的世界中,数据分析已成为许多行业不可或缺的一部分。无论是企业决策、市场营销,还是产品开发,数据分析都能提 ...
2024-10-18数据分析在现代企业中扮演着至关重要的角色,帮助企业在竞争激烈的市场中做出明智的决策。随着数据量的不断增长,企业需要依赖先 ...
2024-10-18CDA(Certified Data Analyst)认证在数据分析领域具有显著的作用,具体包括以下几个方面: 1. 专业技能认可 CDA认证是数据分析 ...
2024-10-17