在互联网时代，没有一家公司的成功离得开数据分析，甚至没有一个团队的成功不需要数据分析，即便你只是一个自媒体博主，你依然需要通过分析数据来判断，哪些内容受众喜欢看。对企业来说，通过数据分析，可以得知哪些功能、哪些产品受用户欢迎，哪些趋势代表着未来的巨大发展潜力。

或许你正摩拳擦掌想要进入数据分析领域，但你对数据分析了解多少？

数据分析的类型

目前有六种主流的数据分析类型，通常用于技术和商业领域。

诊断分析：诊断分析回答了“为什么会发生这种情况？”这个问题。比如，企业利润出现严重下滑，诊断性分析就是要找出利润下滑的原因有哪些。

预测分析：预测分析回答了“最有可能发生什么？”这个问题。它通过对过往历史事件、周期的研究来预测未来趋势。比如股市涨跌周期、猪肉价格周期等。

规范性分析：整合从其他数据分析类型中获得的所有见解，你就获得了规范性分析。有时，不能仅通过一种分析类型来解决问题，而是需要多种见解。

统计分析：统计分析回答了“发生了什么？” 这个问题，该分析类型涵盖数据收集、分析、建模、解释和演示。

文本分析：也称为“数据挖掘”，它将原始大量的数据转换为有用的业务信息。文本分析可以说是最直接的数据分析方法。

数据分析方法

弄清楚数据分析类型只是第一步，接下来你要知道用什么方法分析。数据分析方法主要有两种：定性分析和定量分析。

定性分析：是对研究对象进行“质”方面的分析，对获得的材料进行思维加工，实现认识事物本质、揭示内在规律的目的。

定量分析：是对现象的数量特征、数量关系与数量变化的分析，目的在于揭示和描述现象的相互作用和发展趋势。

虽然定量数据分析和定性数据分析的假设不同，但是数据分析本身是超越了定性/定量这一分类的。对这两种研究方式来说，数据分析方式不是二选一，有的时候定性和定量数据分析方式是可以共同使用的。

数据分析过程

数据需求收集：问问自己为什么要做这个分析，你想使用什么类型的数据分析，以及你计划分析什么数据。

数据收集：根据要求，是时候从数据来源上收集数据了。来源包括案例研究、调查、访谈、问卷调查、直接观察等等。

数据清理：并非您收集的所有数据都有用，所以要进行清理。删除掉冗余的、没用的、重复的数据，留下对业务有帮助的数据。

数据分析：在这里，您可以使用数据分析软件和其他工具来帮助您解释和理解数据并得出结论。数据分析工具包括但不限于 Excel、Python、R、Looker、Rapid Miner、Chartio、Metabase、Redash 和 Microsoft Power BI。

数据解释：现在你已经有了数据分析的结果，但你要怎么解释你的结论呢。你要怎么呈现
你发现的最佳解决方案呢？

数据可视化：一大堆复杂的数据谁都不爱看，包括你的老板。所以你要把数据做成图表、比如圆柱体、折线图等等简单明了的方式，让老板、团队一眼就能抓住要点。

数据科学家入门

Simplilearn圣普伦的数据科学家课程由 Ronald Van Loon 设计，被评为世界十大大数据和数据科学影响者之一。通过Simplilearn 圣普伦的数据科学计划，您学习统计和统计程序、假设检验、聚类、决策树、线性和逻辑回归、R、数据可视化、回归模型、Hadoop、Spark、PROC SQL、SAS 宏等技能和工具、高级分析、Matplotlib、Excel 分析函数、Zookeeper、Kafka 接口等知识和技能。如果您遵循科学的学习路径，每周 8 h学习时间， 21周后你就会成为一名经过认证的数据科学家。

由于我目前还没有熟练掌握SPSS，Python等高级一点的工具，而且描述性分析过于简单，所以本文将介绍如何用Excel实现描述性分析。

一、描述性分析基本概念

描述分析（描述性统计分析）就是用来概括、描述数据的整体状况以及数据各特征的统计方法。

描述的内容分为：

1. 集中趋势：平均数，众数、中位数、四分位数
2. 离散程度：方差、标准差、极差、变异系数、四分位差
3. 分布形态：偏度、峰度

其中峰度和偏度是用来测量数据正态分布特性的两个指标。

拓展：一般在工作中还会使用环比和同比来进行描述性分析。

环比增长率=（本期数-上期数） / 上期数 * 100% 

如：（2019年10月销量-2019年9月销量 ）/2019年9月销量*100%

同比增长率=（本期数-上一同期数） / |上一同期数| *100%

如：（2019年10月销量-2018年10月销量）/2018年10月销量*100%

拓展：标准化及归一化

数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。

1、标准化：

公式：  （其中μ为所有样本数据的均值，σ为所有样本数据的标准差）

结果：数值的均值为0，标准差为1的正态分布

应用：（1）数据不稳定，存在异常值和噪音的时候（2）距离计算，PCA降维，数据不符合正态分布的时候

2、归一化：

公式：

结果：把数据变成[0,1]区间的数值

应用：（1）输出结果范围有限定（2）数据稳定，不存在极端的最大值或最小值（3）数据符合正态分布

二、用Excel的函数实现描述性分析

1、平均数：从上图可以看出：老用户的平均消费额比新用户的平均消费额高；

2、四分位数：

用QUARTILE函数来返回一组数据的四分位数。

语法：QUARTILE(array,quart)

QUARTILE 函数语法具有下列参数：

array：要求得四分位数值的数组或数字型单元格区域。

quart：指定返回哪一个值。

quart值	QUARTILE()函数返回
0	最小值
1	第一个四分位数（25%处）
2	中位数（50%处）
3	第三个四分位数（75%处）
4	最大值

3、标准差

用STDEVP 函数来计算参数给定的整个总体计算标准偏差。

语法：STDEVP(number1,[number2],...)

从上图可以看出：新用户标准差比一班的要低，说明新用户的销售额分布比较分散。

4、箱线图

箱线图的作用：

1. 直观明了地识别数据批中的异常值
2. 利用箱线图可以判断数据批的偏态和尾重
3. 利用箱线图可以同时比较几批数据的形状

三、用Excel自带的分析工具库完成描述分析

1、首先判断是否已经加载分析工具库，如果你的Excel中有如下菜单，说明已经启用:

2、如果未启用，请按如下方法启用：

a、点击 [文件] > [选项]菜单

b、选择左侧“加载项”，并在右侧底部管理位置，选择"Excel加载项"，点击“转到”

c、选择“分析工具库” 和 “分析工具库 - VBA”，确定完成

d、完成上述步骤，Excel工具库加载完成

3、开始分析工作

点击“数据分析”后，步骤如下图，

 

 So easy~

Excel自带的数据分析工具可以最快速地帮助我们完成描述性分析的工作，但是分析的结论需要我们数据分析师自己总结归纳，数据分析的核心不是软件的使用技能，而是业务能力，切记切记。

 

数据分析的流程

在介绍数据分析方法论和思路之前，我们还是先不厌其烦地看一下数据分析的流程，简单来说分为以下六个步骤：

1、明确分析的目的，提出问题。只有弄清楚了分析的目的是什么，才能准确定位分析因子，提出有价值的问题，提供清晰的指引方向。

2、数据采集。收集原始数据，数据来源可能是丰富多样的，一般有数据库、互联网、市场调查等。具体办法可以通过加入“埋点”代码，或者使用第三方的数据统计工具。

3、数据清洗。对收集到的原始数据进行数据加工，主要包括数据清洗、数据分组、数据检索、数据抽取等处理方法。

4、数据转换。通过探索式分析检验假设值的形成方式，在数据之中发现新的特征，对整个数据集有个全面认识，以便后续选择何种分析策略。

5、数据分析。数据整理完毕，就要对数据进行综合分析和相关分析，需要对产品、业务、技术等了如指掌才行，常常用到分类、聚合等数据挖掘算法。Excel是最简单的数据分析工具，专业数据分析工具有FineBI、Python等。

6、数据可视化。借助可视化数据，能有效直观地表述想要呈现的信息、观点和建议，比如金字塔图、矩阵图、漏斗图、帕累托图等，同时也可以使用报告等形式与他人交流。

7、撰写分析报告。通过分析得出结论，并给出明确意见。

数据分析方法论

数据分析的方法论很多，其中六种比较常见的理论。

1、PEST分析法

PEST，也就是政治（Politics）、经济（Economy）、社会（Society）、技术（Technology），能从各个方面把握宏观环境的现状及变化趋势，主要用户行业分析。

宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。

对宏观环境因素作分析时，由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有差异，但一般都应对政治、经济、技术、社会，这四大类影响企业的主要外部环境因素进行分析。

政治环境：政治体制、经济体制、财政政策、税收政策、产业政策、投资政策等。

社会环境：人口规模、性别比例、年龄结构、生活力式、购买习惯、城市特点等。

技术环境：折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度等。

经济环境：GDP 及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。

2、5W2H分析法

5W2H，即为什么（Why）、什么事（What）、谁（Who）、什么时候（When）、什么地方（Where）、如何做（How）、什么价格（How much），主要用于用户行为分析、业务问题专题分析、营销活动等。

该分析方法又称为七何分析法，是一个非常简单、方便又实用的工具，以用户购买行为为例：

Why：用户为什么要买？产品的吸引点在哪里？

What：产品提供的功能是什么？

Who：用户群体是什么？这个群体的特点是什么？

When：购买频次是多少？

Where：产品在哪里最受欢迎？在哪里卖出去？

How：用户怎么购买？购买方式什么？

How much：用户购买的成本是多少？时间成本是多少？

3、SWOT分析法

SWOT分析法也叫态势分析法，S （strengths）是优势、W （weaknesses）是劣势，O （opportunities）是机会、T （threats）是威胁或风险。

SWOT分析法是用来确定企业自身的内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析。

运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而将公司的战略与公司内部资源、外部环境有机地结合起来。

4、4P营销理论

4P即产品（Product）、价格（Price）、渠道（Place）、推广（Promotion），在营销领域，这种以市场为导向的营销组合理论，被企业应用最普遍。

可以说企业的一切营销动作都是在围绕着4P理论进行，也就是将：产品、价格、渠道、推广。通过将四者的结合、协调发展，从而提高企业的市场份额，达到最终获利的目的。

产品：从市场营销的角度来看，产品是指能够提供给市场，被入们使用和消费并满足人们某种需要的任何东西，包括有形产品、服务、人员、组织、观念或它们的组合。

价格：是指顾客购买产品时的价格，包括基本价格、折扣价格、支付期限等。影响定价的主要因素有三个:需求、成本与竞争。

渠道：是指产品从生产企业流转到用户手上全过程中所经历的各个环节。

促销：是指企业通过销售行为的改变来刺激用户消费，以短期的行为（比如让利、买一送一，营销现场气氛等等)促成消费的增长，吸引其他品牌的用户或导致提前消费来促进销售的增长。广告、宣传推广、人员推销、销售促进是一个机构促销组合的四大要素。

5、逻辑树法

逻辑树又称问题树、演绎树或分解树等。它是把一个已知问题当成“主干”，然后开始考虑这个问题和哪些相关问题有关，也就是“分支”。逻辑树能保证解决问题的过程的完整性，它能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。

逻辑树的使用必须遵循以下三个原则：

要素化：把相同的问题总结归纳成要素。

框架化：将各个要素组织成框架。遵守不重不漏的原则。

关联化：框架内的各要素保持必要的相互关系，简单而不独立。

6、AARRR模型

AARRR模型是所有运营人员都要了解的一个数据模型，从整个用户生命周期入手，包括获取（Acquisition）、激活（Activition）、留存（Retention）、变现（Revenue）和传播（Refer）。

每个环节分别对应生命周期的5个重要过程，即从获取用户，到提升活跃度，提升留存率，并获取收入，直至最后形成病毒式传播。

数据分析思路

数据分析方法论主要是从宏观角度介绍如何进行数据分析，它就像是一个数据分析的前期规划，搭建一个清晰的数据分析框架。那么对于具体的业务场景问题，就要靠具体的分析方法来支撑了，下面小编就介绍几种常用的数据分析思路。

1、趋势分析

最简单、最常见的数据分析方法，一般用于核心指标的长期跟踪，比如点击率、GMV、活跃用户数。可以看出数据有那些趋势上的变化，有没有周期性，有没有拐点等，继而分析原因。

2、多维分解

也就是通过不同的维度对于数据进行分解，以获取更加精细的数据洞察。举个例子，对网站维护进行数据分析，可以拆分出地区、访问来源、设备、浏览器等等维度。

3、用户分群

针对符合某种特定行为或背景信息的用户，进行特定的优化和分析，将多维度和多指标作为分群条件，有针对性地优化供应链，提升供应链稳定性。

4、漏斗分析

按照已知的转化路径，借助漏斗模型分析总体和每一步的转化情况。例如将漏斗图用于网站关键路径的转化率分析，不仅能显示用户的最终转化率，同时还可以展示每一节点的转化率。

5、留存分析

留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。衡量留存的常见指标有次日留存率、7日留存率、30日留存率等。

6、A/B 测试

A/B测试是为了达到一个目标，采取了两套方案，通过实验观察两组方案的数据效果，判断两组方案的好坏，需要选择合理的分组样本、监测数据指标、事后数据分析和不同方案评估。

7、对比分析

分为横向对比（跟自己比）和纵向对比（跟别人比），常见的对比应用有A/B test，A/B test的关键就是保证两组中只有一个单一变量，其他条件保持一致。

8、交叉分析

交叉分析法就是将对比分析从多个维度进行交叉展现，进行多角度的结合分析，从中发现最为相关的维度来探索数据变化的原因。