前言

這篇文章是我讀《成為數(shù)據(jù)分析師：6步練就數(shù)據(jù)思維》之后，進(jìn)行的一篇梳理、回顧的文章。我將對(duì)這本書中我認(rèn)為重要的知識(shí)點(diǎn)與大家分享，感興趣的小伙伴可以找這本書看看。

一、這是一本什么樣的書？

（1）書本概述

這是一本科普性質(zhì)的文章，讓我們能更好的理解數(shù)據(jù)分析的每一個(gè)過(guò)程與步驟，其中包含的大量例子能夠幫助我們很好的理解每一個(gè)步驟。書本風(fēng)格是歐美風(fēng)，是國(guó)外書的譯本。

書本共分為三個(gè)模塊：

• 引言（了解）
  • 主要講數(shù)據(jù)分析是什么？
• 3大階段、6大步驟，高效商業(yè)決策的秘密（重點(diǎn)）
  • 主要講如何進(jìn)行數(shù)據(jù)分析？
• 未來(lái)人人都是數(shù)據(jù)分析師（了解）
  • 對(duì)數(shù)據(jù)分析師的工作方式以及思想進(jìn)行宣導(dǎo)

（2）適合人群

我覺得這本書適合：

• 數(shù)據(jù)分析的入門者，想要了解數(shù)據(jù)分析步驟，以及講解數(shù)據(jù)分析故事的方法。
• 已經(jīng)是數(shù)據(jù)分析師，還沒有形成自己的一套完整的數(shù)據(jù)分析項(xiàng)目的流程或步驟的，可以參考制定自己的工作流程。

書中介紹的該書的適合受眾是：

• 能基于分析結(jié)果制定出好的決策并采取行動(dòng)的人。
• 雖然是企業(yè)內(nèi)部的非定量分析人員，但需要基于定量數(shù)據(jù)和分析來(lái)開展工作并制定決策。

我對(duì)書本受眾人員的解讀就是：業(yè)務(wù)層的分析人員，需要借助技術(shù)方向的人來(lái)做決策。

二、引言部分解讀：數(shù)據(jù)分析的本質(zhì)

（1）數(shù)據(jù)分析本質(zhì)

通過(guò)對(duì)大量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析、解釋和挖掘，然后推動(dòng)現(xiàn)實(shí)問(wèn)題的決策和價(jià)值的實(shí)現(xiàn)。

從另一本書《從零進(jìn)階 數(shù)據(jù)分析的統(tǒng)計(jì)基礎(chǔ)中》，我讀到了更接地氣的一個(gè)定義，如下：

數(shù)據(jù)分析是指通過(guò)某種方法和技巧，對(duì)準(zhǔn)備好的數(shù)據(jù)進(jìn)行探索、分析，從中發(fā)現(xiàn)因果關(guān)系、內(nèi)部聯(lián)系和業(yè)務(wù)規(guī)律等分析結(jié)果，為特定的研究或商業(yè)目的提供參考。

（2）按分析的方法和目的分類

• 描述性分析
  • 所謂的“報(bào)告”，通過(guò)報(bào)表，描述某項(xiàng)事物的特性。
  • 用來(lái)表達(dá)這是一個(gè)什么情況很有效，但不能解釋某種結(jié)果發(fā)生的原因或者未來(lái)會(huì)發(fā)生的事情
  • 比如：某公司2018年的月度銷售額報(bào)表，報(bào)表僅表達(dá)了一個(gè)結(jié)果，而不能解釋為什么有些月份的銷售額猛增。
• 預(yù)測(cè)性分析
  • 對(duì)數(shù)據(jù)特征和變量的關(guān)系進(jìn)行描述，基于過(guò)去的數(shù)據(jù)對(duì)未來(lái)進(jìn)行預(yù)測(cè)；
  • 步驟一般是：先確定變量之間的聯(lián)系，然后基于這種聯(lián)系來(lái)預(yù)測(cè)另一種現(xiàn)象出現(xiàn)的可能性
  • 比如：用戶看到啤酒后，順便拿上尿布的可能性
• 規(guī)范性分析
  • 偏向數(shù)據(jù)挖掘，通過(guò)實(shí)驗(yàn)等方式，通過(guò)多個(gè)變量的處理，得到實(shí)驗(yàn)環(huán)境，達(dá)到預(yù)期目標(biāo)
  • 在得到預(yù)期結(jié)果后，就施行實(shí)驗(yàn)環(huán)境下的條件，最終達(dá)到商業(yè)目標(biāo)。
  • 比如：一件商品，在某個(gè)價(jià)格的情況下，大量顧客都會(huì)購(gòu)買，但是又要有比較高的收益，這時(shí)會(huì)進(jìn)行分析，在哪個(gè)價(jià)格區(qū)間，銷量最大，收益最高。

（3）按分析方法以及收集和分析的數(shù)據(jù)類型分類

• 定性分析（非結(jié)構(gòu)化數(shù)據(jù)）
  • 定性，即說(shuō)明是什么的問(wèn)題。目的是深入了解某種現(xiàn)象出現(xiàn)的根本原因和誘因。
  • 是分析的最初階段，也是探索性研究的有效工具
  • 是探索初期的，識(shí)別是什么的問(wèn)題的一個(gè)步驟
• 定量分析（結(jié)構(gòu)化數(shù)據(jù)）
  • 通過(guò)統(tǒng)計(jì)、數(shù)學(xué)或者計(jì)算的方法或方式，對(duì)現(xiàn)象進(jìn)行系統(tǒng)的實(shí)證研究。
  • 屬于研究階段
  • 是一個(gè)分析過(guò)程，驗(yàn)證猜想與實(shí)施的過(guò)程

（4）按照研究者的目的分類（作為了解即可，不做展開）

• 統(tǒng)計(jì)
• 預(yù)測(cè)
• 數(shù)據(jù)挖掘
• 文本挖掘
• 優(yōu)化
• 實(shí)驗(yàn)設(shè)計(jì)

三、三大階段與六大步驟

階段一：構(gòu)建問(wèn)題

1、識(shí)別問(wèn)題

2、回顧之前的發(fā)現(xiàn)

階段二：解決問(wèn)題

3、建模或選擇變量

4、收集數(shù)據(jù)

5、分析數(shù)據(jù)

階段三：傳達(dá)結(jié)果并基于結(jié)果采取行動(dòng)

6、傳達(dá)結(jié)果并基于結(jié)果采取行動(dòng)

四、步驟1解讀：識(shí)別問(wèn)題

即我們需要知道并理解要做什么？發(fā)生了什么？這樣才能知道我們下一步該做什么。
而在這個(gè)過(guò)程中，我們需要識(shí)別利益相關(guān)者是誰(shuí)，明白最終是誰(shuí)拍板，就跟做項(xiàng)目一樣，你要知道你的受眾是誰(shuí)，對(duì)癥下藥。
同時(shí)，在構(gòu)建問(wèn)題的過(guò)程中要聚焦、了解清晰的范圍，始終貫徹一點(diǎn)：你想知道什么？因?yàn)橛貌煌姆椒ǖ玫降慕Y(jié)果是不一樣的。

下面是詳細(xì)解讀：

（1）構(gòu)建問(wèn)題的來(lái)源

• 純粹的好奇，通常是基于常識(shí)或?qū)κ挛锏挠^察
• 識(shí)別問(wèn)題
• 工作相關(guān)經(jīng)驗(yàn)
• 需要制定一個(gè)決策或需要采取行動(dòng)
• 需要關(guān)注當(dāng)前存在的問(wèn)題
• 創(chuàng)建理論或者辨明現(xiàn)有理論或以往的研究

（2）利益相關(guān)者

• 找到利益相關(guān)者（一般是管理者或者決策者）
• 需要注意的問(wèn)題
  • 項(xiàng)目跟誰(shuí)有關(guān)？包括需求來(lái)源、資源配備、匯報(bào)對(duì)象等等
  • 是否對(duì)需要解決的問(wèn)題以及你的方案有個(gè)大概的了解？
  • 是否能夠給到你進(jìn)行數(shù)據(jù)分析的必要的資源？
  • 是否支持在決策過(guò)程中使用分析和數(shù)據(jù)？
  • 交流方式、案例等是否與他們的思維和決策方式一致？
  • 是否有計(jì)劃向利益相關(guān)者定期反饋和匯報(bào)階段成果？
• 管理分析項(xiàng)目的利益相關(guān)者
  • 識(shí)別所有的利益相關(guān)者
  • 記錄利益相關(guān)者的需求
  • 評(píng)估和分析利益相關(guān)者的興趣或影響
  • 管理相關(guān)者的預(yù)期
  • 采取行動(dòng)
  • 審核身份和重復(fù)步驟

（3）問(wèn)題聚焦

• 數(shù)據(jù)分析不是一次毫無(wú)目標(biāo)的實(shí)踐，需要讓業(yè)務(wù)需求方明白自己的目標(biāo)在哪兒，限定分析范圍
• 問(wèn)題不聚焦，那么分析結(jié)果也將不聚焦，結(jié)果是分散的
• 所以需要識(shí)別相關(guān)利益者，并管理利益相關(guān)者的預(yù)期，識(shí)別最終拍板行動(dòng)的人。

（4）問(wèn)題的范圍

• 問(wèn)題如果很寬泛，數(shù)據(jù)手機(jī)就會(huì)變得很困難
• 不要過(guò)早的限制問(wèn)題或決策的范圍，開放性的思考有哪些可選擇的方向
• 問(wèn)題要是一個(gè)可以檢驗(yàn)的假設(shè)，即：問(wèn)題要能得出結(jié)果。

（5）關(guān)鍵在于：你想知道什么

• 在分析挖掘過(guò)程中，對(duì)事物的不同定義方法會(huì)對(duì)結(jié)果造成很大影響
• 例如：研究顧客喜歡吃什么口味薯片。
  • 一位分析師讓顧客記錄下每次吃的是哪個(gè)品牌的什么口味的薯片
    • 結(jié)果精準(zhǔn)，但參與度低，受環(huán)境影響大
  • 另一位分析師讓顧客選擇近半年經(jīng)常吃的薯片是哪個(gè)品牌的什么口味的
    • 結(jié)果可能不精準(zhǔn)，但參與度會(huì)高，受環(huán)境影響小

五、步驟2解讀：回顧之前的發(fā)現(xiàn)

有很多其他書本上，沒有寫這個(gè)步驟，沒有將其放入數(shù)據(jù)分析步驟中。但我覺得，回顧過(guò)去發(fā)現(xiàn)很有必要。
最重要的，應(yīng)該是了解當(dāng)前故事的古往今來(lái)，避免踩坑，以及避免重復(fù)性工作。

（1）回顧之前的發(fā)現(xiàn)，思考：

• 到目前為止這個(gè)問(wèn)題時(shí)是如何被構(gòu)建的?
• 這個(gè)問(wèn)題可能以何種不同的方式被概念化?
• 是否有不同類型的發(fā)現(xiàn)？

（2）回顧之前的發(fā)現(xiàn)，可能帶來(lái)：

• 能講什么樣的故事？這個(gè)故事與什么有關(guān)？
• 我們更需要什么樣的數(shù)據(jù)？
• 以前的變量是如何定義的？
• 我們更可能進(jìn)行哪種分析？
• 如何用一種與過(guò)往不同的方式來(lái)講述我們的新故事？

第一階段收尾：問(wèn)自己10個(gè)問(wèn)題來(lái)判斷自己是否真的很好的構(gòu)建了問(wèn)題

1、是否清晰的定義了一個(gè)問(wèn)題或機(jī)會(huì)來(lái)解決企業(yè)的實(shí)際問(wèn)題？

• 要分析的內(nèi)容清楚了么？

2、是否有考慮過(guò)多種方式來(lái)解決問(wèn)題？

• 選擇的方式是不是最優(yōu)的？

3、是否識(shí)別出了問(wèn)題的利益相關(guān)者，并針對(duì)這個(gè)問(wèn)題進(jìn)行過(guò)廣泛的交流？

• 問(wèn)題不是憑空捏造的，有過(guò)充分交流么？

4、是否與利益相關(guān)者產(chǎn)生共鳴，且對(duì)他們會(huì)使用問(wèn)題的結(jié)果來(lái)制定決策擁有信心？

• 你的問(wèn)題能夠帶來(lái)成果？（謎之問(wèn)題）

5、一旦問(wèn)題被解決，決策的內(nèi)容以及決策的制定者是誰(shuí)？

• 后期好收反饋

6、是否對(duì)問(wèn)題的解讀是一個(gè)由大到小的過(guò)程，最后形成了一個(gè)需要解決、需要應(yīng)用數(shù)據(jù)以及明確可能出現(xiàn)的結(jié)果的非常確切的問(wèn)題？

• 問(wèn)題是否是一個(gè)漸進(jìn)明細(xì)的問(wèn)題？

7、是否能夠描述出你想講述的分析故事的類型？

• 按照自己的故事套路進(jìn)行分析講解問(wèn)題

8、是否有人能夠協(xié)助你完成這個(gè)特定類型的分析故事？

• 找?guī)褪?#xff1f;更專業(yè)

9、是否通過(guò)查詢，了解是否有與想解決的問(wèn)題相關(guān)的之前的發(fā)現(xiàn)或經(jīng)驗(yàn)？

• 找過(guò)去經(jīng)驗(yàn)，在巨人的肩膀上做事

10、是否基于之前的發(fā)現(xiàn)和所了解到的內(nèi)容，對(duì)問(wèn)題的定義進(jìn)行修正？

• 不斷修正自己所要研究的問(wèn)題

六、步驟3解讀：建模或選擇變量

這個(gè)部分描述不多，因?yàn)闀男再|(zhì)就是科普性的不會(huì)涉及技術(shù)方便，所以作為說(shuō)明內(nèi)容，篇幅不多。

建議閱讀其中的案例，了解一些案例是怎么選取變量和進(jìn)行分析的

（1）模型定義

• 某個(gè)現(xiàn)象或問(wèn)題的一種有目的性的簡(jiǎn)化呈現(xiàn)。
• “有目的性”的意思是這個(gè)模型是為解決特定問(wèn)題而專門建立的
• ”簡(jiǎn)化“是我們必須舍棄所有非必須的和無(wú)關(guān)緊要的細(xì)節(jié)，并保留最重要、有效、關(guān)鍵的且會(huì)造成影響的特征。

（2）變量選取原則

• 建立模型需要使用邏輯、經(jīng)驗(yàn)和之前的發(fā)現(xiàn)來(lái)假設(shè)你的獨(dú)立變量，以及你設(shè)法預(yù)測(cè)或解釋的問(wèn)題，還有會(huì)對(duì)這個(gè)問(wèn)題產(chǎn)生影響的獨(dú)立變量。
• 即便是相當(dāng)瑣碎、高度主觀性的決策也能通過(guò)定量和建模的方式進(jìn)行分析

七、步驟4解讀：收集與測(cè)量數(shù)據(jù)

數(shù)據(jù)一般來(lái)自于企業(yè)的數(shù)據(jù)庫(kù)或者Excel，需要注意的是如何對(duì)數(shù)據(jù)進(jìn)行ETL處理，要熟悉SQL、Excel操作。

對(duì)第三步中選定的變量進(jìn)行數(shù)據(jù)獲取和收集

（1）變量的類型

• 二元變量：變量只有兩個(gè)值，即是或否，比如性別
• 分類變量：比如：眼睛的顏色，國(guó)家等
• 序變量：即排序值
• 數(shù)值（間隔和比率）：即值大小。如：體重、身高等
• 可以理解為：維度和度量

八、步驟5解讀：數(shù)據(jù)分析

（1）識(shí)別出適當(dāng)?shù)哪Ｐ?#xff0c;我們需要考慮

• 需要同時(shí)分析多少變量？
• 需要得到描述性或推論性的問(wèn)題答案么？
• 在感興趣的變量中，什么樣的測(cè)量是可行的？

（2）變量數(shù)目影響模型的選擇

• 兩個(gè)數(shù)值型變量：可能是進(jìn)行相關(guān)性分析；
• 兩個(gè)或者幾個(gè)類別型變量：適合用表格方式呈現(xiàn)分析結(jié)果（維度之間的關(guān)系）；
• 兩個(gè)及以上數(shù)值型數(shù)據(jù)變量：回歸分析，或稱多遠(yuǎn)線性回歸。

#關(guān)鍵的統(tǒng)計(jì)概念和方法#

（1）ANOVA：方差分析

• 是關(guān)于超過(guò)兩組的均值是否相等的統(tǒng)計(jì)檢驗(yàn)。

（2）因果關(guān)系

• 事情A（原因）和事件B（影響）之間的關(guān)系，這時(shí)事件B被認(rèn)為是事件A的結(jié)果。
• 因果關(guān)系需要滿足的三個(gè)條件：
  • 原因必須在時(shí)間和空間上先于產(chǎn)生的影響
  • 當(dāng)影響起作用時(shí)，原因必須已經(jīng)出現(xiàn)
  • 當(dāng)影響不起作用時(shí)，原因必須消失

理解：先有因才有果，有果必有因，無(wú)果因不成。

（3）聚類或聚類分析

• 將具有同一特征的數(shù)據(jù)進(jìn)行分組
• 相關(guān)系數(shù)：兩個(gè)變量或多個(gè)變量相互之間的關(guān)聯(lián)程度，范圍在-1~1之間
  • 1：正相關(guān)
  • 0：無(wú)關(guān)
  • -1：負(fù)相關(guān)

相關(guān)性不代表因果性，相關(guān)性對(duì)因果關(guān)系而言是一個(gè)必要但不充分條件，即：有因果關(guān)系必然有相關(guān)性，有相關(guān)性不一定有因果關(guān)系。

（4）獨(dú)立變量

指想要預(yù)測(cè)和解釋其未知值的變量。也可稱為：被解釋變量或者反應(yīng)變量

（5）因子分析

• 一個(gè)使用了大量變量或目標(biāo)并披露它們之間的內(nèi)在聯(lián)系的統(tǒng)計(jì)程序。
• 目的：用來(lái)把大規(guī)模的變量壓縮成更小規(guī)模
• 用途：常被用來(lái)數(shù)據(jù)簡(jiǎn)化或者結(jié)構(gòu)識(shí)別。

（6）擬合度檢驗(yàn)

一個(gè)判斷樣本數(shù)據(jù)與特定的分布之間的匹配程度的統(tǒng)計(jì)檢驗(yàn)

1）假設(shè)檢驗(yàn)

• 一個(gè)用于評(píng)估關(guān)于現(xiàn)實(shí)的假設(shè)（聲明）的系統(tǒng)性方法。

• 聲明分為：

  • 零假設(shè)（H0）：給定的一組觀測(cè)值之間沒有顯著的差別或相關(guān)性。
  • 備擇假設(shè)(Ha/H1)：我們希望展示的變化或關(guān)系在數(shù)據(jù)中確實(shí)存在。

2）獨(dú)立變量

• 一個(gè)已知能夠用于幫助預(yù)測(cè)或解釋一個(gè)獨(dú)立變量的變量。
• 也可稱為：被解釋變量、預(yù)測(cè)變量或回歸量

3）ρ值

• 當(dāng)進(jìn)行一次假設(shè)檢驗(yàn)時(shí)，ρ值提供了在零假設(shè)（H0）成立的情況下，數(shù)據(jù)出現(xiàn)的可能性。
• 小的ρ值表示來(lái)自H0的罕見或異常數(shù)據(jù)，這時(shí)候提供了H0不成立的依據(jù)，并支持備擇假設(shè)的成立
• 在假設(shè)檢驗(yàn)中，當(dāng)ρ值小于顯著性水平α?xí)r，我們“拒絕零假設(shè)”，它通常為0.05或者0.01。
• 當(dāng)零假設(shè)被拒絕是，結(jié)果被稱為統(tǒng)計(jì)上的顯著

4）回歸

任何尋求一個(gè)預(yù)測(cè)公式的統(tǒng)計(jì)方法，這個(gè)公式允許一個(gè)獨(dú)立變量的未知值由來(lái)自一個(gè)或多個(gè)獨(dú)立變量的已知值來(lái)確定。

• 簡(jiǎn)單回歸分析
  • 使用一個(gè)獨(dú)立變量來(lái)預(yù)測(cè)一個(gè)因變量
• 多元回歸分析
  • 使用多元獨(dú)立變量來(lái)預(yù)測(cè)一個(gè)因變量。
• 邏輯回歸分析
  • 使用多元獨(dú)立變量來(lái)預(yù)測(cè)一個(gè)二元的、絕對(duì)的獨(dú)立變量（如：購(gòu)買/不夠買、對(duì)/錯(cuò)）

5）決定系數(shù)（R^2）

• 最常用的用于測(cè)量一條回歸線擬合它所基于的樣本數(shù)據(jù)程度的方法
• 數(shù)值在：0-1之間
• 它的值越大，模型就越好。說(shuō)明擬合程度越好

6）顯著性水平（α）

• 當(dāng)零假設(shè)成立時(shí)，在所有可能的樣本結(jié)果中，足夠異常來(lái)拒絕零假設(shè)的結(jié)果的（任意的）最大比例被稱為顯著性水平。
  • 即：顯著性水平表示認(rèn)可一個(gè)事件不可能是偶然發(fā)生所需的證據(jù)量

傳統(tǒng)的顯著性水平是5%（0.05），顯著性水平的值為5%意味著我們需要來(lái)自H0（如果H0確實(shí)是成立的）的低于5%的概率下會(huì)發(fā)生的數(shù)據(jù)，來(lái)懷疑H0的正確性并拒絕承認(rèn)H0成立。

在需要提供更強(qiáng)有力的證據(jù)來(lái)接受備擇假設(shè)（比如α=1%［0.01］）的情況下，我們可以使用更嚴(yán)格的顯著性水平的值。

在實(shí)踐中，顯著性水平通常通過(guò)計(jì)算ρ值來(lái)判斷；小于α的ρ值意味著拒絕H0并支持備擇假設(shè)。

7）t檢驗(yàn)

指檢驗(yàn)兩組數(shù)據(jù)的均值是否相等，或者一組數(shù)據(jù)的均值是否有一個(gè)特定的值的統(tǒng)計(jì)性檢驗(yàn)。

• 一類錯(cuò)誤或α錯(cuò)誤
  • 當(dāng)零假設(shè)成立時(shí)，一類錯(cuò)誤或α錯(cuò)誤出現(xiàn)，但是錯(cuò)誤被拒絕。在傳統(tǒng)的假設(shè)檢驗(yàn)中，如果ρ值比顯著性水平α小時(shí)，那么人們拒絕零假設(shè)。不正確地拒絕一個(gè)正確的零假設(shè)的概率等于α，因此，這個(gè)錯(cuò)誤也被稱為α錯(cuò)誤。
  • Ⅰ型錯(cuò)誤，拒絕了實(shí)際上成立的H0 ，即錯(cuò)誤地判為有差別，
  • 這種棄真的錯(cuò)誤稱為Ⅰ型錯(cuò)誤。其概率大小用即檢驗(yàn)水準(zhǔn)用α表示。α可取單尾也可取雙尾。假設(shè)檢驗(yàn)時(shí)可根據(jù)研究目的來(lái)確定其大小，一般取0．05或者0.01，當(dāng)拒絕H0時(shí)則理論上理論100次檢驗(yàn)中平均有5次或者1次發(fā)生這樣的錯(cuò)誤。
• 二類錯(cuò)誤或β錯(cuò)誤
  • Ⅱ型錯(cuò)誤，接受了實(shí)際上不成立的H0 ，也就是錯(cuò)誤地判為無(wú)差別，這類取偽的錯(cuò)誤稱為第二類錯(cuò)誤。
  • 第二類錯(cuò)誤的概率用β表示，β的大小很難確切估計(jì)。當(dāng)樣本例數(shù)固定時(shí)，α愈小，β愈大；反之，α愈大，β愈小。因而可通過(guò)選定α控制β大小。要同時(shí)減小α和β，唯有增加樣本例數(shù)。
  • 統(tǒng)計(jì)上將1－β稱為檢驗(yàn)效能或把握度（power of a test），即兩個(gè)總體確有差別存在，而以α為檢驗(yàn)水準(zhǔn)，假設(shè)檢驗(yàn)?zāi)馨l(fā)現(xiàn)它們有差別的能力。

統(tǒng)計(jì)學(xué)上差別顯著與否，與實(shí)際意義是有區(qū)別的。

如應(yīng)用某藥治療高血壓，平均降低舒張壓0.5kPa，并得出差別有高度統(tǒng)計(jì)學(xué)意義的結(jié)論。從統(tǒng)計(jì)學(xué)角度，說(shuō)明該藥有降壓作用，但實(shí)際上，降低0.5kPa是無(wú)臨床意義。

因此要結(jié)合專業(yè)作出恰如其分的結(jié)論。

（7）模型的修正

所有應(yīng)用了定量模型的分析，必須定期檢查模型，確保他們?nèi)匀贿m用并仍然擬合數(shù)據(jù)。

如果不再適用，那就需要對(duì)模型進(jìn)行一些必要的改變。

至少每年進(jìn)行一次檢查，除非有理由需要更加頻繁的進(jìn)行檢查。

九、步驟6解讀：傳達(dá)結(jié)果并基于結(jié)果采取行動(dòng)

好故事該有的特征：

（1）在設(shè)計(jì)好故事的中間部分之前想好出結(jié)尾。

• 分析結(jié)果是講述故事的唯一原因
• 要想清楚自己希望聽眾知道寫什么？
• 要清楚你希望他們做什么？

用以上三點(diǎn)來(lái)檢測(cè)要講的故事的其他部分，只留下能支持你結(jié)尾的內(nèi)容。

（2）把結(jié)果進(jìn)行記錄，并付出行動(dòng)

一個(gè)再好的分析，沒有進(jìn)行實(shí)踐那也是白費(fèi)。

（3）能用3-5句話講述故事的基本要點(diǎn)

用最簡(jiǎn)單的方式，告訴大家你發(fā)現(xiàn)了什么。

#講述分析結(jié)果故事的方法#

（1）犯罪現(xiàn)場(chǎng)調(diào)查故事

將出現(xiàn)的問(wèn)題作為“犯罪現(xiàn)場(chǎng)”，并尋找出現(xiàn)問(wèn)題的本質(zhì)、解決辦法

例如：銷售額降低了（犯罪現(xiàn)場(chǎng)），這是為什么（找本質(zhì)和解決辦法）？

（2）尤卡里故事

犯罪現(xiàn)場(chǎng)調(diào)查故事類似

不同之處：是一種解決特定問(wèn)題和目的的方法，用來(lái)檢驗(yàn)組織戰(zhàn)略或商業(yè)模式中進(jìn)行的重大改變。（決定進(jìn)行某種決策，會(huì)帶來(lái)什么問(wèn)題）

例如：點(diǎn)外賣的時(shí)候，有些店鋪強(qiáng)制性要求購(gòu)買1元的延時(shí)服務(wù)，那么現(xiàn)在店鋪打算取消強(qiáng)制購(gòu)買話，接單量是否會(huì)提升？

（3）瘋狂科學(xué)家故事

即通過(guò)實(shí)驗(yàn)進(jìn)行證明結(jié)論

比較適合零售或者銀行，對(duì)小范圍的人群進(jìn)行實(shí)驗(yàn)，分為測(cè)試組和對(duì)照組，研究?jī)山M實(shí)驗(yàn)結(jié)果的顯著性（即A/B Test）

例如：作為寶潔公司的主管，我把商品放在沃爾瑪買，和放在普通超市買，沃爾瑪能賣掉更多商品么？

（4）調(diào)查故事

在已發(fā)生現(xiàn)象的基礎(chǔ)上，進(jìn)行觀察、編碼、分析。

類似于調(diào)查問(wèn)卷的形式進(jìn)行，然后針對(duì)調(diào)查所得結(jié)果進(jìn)行分析，（分析師不會(huì)試圖控制結(jié)果）

例如：在一次問(wèn)卷調(diào)查中，樣本容量為100，隨機(jī)進(jìn)行調(diào)查，分析在18-25歲之間，人們的學(xué)歷水平如何？

（5）預(yù)測(cè)故事

預(yù)測(cè)未來(lái)會(huì)發(fā)生什么的一種故事

通過(guò)對(duì)過(guò)往數(shù)據(jù)的分析和理解，發(fā)現(xiàn)導(dǎo)致過(guò)去某種現(xiàn)象發(fā)生的原因，進(jìn)而調(diào)整策略達(dá)到某種商業(yè)目的的分析

例如：調(diào)查哪有在職超過(guò)6個(gè)月，沒有實(shí)際項(xiàng)目成員將會(huì)在未來(lái)3個(gè)月離職？

(6)“情況是這樣的”故事

最常見的，僅僅使用數(shù)據(jù)說(shuō)明發(fā)生了什么的故事

即講述一個(gè)事實(shí)，不會(huì)用復(fù)雜的數(shù)學(xué)計(jì)算。

比如：公司2019年第一季度的財(cái)報(bào)

十、總結(jié)

全文通讀下來(lái)，我的收獲如下：

1、數(shù)據(jù)分析的3大階段6大步驟，在書中的示例中有了深刻的理解；

再次重復(fù)3大階段6大步驟：

（1）構(gòu)建問(wèn)題：

• 識(shí)別和構(gòu)建問(wèn)題
• 回顧之前的發(fā)現(xiàn)

（2）解決問(wèn)題

• 建模或選擇變量
• 收集數(shù)據(jù)
• 分析數(shù)據(jù)

（3）傳達(dá)結(jié)果并基于結(jié)果采取行動(dòng)

• 傳達(dá)結(jié)果并基于結(jié)果采取行動(dòng)

2、了解了在數(shù)據(jù)分析過(guò)程中的注意事項(xiàng)，如

• 利益相關(guān)者的識(shí)別與管理；
• 如何判斷自己真的做好了問(wèn)題構(gòu)建；
• 有哪些故事？如何講故事；

3、自己覺得可以精讀地方

• 文章中關(guān)于數(shù)據(jù)分析的舉例；
• 關(guān)鍵的統(tǒng)計(jì)概念和方法；

4、初步構(gòu)建了自己的數(shù)據(jù)分析項(xiàng)目的處理套路與做事方法。

結(jié)語(yǔ)

每本書關(guān)于數(shù)據(jù)分析步驟的描述可能都會(huì)不一樣， 但基本大同小異，我也會(huì)持續(xù)優(yōu)化我的文章。
附上，關(guān)于整篇文章的腦圖：

以上就是我對(duì)該書的理解和梳理，若有錯(cuò)誤之處，歡迎大家評(píng)論指正。

在學(xué)習(xí)數(shù)據(jù)分析的小伙伴們可以私信我，一起討論交流呀！

也歡迎大家關(guān)注我的知乎專欄《數(shù)據(jù)分析學(xué)習(xí)之路》，我將持續(xù)更新我數(shù)據(jù)分析學(xué)習(xí)之路的點(diǎn)點(diǎn)滴滴，與大家共同進(jìn)步。謝謝大家！

總結(jié)

以上是生活随笔為你收集整理的数据分析的3大阶段6大步骤的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。