谁说菜鸟不会数据分析整理概括版本Word文档格式.docx
《谁说菜鸟不会数据分析整理概括版本Word文档格式.docx》由会员分享，可在线阅读，更多相关《谁说菜鸟不会数据分析整理概括版本Word文档格式.docx（17页珍藏版）》请在冰豆网上搜索。
二、数据收集
数据收集是按照确定的数据分析框架，收集相关数据的过程，它为数据分析提供了素材和依据。
一般数据来源主要有以下几种方式：
数据库（公司自身数据库）、公开出版物（中国统计年鉴）、互联网（搜索引擎）、市场调查（专门的调查）
三、数据处理
数据处理的基本目的是从大量的、杂乱无章、难以理解的数据中，抽取并推导出对问题有价值、有意义的数据。
数据处理主要包括数据清洗、数据转化、数据提取、数据计算等处理方法。
1.数据清洗
找出重复数据（函数法、高级筛选法、条件格式法、数据表透视法）
删除重复数据（菜单删除重复选项、通过排序删除重复选项、筛选删除重复选项）
缺失数据处理（缺失值接受标准10%以下）：
定位输入（查找）：
开始-编辑-定位条件-空白-确定
处理方法（四种）：
样本统计量值替代缺失值（常用平均值）
统计模型计算的值替代（回归模型、判别模型）
将缺失数据删除（样本量减少）
将缺失数据记录保留，仅在相应的分析中做必要的排除
检查数据逻辑错误（利用IF函数检查错误、利用条件格式标记错误：
OR,AND）
2.数据加工
数据抽取：
保留元数据表中某些字段的部分信息，组合成一个新字段。
（字段分裂：
菜单法.数据-数据工具-分裂其他选项按自己需求填写函数法.LEFT&
RIAHT;
字段合并，字段匹配）
数据计算：
简单计算（加减乘除）、函数计算（sum、average等）、
3.数据分组：
（VLOOKUP）
4.数据转换
数据表的行列互换（开始-剪贴板-粘贴-选择性粘贴-对话框里面的转置）
5.数据抽样
使用RAND
四、数据分析
数据分析是指用适当的分析方法及工具，对处理过的数据进行分析；
提取有价值的信息，形成有效结论的过程。
数据处理是数据分析的基础，通过数据处理，将收集到的原始数据转化为可以分析的形式，并且保证数据的一致性和有效性。
数据挖掘是一种高级的数据分析方法。
数据挖掘是人们长期对数据库技术进行研究开发的结果。
数据挖掘侧重解决四类数据问题：
分析、聚类、关联和预测，重点需找模式和规律。
数据分析方法三大作用：
现状分析（对比）、原因分析（细分）、预测分析（预测）
1.对比分析法：
将两个或两个以上的数据进行比较，分析差异，从而揭示数据所代表的事物发展情况和规律性。
可分为静态比较（同一时间条件下对不同总体指标的比较如不同部门、不同地区、不同国家的比较，也叫做横向比较），动态比较（在同意总体条件下对不同时期指标数值的比较，也叫纵向比较）。
在实践运用中，与目标对比，不同时期对比，同级部门、单位、地区对比，行内对比，活动效果对比。
进行对比应该注意到以下几点因素：
指标的口径范围、计算方法、计量单位必须一致；
对比对象的可比性，对比对象之间相似处越多越具有可比性；
对比的指标类型必须一致。
2.分组分析法：
把数据分析对象划分为不同的部分和类型来进行研究，以揭示其内在的联系和规律。
步骤：
确定数组、确定各组的组距、根据组距大小，对数据进行分组整理，划归至相应组内。
3.结构分析法：
总体内各部分占总体的比例属于相对指标。
一般来说，某部分的比例越大，说明其重要程度越高，对总体的影响越大。
4.平均分析法：
运用计算平均的方法来反应总体在一定时间、地点条件下某一数量特征的一般水平。
平均指标可用于某一同一现象在不同地区、不同部门、不同类型部门、不同时间。
有两特点，一是如上，二是某些现象在不同历史时期的变化，更能说明发展趋势和规律。
5.交叉分析法：
通常用于两个变量之间的关系即同时将两个有一定联系的变量及其值交叉排列在一张表格内，使各变量值成为不同变量的交叉节点，形成交叉表，从而分析交叉表中变量之间的关系。
如二维表
6.综合评价分析法：
人们通过对实践活动的总结，逐步形成了一系列多个指标对多个参评单位进行评价的方法。
1）确定综合评价指标体系2）收集数据3）确定指标体系中各指标的权重，以保证评价的科学性4）对经处理后的指标在进行再进行汇总计算出综合评价指数或综合评价分值5）根据评价指数或分值对参评单位进行排序，并由此得出结论。
三大特点：
通过一系列特殊方法将多个指标同时完成，要根据指标的重要性进行加权处理，以指数或分值表示参评单位综合状况的的排序。
权重确定的方法：
专家访谈法、德尔菲法、层次分析法、主成分分析法、因子分析法、回归分析法、目标优化矩阵表
7.杜邦分析法：
利用主要财务指标间的内在联系，对企业财务状况及经济效益进行综合分析评价的方法。
8.漏斗图分析法：
适合业务流程比较规范、周期比较长、各流程环节涉及复杂业务过程比较多的管理分析工具。
9.矩阵关联分析法：
指根据事物的两个重要属性作为分析的依据，进行分类关联分析，找出解决问题的一种分析方法。
目标优化矩阵表：
把人脑的模糊思维简化为计算机的1/0式逻辑模式
研究方向
数据分析方法
产品研究
相关分析、对应分析、判别分析、结合分析、多为尺度分析等
品牌研究
相关分析、聚类分析、判别分析、因子分析、对应分析、多为尺度分析等
价格研究
相关分析、PSM价格分析等
市场细分
聚类分析、判别分析、因子分析、对应分析、多为尺度分析、logistic回归、决策树等
满意度研究
相关分析、回归分析、主成分分析、因子分析、结构方程等
用户研究
相关分析、聚类分析、判别分析、因子分析、对应分析、logistic回归、决策树、关联规则等
预测决策
回归分析、决策树、神经网络、时间序列、logistic回归等
数据分析工具：
数据透视表
五、数据展现
一般情况下，数据是通过表格和图形方法来呈现的。
图形的种类很多。
（能用图说明问题的就不用表格，能用表格说明问题的就不用文字。
通过关系选择图表：
成分（用于表示整体的一部分，饼图、柱形图、条形图、瀑布图）、排序（比较大小进行排列）、时间序列（表示某事按照一定的时间顺序发展的走势、趋势）、频率分布（用于表示各项目、类别间的比较）、相关性（用于衡量两大类中各项目间的关系）、多重数据比较（数据类型多于2个的数据分析比较）
要表达的数据和信息
饼图
柱形图
条形图
折线图
气泡图
其他（雷达图、散点图、表格）
成分
整体一部分
1
百分比堆积图
排序
数据间比较
帕累托图
时间序列
走势、趋势
面积图
频率分布
数据频次
相关性
数据间关系
散点图
多重数据比较
雷达图
（1表示已被选中）
图标制作五步法：
1.确定所要表达的主体或目的2.确定哪种图表适合你的目的
3.选择数据制作图表4.检查是否有效的展示数据
5.检查是否表达了你的观点
表格注意事项
1.突出单元格（用特殊背景，颜色突出个别项：
开始-样式-条件格式-突出显示单元格规则）
2.项目选取（与上不同的是指定的规则不同，突出显示的单元格的规则指定值是与原始数据相关的数据同上所选）
3.数据条（数据条越长，表示数值越大….）
4.图标集（对数据进行注释，并可以按照临界值，将数据分为3-5个类别）
5.迷你图（可提供对数据的形象表示）
图表换装
1.平均线图（在原来的柱形图或折线图的基础上，添加一条平均线或则标准线。
先列出数据与平均数据，选取所给的数据做柱形图，选柱形图中的“平均值”的任一条柱，右击选“更改系列图表类型”把柱形图改为折线图不带数据标记）
2.双坐标图（图中有两个及其以上数据，并且他们的量纲不同或者数据差别很大，在一纵坐标下就无法很好的展现原数据的面貌，做法同上只不过要带数据标记）
3.竖形折线图（主要用来展示产品功能、品牌形象等在消费者心中的评价）
4.瀑布图（第n个占位数据的大小=（总成本-（成本1+成本2+成本3+….成本n）））
5.帕累托图（又叫排列图，主次图；
6.旋风图（同一事物在某个活动、行为影响前后不同指标的变化；
在指标a变化下，指标b影响也随之变化，具有因果关系；
两个类别之间不同指标的比较，如某班男女同学成绩的比较）
7.人口金字塔图（专门用来反应人口过去、现在、未来的发展情况）
8.漏斗图
9.矩阵图（散点图）
10.发展矩阵图
11.改进难易矩阵（气泡图）（以上图形做法XX便可）
美化图表
1.别让图表犯错（标题、图例、单位、脚注、资料来源）
2.制作图表的规则
避免生出无意义的图表（作图表与否标准：
能否帮助你有效表达信息）
避免信息量过大（一张图表反应一个观点，才能突出重点）
基本院原则：
简约，标题要有吸引力
图形的注意事项：
1.饼图（把数据从12点钟的位置开始排列最重要成分靠近12点钟的位置，数据项5个以内，不要使用饼图分离，不要使用图例；
数据超过5项使用复合饼图）
2.柱形图（同一数据序列使用相同的颜色，不要使用倾斜的标签，别让读者歪着脑袋看）
3.条形图（同一序列使用相同的颜色，尽量让数据由大到小排序，方便阅读，不使用倾斜的标签，最好添加数据标签）
4.折线图（折线的线型要相对粗些要有突出的感觉，线条一般不超过5条若过多可以分开作图表，不使用倾斜的标签，纵坐标从0一般开始）
图表会说谎
虚张声势的增长（对增长比较平缓的图形进行拉伸）
3D效果的伪装（3D效果的图表让人理解起来困难重重，使得图表显得拖沓繁沉）
一维图形的障眼法（使用图形的大小来表示增长）
图表美化三原则
1.简约（简明扼要、清晰明了）
2.整洁（整整齐齐、干干净净、和谐自然）
3.对比（是指突出某些重要，帮助读者迅速抓住信息）
美化图标的技巧
1.最大化数据墨水比（图表中的每一滴墨水都要有存在的理由即尽量减少和弱化非数据元素—网格线、坐标轴、填充色等与数据源有关，增强和突出数据元素—曲线、条形、扇形等与数据源无关）步骤：
1.去掉不必要的背景填充色2.去掉无意义的颜色分类3.去掉装饰性的渐变性4.去掉网格线、边框5.删掉不必要的图例6.去掉不必要的坐标轴7.去掉装饰行的图片8.以上不能去掉的元素要尽量淡化9.对需强调的数据元素进行突出标识
2.找出隐形的线（注意图表中元素的位置，应找出能够与之对齐的元素）
图表喜欢的数字格式（数据标签很多时，可考虑改成Arial字体）
4.如何突出对比（使用醒目的颜色、直线、箭头、阴影将元素突出，切记对比的目的：
让读者快速地领悟重要信息，其次才是吸引读者的眼球，调动他们的兴趣）
图表的配色方案
主色
配色
红色
白色、黑色、蓝灰色、米色、灰色
咖啡色
米色、鹅黄、转红、蓝绿色、黑色
黄色
紫色、蓝色、白色、咖啡色、黑色
绿色
白色、米色、黑色、暗紫色、灰棕色
蓝色
白色、粉蓝色、酱红色、金色、银色、橄榄绿、橙色、黄色
制作属于自己的模板，快速作图f11键，添加小工具jwalkcharttools通过加载宏来加载，这个工具需另外下载；
修剪超大值
六、报告撰写
数据分析报告是对整个数据分析过程的一个总结和呈现。
通过报告，把数据分析的起因、过程、及结果完整的呈现出来，提供决策者参考。
好的分析报告一定要有建议或解决方案。
初识分析报告
1.写作原则：
规范性（名词术语规范前后一致，与行内公认的术语一致）、
重要性（体现数据分析的重点，重点选取关键指标，按重要性的高低来分级阐述）、
谨慎性（基础数据必须真实、完整，内容实事求是）、
创新性（各种新的研究模型或数据分析方法）
2.报告的作用：
展示分析结果、验证分析质量（对整个数据分析项目的一个总结）、提供决策参考
3.报告的种类：
专题分析报告（对社会经济现象的某一个方面或某个问题进行专门研究的一种数据分析报告，作用为决策者制定某项政策、解决某个问题提供决策参考和依据；
特点：
单一性，主要针对某一方面或问题进行分析，不要求反映事物的全貌；
深入性，主要针对问题深入，对问题进行具体描述，对引起的问题的原因进行分析，并提出可行的解决方案的）
综合分析报告（全面评价一个地区、单位、部门业务或其他发展方面例如世界人口发展报告；
全面性，综合分析报告反映的对象，全面反映对象的各个方面的情况；
联系性，要把一些相互关联的一些现象、问题综合起来进行全面系统的分析，联系的重点比例关系和平衡关系，分析他们的发展是否协调，是否适应。
）、
日常数据通报（以定期数据分析报表为依据，反映计划执行情况，并分析其影响和形成原因，一般是按日月季年等时间阶段进行；
进度性，必须把计划执行的进度与时间的进展结合起来分析，观察两者是否一样，从而判断计划完成的好坏，需要计算一些绝对数和相对数指标来突出进度；
规范性，反应计划的基本情况，分析完成或未完成的原因，总结计划执行中的成绩和经验，找出存在的问题，提出措施和建议；
时效性，有日常数据通报的性质和任务决定，是时效性最强的一种）
数据分析报告的结构
按照总—分—总的结构
结构开篇包括标题页、目录和前言（主要包括分析背景、目的与思路）；
正文包括具体分析过程与结果；
结尾部分包括结论、建议及附录
标题页：
题目要精简干练，要求在一两行内完成；
常用类型：
解释基本观点，点名数据分析报告的基本观点《不可忽视高价值客户的保有》；
概括主要内容，重在叙述数据反映的基本事实《我司销售额比去年增长30%》；
交代分析主题，这类反映分析的对象、范围、时间、内容等情况，并不点明分析师的看法和主张《2014年运营报告》；
提出问题，以设问的方式提出报告所要分析的问题所在，引起读者的注意和思考。
制作要求：
直接，不可含糊，开门见山的表达基本观点；
确切，做到文题相符，宽窄适度；
简洁反应报告的主要内容和基本精神，高度的概括性；
标题的艺术性
目录：
相当于数据分析大纲，体现报告的分析思路，不能过于详细
一、分析背景与目的
二、分析思路
三、分析正文
1.
2.
四、总结与建议
前言：
分析背景（为何要开展此次分析？
有何意义？
分析目的（通过此次分析要解决什么问题？
达到何种目的？
分析思路（如何开展此次分析？
主要通过哪几方面开展？
正文：
系统全面的表述数据分析的过程与结果；
特点如下：
是报告最长的部分
包含所有数据分析的事实与观点
通过数据图表和相关的文字结合分析
正文各部分具有逻辑关系
结论与建议：
结论是以分析结果为依据得出的分析结果，以综述性文字来说明，结合公司实际业务，经过综合分析、逻辑推理形成的总体论点；
建议对企业或业务所存在的问题提出的解决方案，主要关注在保持优势及改进劣势等方面
附录：
提供正文中涉及而未予阐述的有关资料，有时也包含证问题及的资料，包括涉及的专有名词解释、计算方法、重要原始数据、地图等内容，每个内容都要编号。
撰写报告的注意事项：
结构合理，逻辑清晰；
实事求是，反应真实；
用词准确，避免含糊；
篇幅适宜，简洁有效；
结合业务，分析合理
数据分析的三大误区
1、分析目的不明确，为分析而分析
数据分析应该围绕自己的分析目的（了解现状、找出业务变动原因、预测发展等）而分析。
2、缺乏业务知识，分析结果偏离实际
对业务的理解相对较浅，对数据分析偏重于数据分析方法的使用，如回归分析、相关分析，分析忽视了业务逻辑上的关联性，得不到全面、综合性的结论。
懂营销，懂管理，懂策略。
3、以为追求使用高级分析方法，热衷研究模型
高级的数据分析方法不一定是最好的，能够简单有效解决问题的方法才是最好的。
仅有分析模型远远不够，围绕业务发现问题并解决问题的才是数据分析的最终目的。
数据分析师的职业要求
一、懂业务
熟悉行业知识、公司业务及流程
二、懂管理
是搭建数据分析框架的要求，还是针对数据分析结论提出有指导意义的分析建议
三、懂分析
掌握数据分析的基本原理与一些有效的数据分析方法（基本的数据分析方法有：
对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等）
四、懂工具
Excel、access、spss、SAS，建议先学好Excel
五、懂设计
运用图表有效表达数据分析师的分析观点
数据分析师的基本素质
1、态度严谨负责
2、好奇心强
3、逻辑思维清晰
4、擅长模仿学习
5、勇于创新
几个常用指标和术语
1.平均数2.绝对数与相对数3.百分比和百分点4.频数和频率5.比例和比率
6.倍数和番数7.同比和环比
数据分析三字经
1.学习：
先了解，后深入：
先记录，后记忆；
先理论，后实践；
先模仿，后创新
2.方法：
先思路，后方法；
先框架，后细化；
先方法，后工具；
先思考，后动手
3.分析：
先业务，后数据；
先假设，后验证；
先总体，后局部；
先总结，后建议
数据类型
字符型数据数值型数据
数据表的设计要求
1.数据表由标题行和数据部分组成
2.第一行是表的列标题（字段名），列标题不能重复
3.第二行起是数据部分，数据部分的每一行数据称为一个记录，并且数据部分不允许出现空白列
4.数据表中不能含有合并单元格存在
5.数据表与其他数据之间留出至少一个空白行和一个空白列
6.数据表需要以一维的形式存储，但是在实际操作中接触的数据往往是以二维表格的形式存在的，此时应该将二维表转化为一维表的形式存储数据（Excel中将二维数据表转化为一维数据表，需要“添加功能选项”——“数据透视表和数据透视图向导”）
数据来源
导入外部数据：
文本和网站数据来源
问卷录入要求：
（调查问卷常用的类型：
单选、多选、排序、开放性文字题）
数值题（直接录入数据即可）单选题（答案唯一，用1234替代ABCD）
多选题（二分法：
把每一个相应选项定义为一个变量，若一个变量有被选到则填上1，否则填上0；
多重分类法：
定义录入的数值A—1…..根据限选的项数确定输入变量个数，选A则填1）
排序题（定义对应变量A—1….，然后按照被调查者填写的顺序录入选项）
开放性文字题（如果答案可以进行归类，侧进行归类，若不可以则要概括填写）
数据分析主要有三大作用：
现状分析：
告诉我们过去发生了什么。
原因分析：
告诉我们为什么发生。
预测分析：
告诉我们将来会发生什么。
运营分析部的主要职责如下：
1、负责完成运营日报、周报、月报等日常通报，告诉公司领导及运营部门现阶段公司整体运营情况，这是通过各个关键经营指标完成情况来衡量的。
2、根据公司运营需要，开阵业务专题分析。
比如基于日报、周报、月报的现状分析，我们对公司的运营情况由了基本了解，但是这还不够，还需要知道运营情况具体好在哪里，差在哪里，是什么原因引起的。
这时就需要开展原因分析，以进一步确定业务变动的具体原因。
3、根据公司运营需要，开展市场研究工作。
如果现有数据无法满足分析要求，就需要通过外部用户调研进行补充说明，我们才能进一步了解用户的真实想法与需求。
4、开展预测分析，预测公司未来发展趋势，为公司制订运营目标及策略提供有效的决策依据，以保证公司的可持续健康发展。
5、搭建公司经营分析体系，指导公司业务运营。
数据分析师“神马”
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将他们以汇总、理解并消化，以求最大化地开发数据的功能，发挥数据的作用。
数据分析的目的是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
数据分析：
描述性-探索性-验证性
初级数据分析：
对比分析法、平均分析法、交叉分析法
高级数据分析：
相关分析、因子分析、回归分析
数据分析师如此抢手的原因何在呢？
一个简单的原因就是社会越发达，人们对数据的依赖就越多。
无论政府还是公司运营，科学研究还是媒体宣传，都需要数据支持。
那么，对数据有如此大的以来，就必然导致对数据分析的大量需求。
因此，将数据转化为知识、结论和规律，就是数据分析的作用和价值。
数据分析的重点--数据“供应链”
1、将数据与实际业务进行结合，深入了解业务背景，明确需求。
2、将数据信息化、可视化
3、转化为生产力，帮助企业获利。
数据分析师的想法？
1、数据变化的背后真相是什么？
2、从哪些角度分析数据才系统？
3、用什么分析方法最有效？
4、图表是否表达出有效的效果？
5、数据分析的目的达到了么？
6、数据分析报告有说服力么？
1、态度严谨负责
2、好奇心强烈
3、逻辑思维清晰-有条理，有目的，不可以眉毛胡子一把抓，不分主次。
4、擅长模仿-模仿主要是参考他人优秀的分析思路和方法。
但不能一直在模仿，从未超越。
5、勇于创新
数据分析的六部曲：
明确目的-数据收集-数据处理-数据分析-数据展现-报告撰写
常用的指标或术语：
1、平均数
2、相对数与绝对数
3、百分比与百分点
4、频数与频率
5、比例与比率
6、倍数与番数
7、同比与环比
数据处理原则：
“三心二意”处理数据
信心、细心、平常心、诚意、合老板意
信心：
什么是信息？
信息是指未看见任何未来时，你依然怀抱希望，坚持下去。
细心：
1%的错误=100%的失败
合老板意：
第一，
升级会员 