文章探讨了数据、信息和知识的层次关系，强调数据分析在数据到决策过程中的作用。主要内容包括数据分析的四种类型（描述、诊断、预测、规范），分析流程的六个步骤（目标设定、数据收集、处理、分析、展现、报告），以及分析工作中的关键要素和思维模式（如对比、拆分、降维、增维和假设验证）。文章适用于面试准备，帮助展示数据从业者的专业素养和思维方式。
写在前面
数据、信息、知识是层层递进的。从集合的角度来看，数据包含信息，信息包含知识。数据的概念太大了，从大量的数据中提取出来关键的内容，这就是所谓的信息，信息可以消除不确定性。从信息中在提取出关键的内容，这就是所谓的知识，旨在支持组织的业务运作个管理决策。
可以这么说，数据分析就是从海量信息中发现有用的知识的过程，这些有用的知识可以赋能业务决策。所以不难看出，数据分析是数据到决策的桥梁，即数据——数据分析——决策——执行。本文将从方法论的层面聊一聊数据分析是怎么一回事，希望本文对你在面试或者日常工作中有所帮助。
Tips:数据研发面试无外乎四件事：数据、技术、业务、产品，围绕这四方面把自己推销出去即可。关于数据层面该聊些什么事情呢，换句话说怎么才能显得自己很高大上呢，这个时候就需要数据分析登场了。数据分析，抛开术的层面，应该是每一个数据从业者需要具备的一项技能，或者至少要有这方面的思维方式。
数据分析需要做什么
- 描述分析
相对简单，旨在给出现状，即发生了什么
- 诊断分析
在描述分析的基础之上，需要提供问题背后的原因，即为什么发生
- 预测分析
基于现状分析，利用统计、数据挖掘等技术，对未来做出预测，即将会发生什么
- 规范分析
形成一套管理决策方案，推动业务执行。
值得注意的是，在实际的工作场景中，描述分析和诊断分析基本上是数据分析师的主要工作内容。
tips:从做什么的角度进行展开，把日常的分析工作归一下类，其实大部分时候并不是什么高大上的算法模型，从宏观上加一概括，可以让面试官看出个人的高屋建瓴，瞬间提升一个level。
分析流程
准备阶段
- 确定分析目标和分析思路(框架)，界定问题是重中之重，很容易被忽略
- 数据收集
实施阶段
- 数据处理
- 数据分析
- 数据展现
- 撰写报告
Tips:聊完数据分析都是干什么的，再来聊聊数据分析该怎么干。数据分析六部曲，别管有没有实操过，先亮出来再说。针对这六个方面完全可以融合到自己的开发流程中，体现出自己不只是取数干活的。
数据分析的核心秘籍
三项关键要素
- 谁看数据：不同level的人，关注的数据粒度不一样，CEO决策和运营决策所看的数据是不一样的.
- 什么业务:不同的业务关注的点不一样
- 分析思维
三个关键要素，跳出数据分析看数据分析，换句话说，对于一个数据分析一窍不通的人，应该需要从哪些方面考虑问题。
五个思维模式
- 对比：横向比(跟其他参照物对比)、纵向比(不同日期对比)
- 拆分：便于找到更细节的问题，比如销售额 = 成交用户数x客单价，成交用户数= 访问用户数x转化率
- 降维：不要迷失在数据指标里面，找到核心的指标
- 增维：基于原始指标，加工辅助的指标
- 假设：先假设，在验证
Tips:这五个思维方式是实操过程中肯定会用到的，简单凝练的说出这五种思维方式，相信对方会认为你有点东西。
总结
本文主要介绍了在面试的过程中，该如何跟面试官聊数据分析。简单讲，可以概括为三个方面：数据分析是做什么的、数据分析该怎么做、数据分析的方法论。当然，这些只是从宏观的角度去思考了数据分析，在实际的操作过程中会涉及到很多术的层面，需要我们在日常的工作中多加注意。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
