知识体系_数据分析挖掘_01_数据分析概述

​​​​1.什么是数据&数据分析

数据：对事物的描述和记录，是信息的表现形式

数据分析：明确要分析的问题，收集相关数据，处理数据，并借助数据分析方法和工具，对数据进行分析，得到有用的信息和结论，助力科学决策，从而驱动改变，迭代增长（数据--->有用信息/结论）;数据分析是从业务需求出发到分析挖掘再回归到业务的过程，脱离业务场景的数据分析往往无法落地。业务场景=用户+产品+场景

数据分析与数据挖掘：数据挖掘是一种高阶的数据分析方法，侧重解决分类、聚类、关联、预测，重点在于寻找模式与规律，但本质上是一样的，都是从数据里面发现关于业务的知识。侧重于解决数据分析中的“探索性数据分析”、和”预测性分析“

注：

1.数据并不局限于狭义上的“数字”，一切可用于分析的素材都可称为数据，还可以是文字、图片、视频、音频等等。

2.2015年以前很少有专门的数据分析岗位

2.数据分析有什么作用(三大作用)

描述现状-->分析原因-->预测未来

（1）描述现状：告诉你已经发生了什么，一般通过日常监控报表来完成，按报表的更新周期，可分为如日报、周报、月报、年报等形式。

（2）分析原因：告诉你某一现状为什么发生，一般通过专题分析来完成，根据企业运营情况选择针对某一现状进行原因分析。

（3）预测未来：告诉你将来可能发生什么。一般通过专题分析来完成，通常在制定企业年度、季度计划时进行，开展频率没有现状分析和原因分析高。

数据分析的三个作用是递进关系，首先可以分析当下的情况，例如通过分析企业运营数据，判断当前的运营现状；当对现状有了了解和判断后，就可以进一步分析当下存在的问题，找到问题的根源所在。也可以分析当下运营良好的原因，找到企业能稳步发展的相关因素；当了解了现状，又分析出造成现状的原因后，就可以分析对策，再预测实施对策后的未来发展趋势。总而言之，数据分析的核心目的是保证事态往更理想的方向发展。

通过数据分析挖掘业务中的问题，并定位原因、给出方案建议，实现增长、降本增效，是数据分析最重要的价值。但数据分析最终是否能产生价值，除了上述的发现问题、定位问题、给出方案和建议外，还要注重项目的落地，这里涉及的能力有项目能力（需求管理、定义问题、落地计划、部署上线）、资源协调、向上汇报、横向沟通等。

3.数据分析的类型(三大类型)

在统计学的领域内，又将数据分析分为描述性统计分析（描述统计）、探索性数据分析以及验证性数据分析（推断统计）。

（1）描述性统计分析：概括、表述事物整体状况以及事物间关联、类属关系

（2）探索性数据分析：侧重于发现数据之间新的关联

（3）验证性数据分析：侧重于对已有假设的证实或证伪

4.数据分析流程（六步曲）

数据分析只是手段而不是目标，真正的目标是为了做出更好的决策，以目标为导向，遵从一定步骤，才不至于在分析过程中手忙脚乱。

不做无头苍蝇，目标导向：确定目标，只有明确了目标，才能确定分析思路，分析方法及分析工具、及需要收集的数据，为后续步骤指明方向，而不至于抓瞎。

常见的数据分析目标主要包括以下3种类型：

(1)指标波动型：主要针对某个指标上升了或下降了进行原因分析，并且量化各因素影响。

(2)活动/策略效果评估型：针对上线的活动、功能、策略效果评估，并给出下一步迭代方向。

(3)专题探索型：主要针对业务发起的一些专题进行方向性探索，例如如何提高客户活跃度、交易金额、留存等等

不要空手套白狼，数据收集：分析数据的前提是要收集到相关的数据，正所谓“巧妇难为无米之炊”，数据一般有以下几个来源：内部数据库、互联网、出版物、购买、市场调查。提取数据时，通常要注意提取的维度和指标个数。（ps:维度是分类型数据，而指标是数值型数据）

不要急功近利，数据处理：收集到的数据往往可能较杂乱，存在缺失、异常值、格式不统一等问题，因此分析前需要先对数据进行处理，包括数据的清洗、集成、转换、规约，以提高数据质量，为数据分析打下基础，