數據分析的一些常見問題
數據分析和數據挖掘，是大數據應用的核心技術，也是大數據應用的關鍵所在
數據分析重要，但是，很多時候卻不知道該如何去做，面對大量的數據，卻無從下手。概括起來，經常面臨的困難有：
回應 (1)
-
0 讚
Big Data in Finance
分析目的不明確
分析方法不清晰
分析過程不清晰
分析思路不完善
數據分析和數據挖掘，是大數據應用的核心技術，也是大數據應用的關鍵所在
數據分析重要，但是，很多時候卻不知道該如何去做，面對大量的數據，卻無從下手。概括起來，經常面臨的困難有：
分析目的不明確
分析方法不清晰
分析過程不清晰
分析思路不完善
解讀數據能力差
不知道要分析什麼，也就是分析目的不明確。
經常有學員告訴我，領導給了一大堆數據給我，要我分析一下，但我不知道要分析什麼？除了基本的統計求和，我不知道要幹嗎。
明確分析目的，這是數據分析的起點，也是分析的終點。所有的分析工作都應該圍繞業務問題開始，分析的結果最終也要落到業務問題。
如果目的不明確，後續的分析工作就無法開展了。
數據分析不是一個單一的操作，而是一套複雜和完整的操作流程。
一般地，一個完整的數據分析包括了六個步驟，後一個步驟依賴前一個步驟，也是前一個過程的深入。
當有了分析目的之外，接下來就需要圍繞業務問題來收集相關的數據，並對收集來的數據進行預處理（清洗、轉化、提取、計算），如果使用FineBI之類的BI工具來處理的話就是先抽取數據、ETL處理數據，然後在前端多維度分析，並對分析結果進行可視化，最後形成一個完整的分析報告，到此，一個數據分析的工作才算正式完成。
分析目的明確了，數據也有了，但面對大量的、複雜的數據，卻無從下手，不知道怎樣分析，這是由於分析者缺乏對分析方法的了解。
數據分析最核心的工作，就是對數據進行分析。圍繞業務問題，採用什麼樣的分析方法，使用什麼樣的分析模型，選擇什麼樣的分析工具，這是數據分析的核心。這是分析師的必備技能。
為了便於理解，我將數據分析分為三個層次，從低到高，由淺入深，分別是統計分析，基本分析，數據挖掘。
一般情況下，企業有80%的工作都只需要掌握統計分析方法就可以了，剩下20%的工作需要更深入的分析及挖掘。當然，更深層次的業務規律及業務模式，需要更高層次的數據分析來解決。比如，市場細分，客戶特徵提取，等等。
好不容易分析有結果了，統計有數據了，但是，這些數據及分析結果表示什麼意思呢？與我們的業務有什麼關係呢？這一步也不知道坑了多少學員。
對數據不敏感，解讀數據的能力差，無法將分析結果與業務問題和業務策略關聯起來，這是數據應用的最大障礙。
如何來解讀數據，解讀分析結果，這需要有一定的數據解讀方法，也需要分析師要了解相應的業務邏輯。
我經常收到一些分析師的抱怨，他們說，基本的分析我都會了，但是，每次提交分析報告給領導以後，領導總是不太滿意，說我分析不全面，漏此漏那的。分析不全面，這是由於缺乏分析思路導致的。
如果說，分析方法是從微觀從細節來對數據進行分析，那麼，分析思路，就是從宏觀角度指導如何進行數據分析，比如從哪幾個方面來進行完整的數據分析而不會遺漏。
要掌握分析思路，需要分析師懂業務、懂管理、懂營銷。比如，如果要分析企業的外部環境，你必須要懂得PEST模型，即要從政策、經濟、社會和技術四個方面來進行分析，否則就是不全面的；如果要做競爭分析，你需要懂得SWOT 、波特五力，從這幾個方面來分析競爭態勢，才算完整和系統。
最簡單，最實用的是5W2H模型，廣泛用於企業營銷活動、用戶行為分析等專題分析中，即要求分析的從下面7個方面來進行分析，這樣可以確保能夠將用戶購買行為分析完整、系統。
數據分析看起來很簡單，但如果沒有經過系統的培訓，要勝任這項工作也是不容易的。畢竟，數據分析師作為企業主管的智囊，作為主管決策的支撐，其重要性及高要求是不言而喻。
轉貼自： 36大數據
摘要： 本 文為 2023 年 [ ... ]
Read more...
留下你的回應
以訪客張貼回應