Excel基础之何为数据分析及思路

数据分析的定义及意义:

数据分析:是指通过恰当的统计方法和 可行的分析手段，对数据进行收集汇总，然后再加工处理。最后对处理过后的有效数据进行分析，通过数据发现有效的决策、可行的方案、现存问题，从而帮助人们采取更科学的行动 。

数据不局限于狭义上的“数字”，一切可分析的信息都能称之为数据，包括文字、图形、行为方式。

数据分析类型 (三类)

描述性统计分析 概括、表述事物关系
探索性数据分析 发现数据新征
验证性数据分析 对假设进行证实

数据分析的实际应用

分析现状     分析原因      进行预测
控制企业成本    留住核心客户    精准进货

数据分析6步法:

1. 目标导向

以目标为驱动的数据分析不仅可以保证信息收集的效率，还可以在数据分析时选择有效的分析方式和工具。

2. 数据收集

内部数据库: 企业、商家自成立以来建立起的数据库;
多网络平台会定期发布相关的数据统计;
现在有许多出版物中都可以查寻到相关的数据统计;
如果经过网络、出版物等多方查阅都无法收集到的数据，可以利用市场调查来进行;
有很多专业的数据机构，提供各行业、各种类数据获取服务(购买);

3. 数据处理

成功收集到原始数据往往比较杂乱、数据量大，此时需要对其进行数据处理;
数据处理的目的在于提高数据质量，手段包括对收集到的数据进行检查、清洗、转换、提取、计算;
经过处理的数据会更具准确性、更有规律，为数 据分析打下基础;

4. 数据分析

通常需要运用多种工具，如透视表、Excel中的数据分析工具，等等

5. 数据展现

数据展现的目的在于将枯燥的数据转化成图表等更直观的形象。数据展现有两个作用：
第一，帮助人们从抽象 、枯燥的数据中发现规律；
第二，在后期制作数据分析报告时，用直观的数据形象作为展现方式，帮助报告读者理解 数据信息。

6. 数据报告

扫除专业术语的障碍

平均数:

表示的是一组数据的集中趋势量数，其计算方法是这组数据所有之和再除以这组数据的个数 ;

众数:

众数是一组数据中出现次数最多的数值。在统计学中，众数代表着数据集中趋势。有时 在一组数值中，可能存在多个众数。具有一个众数的数据集合叫单峰（unimodal），二个 众数的数据集合叫双峰（bimodal）;

中位数 :

指一组数据按照从大小顺序排列，处在最在中间的数据（或中间两个数据的 平均数）叫这组数据的中位数

绝对值与相对值:

在进行数据分析时，将绝对值与相对值相结合进行分析是常用的一种分析模型。

百分比与百分点 :

百分比也称为百分率或百分数，表示一个数是另一个数的百分之几，用百分号%来表示。而百分点指不同时间段百分比的变化幅度，1%的百分比变化幅度 =1个百分点。

比例与比率:

在统计学概念中，比例表示总体中部分数值与总体数值的比较，反映的是部分与整体的 关系。而比率表示总体中一部分数值与另一部分数值的比较，反映的是部分与部分的关系 。

同比与环比:

同比，指今年某个时期与去年相同时期的数据比较。
环比，指某个时期与前一时期的数据比较。

5种分析模型:

1. SWOT模型

SWOT模型又称态势分析法，该模型是20世纪80年代初由旧金山大学的管理学教授提出，是一种能够较客观而 准确地分析和研究一个单位现实情况的方法。 SWOT模型中，分为内部因素和外部因素。
内部因素包括，S代表 strength（优势），W代表weakness（劣势 ）；
外部因素包括，O代表opportunity（机会），T代表threat（威胁）。

2 .PEST模型

PEST模型指的是企业宏观环境的分析模型，其中，P是政治(politics)，E是经济(economy)，S是社会(society) ，T是技术(technology)。
该模型适合用来分析企业集团所处的客观背景。

3. 5W2H模型

5W2H模型又叫七问分析法 ，该模型简单、方便、容易理解 ，且富有启发意义。广泛应用于企业问题分析、决策措施的寻找 、疏漏问题弥补等情况的数据分析。

4. 4P营销模型

4P营销理论模型是随着营销组合理论的提出而出现的，产生于20世纪60年代的美国。该模型常用于企业营销状况 分析、商品销售策略分析。
4P营销模型由4个要素构成，即产品（Product）、价格（Price）、渠道（Place）、宣传（Promotion）。

5. 逻辑树模型

逻辑树模型又称问题树、演绎树或分解树模型。是一种通用的分析模型，广泛适合于各种情况下的问题分析，作用在于层层分解、追本溯源，找到问题的症结所在。
逻辑树的基本结构是，从最高层开始，逐步向下扩展分解。即将一个已知的大问题当成最高层，然后考虑与该问题相关的因素，每考虑到一个点，就添加一根“树枝”，以此类推，将每个问题都细化到最小处，最终形成一颗“逻辑树 ”。

3个学习数据分析的优秀网站

艾瑞网——学习分析思路、报告撰写方法
网易数读——学习数据展现
.UED——学习数据分析在用户研究上的应用

数据分析的11种思路

1. 发现走势：预测的思路

预测分析实质是根据现在和过去的数据进行未来趋势预测;
关键点:
一是数据在时间上的连续性，二是数据的 数量，三是数据的全面性，
时间点上的数据越多、连续性越高、全面性越好，预测结果越准确。

2. 理清关系：交叉的思路

简单的交叉分析法是建立在纵向分析法和横向分析法的基础上，从数据交叉的点出发，进行数据分析。
总而言之，通过数据交叉分析的思路，可以：（1）理清数据间的关系；（2）快速分析每个交叉点的值； （3）方便地对数值进行求和计算；（4）将注意力集中在目标数据项上。

3. 验证结论：假设的思路

1.基本思路 数据分析的实际运用时，会遇到这样的情况：目标分析对象的样本数量太大或者是无法获取全面，只能通过 样本分析总体情况。如某大型网站进行了改版设计，现在需要调查改版是否影响了销量。于是统计了改版前 后15天的销量数据，并做出假设，然后利用数据计算检验假设是否正确。
2.检验方法 在前期假设分析过程中，确定了原假设和备设假设，接下来就需要选定统计方法来验证哪个假设是客观正确 的。根据数据的类型和特点，可以选择T检验、Z检验、卡方检验等方法。其中T检验和Z检验是比较常用， 也可以利用Excel工具进行方便分析的两个方法。

4. 判断好坏：对比的思路

对事物做出客观判断是数据分析的主要目的，判断的主要方法之一便是依靠事物的对比。有对比才能识别数据的 差异，发现表现优秀的数据项目、找到数据下滑的项目、不符合标准的数据项目、最好和最差的项目。

5. 万物归宗：分组的思路

数据分组的第一步便是要确定分组依据。同一份数据，可以有多种分组方法，关键在于分组是否有实际意义， 是否对分析有用。分组依据决定了数据分析的后期过程及结果。

6. 查看比例：概率的思路

互斥事件的概率
当事件A和事件B只会发生其中一种事件时，这两种称为互斥事件，互斥事件的概率相加为100%。
相互事件的概率
互斥事件的概率分析往往比较简单。然而现实生活中，很多事件是相互关联和影响的;

7. 指标为王：平均的思路

关注数据的平均数，是数据分析的重要方法。使用平均数指标，可以了解数据的大体情况，也可以对比 单项数据的表现。

8. 客观评价：指标综合的思路

在数据分析中，对比分析、概率分析、平均分析，此类分析法都建立在比较单一的情况下。但是随着情况的复杂 性加强，这类分析简单问题的思路似乎不再适用。例如评价企业员工的好坏，发现各有所长，却又都有缺点。那 么谁更优秀，如何判断？
第一步：确定指标
第二步：收集指标数据/信息
第三步：确定指标权重
第四步：完成综合计算

9. 追根溯源：杜邦分析的思路

杜邦分析的核心
是将企业的权益净利率使用结构化的相关因素表现出来，并通过加减乘除等运算符号体现因素间 的内在联系。有助于企业管理层更加清晰地看到权益资本收益率的决定因素、销售净利润率与总资产周转率、债 务比率之间的相互关联关系。

杜邦分析的广泛应用
杜邦分析的思路最早运用在企业资产分析，但是找到项目的各项影响因素，并结构化地呈现，这种基本思路可以 广泛应用于现代各行各业的数据分析中。

10. 找到症结：漏斗分析的思路

寻找问题原因，找到多个环节中出纰漏最大的一步，建议使用漏斗分析的思路。 漏斗分析是流程式的数据分析思路，能够科学、全面、流程化地反映对象从开始到结束的各阶段状态，通过比较 各状态，找到问题阶段所在，做出针对性改进措施。漏斗分析的思路被广泛应用于网站数据分析、电商数据分析 、流量监控、目标转化等领域中。

11. 具有全局观：象限分析的思路

常规象限分析法
常规的象限分析法适用两个因素相互作用的情况。例如网站商品的销量情况，与商品的流量和收藏量有关，两者 相互影响。在这两种因素的作用下，商品就会出现四种不同的类型

象限分析法拓展
在常规象限分析法中，可以发现一个弊端。那就是只能从两个维度分析对象的情况。例如上面的例子中，只能分 析商品的流量和收藏量。可是流量大收藏量也不能百分之百说明商品的销量就会大，销量也是衡量商品是否有前 途的重要因素。如何将销量的维度加入到象限分析过程中？这就需要在常规象限分析的基础上进行拓展。常规象 限分析用小圆点的X、Y坐标来表示数据的两个维度，如果改变圆点的大小，就可以增加第三个维度，即用圆点 大小来体现销量大小。

6个数据分析基本工具

海量数据的克星——数据透视表
让抽象数据直观展现的利器——图表
简单工具也能有大用处——条件格式
麻雀虽小五脏俱全——迷你图
数据归类统计利器——分类汇总
交互式数据可视化工具——Power BI