艰苦的数据分析工作，从一张Excel表开始

随着“大数据”概念的持续“高温”，越来越多企业及个人也开始关注数据分析，我整理了一些经常会被问到的关于数据分析的问题，在这里和大家一起简单的聊一聊。

首先，被问到最多的问题就是：

数据分析是什么？

数据分析如果让我用一句话概括，就是连接数据及人类认知之间的桥梁。

就像观察微生物需要显微镜、了解时间需要钟表、知道温度需要温度计一样，在理解人类感官无法直接认知的数据问题时就需要使用名为“数据分析”的工具了。

数据分析主要帮助决策者了解情况、发现规律以及预测将来。

假如我是一家做的还不错的卖服装的淘宝店长，我需要知道一天内我卖了多少件商品、挣了多少钱、哪个品牌卖的多哪个品牌卖的少、哪种商品需要补货、哪种颜色受欢迎等等信息，以便及时做出策略调整，保持市场竞争优势。

这就是了解情况。

在经营了一段时间之后，店里积累了一些历史数据，通过对数据的深入挖掘，我发现特定人群甲喜欢购买圆领深色服装，而另一些特定人群乙喜欢购买宽松浅色服装，一些人在买了A品牌T-Shirt之后会购买B品牌短裤，而另一部分人在浏览了C页面后会对D品牌产生兴趣。

于是我将圆领深色服装推销给甲，将宽松浅色服装推销给乙，将B品牌短裤购买链接添加在A品牌T-Shirt购买页的推荐商品中，将D品牌促销信息追加到C页面中，于是店中的商品走的更好了。

这就是发现规律。

又经营一段时间后，我发现E品牌商品总是在被浏览2到3次之后就会被卖出去一件，于是我发现浏览次数与销售件数之间存在较强的关联关系，于是我想办法增加E品牌商品的点击次数，通过浏览量的趋势大致可以预测出未来一段时间内销量的变化情况。

这就是预测将来。

数据分析有哪些类别呢？

根据数据分析作用的不同，我们可以将数据分析大致分成以下类别：

以了解业务情况为目的的数据分析方法归类为业务数据分析方法，以发现规律及预测将来为目的的数据分析方法归类为数据挖掘分析方法。

数据分析要掌握哪些知识技能呢？

做数据挖掘分析需要分析人员具有较高的数理统计知识、一定的工具使用及编程技能以及较高的业务知识才能完成。

工具：

在工具上除了需要掌握做数据分析工作最离不开的Excel及SQL外，还要掌握一些专业的数据挖掘工具。

常使用的数据挖掘工具有Python语言、R语言、SPSS、SAS等。想成为合格的数据挖掘向的数据分析师需要一段较长的学习时间以及一定的工作积累。

较高的业务知识：

业务数据分析方法的目的是对业务情况的事实描述，较少涉及数理统计的相关知识，对业务知识、数据加工处理整合方法、数据汇总方法及业务图表呈现方法的要求较高。基本不要求编程技能。

此类方法适合非数据分析专业人员学习掌握，比如像从事财务、人力资源、销售支持等业务部门工作的员工，他们已经具备相当丰富的业务知识了，再掌握数据加工、数据汇总及业务图表呈现等技能后便可以独立进行业务数据分析了。

业务人员进行业务数据分析需要掌握的基本工具主要有两个，一个是Excel，另一个是SQL。

如果你还能掌握一定的Excel Power BI技能，那么你将有可能为企业决策者提供一份高实用性的多维自助数据可视化分析成果，让决策者想知道什么信息便能快速获得什么信息。

我们管这种多维的、交互式操作的、以可视化图表而非表格形式为主要呈现形式的业务数据分析成果叫“商业智能”分析报表。我们常听到的XX分析仪、XX仪表板、XX驾驶舱、XX大屏等都属于商业智能范畴。

下边是传统业务分析报表与商业智能报表的几个对比截图，通过截图相信大家能够快速理解两者的区别。

案例1 - 销售管理类业务数据分析报表：

案例2 – 财务数据分析报表：