什么是数据分析？

Question

如题所述

Answer 1

数据分析（Data Analysis） 数据分析概念
　　数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析，以求最大化地开发数据资料的功能，发挥数据的作用。是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
　　数据也称观测值，是实验、测量、观察、调查等的结果，常以数量的形式给出。
　　数据分析与数据挖掘密切相关，但数据挖掘往往倾向于关注较大型的数据集，较少侧重于推理，且常常采用的是最初为另外一种不同目的而采集的数据。 数据分析的目的与意义
　　数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。
　　在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。例如J.开普勒通过分析行星角位置的观测数据，找出了行星运动规律。又如，一个企业的领导人要通过市场调查，分析所得数据以判定市场动向，从而制定合适的生产及销售计划。因此数据分析有极广泛的应用范围。 数据分析的功能
数据分析主要包含下面几个功能：
　　1. 简单数学运算（Simple Math）
　　2. 统计（Statistics）
　　3. 快速傅里叶变换（FFT）
　　4. 平滑和滤波（Smoothing and Filtering）
　　5. 基线和峰值分析(Baseline and Peak Analysis)

数据分析的类型
　　在统计学领域，有些人将数据分析划分为描述性统计分析、探索性数据分析以及验证性数据分析；其中，探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧重于已有假设的证实或证伪。
　　探索性数据分析：是指为了形成值得假设的检验而对数据进行分析的一种方法，是对传统统计学假设检验手段的补充。该方法由美国著名统计学家约翰·图基(John Tukey)命名。
　　定性数据分析：又称为“定性资料分析”、“定性研究”或者“质性研究资料分析”，是指对诸如词语、照片、观察结果之类的非数值型数据（或者说资料）的分析。

数据分析步骤
　　数据分析有极广泛的应用范围。典型的数据分析可能包含以下三个步：
　　1、探索性数据分析，当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。
　　2、模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。
　　3、推断分析，通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。

数据分析过程实施
　　数据分析过程的主要活动由识别信息需求、收集数据、分析数据、评价并改进数据分析的有效性组成。
　　一、识别信息需求
　　识别信息需求是确保数据分析过程有效性的首要条件，可以为收集数据、分析数据提供清晰的目标。识别信息需求是管理者的职责管理者应根据决策和过程控制的需求，提出对信息的需求。就过程控制而言，管理者应识别需求要利用那些信息支持评审过程输入、过程输出、资源配置的合理性、过程活动的优化方案和过程异常变异的发现。 　　二、收集数据
　　有目的的收集数据，是确保数据分析过程有效的基础。组织需要对收集数据的内容、渠道、方法进行策划。策划时应考虑：
　　① 将识别的需求转化为具体的要求，如评价供方时，需要收集的数据可能包括其过程能力、测量系统不确定度等相关数据；
　　② 明确由谁在何时何处，通过何种渠道和方法收集数据；
　　③ 记录表应便于使用；
　　④ 采取有效措施，防止数据丢失和虚假数据对系统的干扰。

　　三、分析数据
　　分析数据是将收集的数据通过加工、整理和分析、使其转化为信息，通常用方法有：
　　老七种工具，即排列图、因果图、分层法、调查表、散步图、直方图、控制图；
　　新七种工具，即关联图、系统图、矩阵图、KJ法、计划评审技术、PDPC法、矩阵数据图；

　　四、数据分析过程的改进
　　数据分析是质量管理体系的基础。组织的管理者应在适当时，通过对以下问题的分析，评估其有效性：
　　① 提供决策的信息是否充分、可信，是否存在因信息不足、失准、滞后而导致决策失误的问题；
　　② 信息对持续改进质量管理体系、过程、产品所发挥的作用是否与期望值一致，是否在产品实现过程中有效运用数据分析；
　　③ 收集数据的目的是否明确，收集的数据是否真实和充分，信息渠道是否畅通；
　　④ 数据分析方法是否合理，是否将风险控制在可接受的范围；
　　⑤ 数据分析所需资源是否得到保障。

Answer 2

Answer 3

第02期1+X电子商务数据分析师（初级）视频课程，这节课我们继续学习数据分析岗位发展，觉得对资格证考试有帮助的话，帮忙点赞和转发一下，关注并私信我，发送文字“初级课程”就能获取全部视频课程资料，下期再见。

Answer 4

一、什么是数据分析

指用专业的统计分析方法对大量数据进行分析，并加以详细研究和概括总结，提取有价值的信息，形成有效的分析结论，从而影响业务决策

二、数据分析的作用

现状分析，过去发生了什么？例如通过描述性统计诊断业务状况

原因分析，为什么会发生？例如通过维度拆解和指标拆解等分析方法，并结合实际业务，寻找业务异常点

预测分析，将来可能发生什么？例如根据用户行为数据预测是否即将流失，并对即将流失的用户采取挽留措施

三、如何数据分析？

1.明确分析目的与思路

思路决定结果，必须明确数据分析目的，形成清晰的思路框架，避免为了分析而分析


2.数据收集

基于分析目的去收集相关的数据集，大部分为公司的内部数据，也可能涉及外部数据

关系型管理数据库（RMDB，利用SQL语言取数），数据仓库（WareHouse，利用HiveSQL取数）

文件：excel、csv、txt等

系统/平台：手动导出、selenium等python自动化脚本

互联网：网络爬虫

API：requests请求库、解析json文件等


3.数据清洗

将数据整理成整洁干净并利于接下来分析的结构和格式，数据可能分布得比较零散，需要对各类数据集进行集成

异常值、错误值、缺失值处理

字段的拆分、合并、信息提取、格式转换等

表关联：左、右、外（全）、内连接、笛卡尔积表等（左半、左反连接等）

表结构转换：行转列（长表转宽表）、列转行（宽表转长表等）、行列转置、数据透视（逆透视）


4.数据分析

需要掌握常用的分析方法和机器学习算法

基本分析方法：构成分析、对比分析、分组分析、交叉分析、趋势分析等

高级分析方法：线性回归、逻辑回归、决策树、随机森林、聚类等算法


5.数据可视化

将分析观点用图表的形式呈现出来

字不如表，表不如图，一图胜千言

基本统计图表：饼图、条形图、折线图、散点图、雷达图、漏斗图等

专业统计图表：直方图、热力图、箱线图、提琴图、核密度估计图等


6.数据分析报告

将重要的分析结论和发现汇总成PPT，形成一份完整的数据分析报告

金字塔结构，总分总形式

结论先行、由上而下、归纳分组、逻辑递进

结构清晰，层次分明，突出重点，明确要点


7.数据应用

将可行性的建议方案应用到实际业务场景，并解决公司的实际业务问题

为业务决策提供数据支持，实现数据驱动业务增长

四、数据分析工具

工欲善其事必先利其器，需要掌握的主流数据分析工具

Excel，非常重要的基础

PowerBI/Tableau，强大的商业智能BI工具

SQL，必备的数据库数据查询语言

Python，人工智能的首选计算机语言

本回答被网友采纳

Answer 5

主要就是通过数据去解决企业实际遇到的问题，包括根据数据分析的原因和结果推理以及预测未来进行制定方案、对调研搜集到的各种产品数据的整理、对资料进行分类和汇总。具体的实例可以去阿里云大学官网做一些Clouder，增加对Python在项目中的使用场景理解，或者九道门商业大数据分析实验室官网，学习数据库、数据建模等大数据实例分析。