想学数据分析?先来看看基础入门吧
谁说菜鸟不会数据分析的读书笔记,读完这本书的第一感觉是,excel已经够喝一壶了,不要急着想学SPSS、SAS,还是先从基础的看起吧。
做数据分析切忌为了分析而分析,要有明确的分析目的,一般会借助于一些理论模型来知道分析,比如:
营销方面的理论模型:4P、用户使用行为、STP理论、SWOT等,管理方面的理论模型:PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则。
书中列举的这些理论模型很多都听说过,只是平时处理问题很少用到,或者说没有人带着去切实的拿这些理论解决过实际问题,所以也就在平时很少想起了。不过在看这些方法的原理时,还是觉得蛮牛的。
数据收集常见的就是网络、数据库、调研等。
数据处理有数据清洗以去除垃圾数据,并且进行相应的转化计算。
后面花了很大的篇幅讲数据展现,还是比较全面的,见识了各种数据图表是如何做出来的。
其中讲了平均数、绝对数、百分数等几个以前小学学的概念,捡个现在用的比较多的说下:
倍数是一个数除以另一个数的商。
番数是指原来数量的2的N次方。N是几,就是现在的数据较原来的数据翻了几番。
以月为栗子来说明
2016年8月的数据较2015年8月的数据为同比。
2016年8月的数据较2016年7月的数据为环比。
书中有一个有意思的表格说明了方法论在数据分析中的位置:
作者用数据分析与服装师设计做类比,来说明方法论就像服装的设计图纸一样从整体上指导数据分析按照一定的规则体系完成,而不是抓到一块分析一块。
下面讲讲都有哪些方法论:
这个方法的名字其实就是四个分析因素的首字母缩写,分别是政治(political)、经济(economic)、技术(technological)和社会(social)。
一般用于从宏观层面分析企业或行业所处的环境。
也是英文首字母,何时(When)、何地(Where)、何人(Who)、何因(Why)、何事(What)、如何(How)、何价(How much)。
这个分析方法用途还是蛮大的,可以用于很多场景的分析,比如用户画像、用户的购买行为等等。
这个分析方法,如果你会用思维导图工具的话,一看就明白,其实就是将一个大问题一层层拆分成一个小问题,以便更好地分析问题,查找解决办法。
这个理论还真的是用于营销的,4P分别是产品(Product)、价格(Price)、促销(Promotion)、渠道(Place)。主要用于产品的营销分析。
强烈建议看到本文的小伙伴随便找一组数据在excel的“表格-条件格式”中的各种条件格式试一遍,你会发现,真的很好玩,原来一些看起来很炫酷的功能其实excel是可以轻松实现的。
挺实用的功能,用于多个不连续的空白单元格一次性填充相同内容。具体操作步骤如下:
1、按住ctrl不放,用鼠标左键一个个选中所有空白单元格。
2、选好后,放开ctrl,输入要填充的内容,这时,填充的内容会显示在最后一个选中的单元格中。
3、关键一步,按住ctrl不放,再按enter,这时,所有之前选中的单元格都会被填充上相同的内容。
函数比较难在博客中讲清楚,几个重要的函数,同学们可以自行百度一下具体用法:
取左部字符——left();
取右部字符——right();
字符合并——concatenate();
在表格的首列查找指定数据,并返回表格中需要的其他数据,用于两个表格匹配合并——vlookup();
跟上一个类似,是在表格的首行查找指定数据——hlookup();
年、月、日提取——date();
计算时间间隔长度,常用于工龄计算——dateif();
数据随机抽样——rand();
这也是比这之前一直很苦恼的一个问题,书中讲的方法不错,这里沿用书中的人才评价的例子说明:
如上表,将所有指标建立一个矩阵,一一进行对比重要性,行比列重要,交叉单元格写1,反之写0,比如人品对比动手能力,人品没有动手能力重要,则写0。注意,各指标不与自己做对比。
完成表格后,每一个指标都会有一个自己的得分,得分越高,权重越大:
某指标权重=(某指标重要性合计得分/所有指标的重要性合计得分)*100%
单独列出来,是因为这个excel的这个功能真的很好用,不过在博客也很难讲清楚,还请同学们自行百度一下,“数据透视表”,好用的不能再好用的功能。
书中这部分展示了各种炫酷的图表样式,适合浏览一下,以后用的上可以查阅,这里也做简单罗列:
柱状图、雷达图、条件格式(这个不是图形,是在第4点提到的功能,很强大,可以实现一些炫酷的效果,比如数据条、图标集、迷你图)、平均线图、双坐标图、竖形折线图、矩阵图、气泡图。
总体来看,这本书对我这种只会用excel最最基础功能的小白来说,还是蛮多惊喜的,至少有了一个全局观。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29