大道至簡的數(shù)據(jù)分析方法論

學(xué)習數(shù)據(jù)分析師對大多數(shù)人而言是一件痛苦的事情，尤其看著厚厚的專業(yè)書籍、各種難以理解又缺乏解釋說明的術(shù)語定義，會讓這種痛苦加劇。但是有些書或文章能將復(fù)雜的理論用非常通俗、口語化的方式講述出來，讓讀者不費勁，一下就能明白。這些內(nèi)容實在是讀書人的一種福音。說到底，互聯(lián)網(wǎng)思維中的用戶思維談了這么久，教育、培訓(xùn)類內(nèi)容的創(chuàng)作者們也應(yīng)該好好改變一下，站在讀者的角度說話了。

本文談的是數(shù)據(jù)分析方法。根據(jù)筆者對眾多企業(yè)的接觸和了解，雖然現(xiàn)在大部分企業(yè)都對數(shù)據(jù)越來越重視，但目前仍有相當多的企業(yè)和從業(yè)者還沒有摸清數(shù)據(jù)分析的門道，不知道自己的數(shù)據(jù)該怎么分析，希望得專業(yè)人員的到幫助。

數(shù)據(jù)分析方法一點也不神秘

筆者以前學(xué)習數(shù)據(jù)分析方法時也很痛苦，看了不少書，內(nèi)容很多，但難以記全，更難以運用，后來加入永洪科技給眾多企業(yè)做數(shù)據(jù)分析系統(tǒng)，通過大量的項目實踐，才慢慢能談得上入門。

好的方法論應(yīng)該是易學(xué)易用的?，F(xiàn)在，本文就努力嘗試用最簡單易懂的文筆，讓初學(xué)數(shù)據(jù)分析的人看完就能理解并掌握數(shù)據(jù)分析方法中最核心、最常用的要點，至少能滿足90%的日常需求。做到這一點，必須將博大精深的數(shù)據(jù)分析方法提煉成人們能記得住的3點，而不是30點，再濃縮到一篇文章的篇幅，而不是一本書的厚度。

1、數(shù)據(jù)分兩種，維度和度量，分析就是維度和度量的組合

下面是一個最簡單的消費者購物的數(shù)據(jù)例子。

先不管這個數(shù)據(jù)表是存在excel里還是數(shù)據(jù)庫里，只關(guān)注數(shù)據(jù)本身。表里涉及到的數(shù)據(jù)項(或者叫字段)有“訂單ID”、“用戶ID”、“地區(qū)”、“年齡”、“訂單金額”、“訂單商品”、“訂單時間”。

這些數(shù)據(jù)項有什么差異呢?總體而言，數(shù)據(jù)分兩種，一種叫維度，一種叫度量(或者叫指標)。上面這個例子里，“訂單金額”是度量，其余數(shù)據(jù)項都是維度。

可以看出，度量是具體的計算用的量化數(shù)值，而維度是描述事物的各種屬性信息。我們在做數(shù)據(jù)分析時，歸根結(jié)底就是在不停的做各種維度和度量的組合，比如北京地區(qū)的訂單金額總和，21到30歲用戶的訂單金額平均數(shù);或者單獨對維度和度量進行數(shù)學(xué)公式計算，比如所有的訂單金額總和，用戶數(shù)(用戶ID的不重復(fù)計數(shù))等等。

從數(shù)據(jù)類型上看，度量都是數(shù)值，但是數(shù)值不一定是度量，比如訂單ID，雖然是數(shù)值，但是不是度量而是維度，而時間、文本類的數(shù)據(jù)都是維度。

有一點需要格外注意，維度和度量是可以轉(zhuǎn)換的。比如要看“年齡”的平均數(shù)，這里的“年齡”就是度量，要看19歲用戶的訂單情況，這里的“年齡”就是維度。對于一個數(shù)據(jù)項而言，到底它是維度還是度量，是根據(jù)用戶的需求而定的，很像量子效應(yīng)，狀態(tài)只有需求確定后才會隨之確定。

另外，維度可以衍生出新的維度和度量，比如用“地區(qū)”維度衍生出一個大區(qū)維度，“北京”、“天津”都對應(yīng)“華北大區(qū)”，或者用“年齡”維度衍生出一個年齡范圍維度，20到29歲=“青年人”，30到39歲=“中年人”，40到49歲=“資深中年人”。再比如上述的平均年齡，就是用“年齡”維度衍生出一個度量。

度量也可以衍生出新的維度和度量，比如用“訂單金額”度量衍生出一個金額范圍維度，100元以下對應(yīng)“小額訂單”，500元以上對應(yīng)“大額訂單”等等。再比如用“收入”度量和“成本”度量相減，可以得到一個“利潤”度量。

2、做判斷用對比

下面提出一個問題：企業(yè)A今年收入8000萬，是高還是低?大家看著這個問題，應(yīng)該會感到無從判斷，因為沒有參照物，即沒有對比。因此，拿到一個數(shù)據(jù)，要判斷是好是壞是高是低，必須要進行對比。

首先，企業(yè)A可以跟自己比。如果前年收入2000萬，去年收入4000萬，那今年8000萬算很好了。去年收入1個億，今年8000萬就是糟糕了。這叫縱向?qū)Ρ取?/span>

其次，企業(yè)A也可以跟其他人比。同行的幾家競爭對手企業(yè)今年都收入幾個億，那企業(yè)A的8000萬就不理想。這叫橫向?qū)Ρ取?/span>

第三，企業(yè)A還可以對比不同的維度和度量。比如競爭對手都做全國市場，企業(yè)A只做山東市場。企業(yè)A在山東市場的收入比競爭對手在山東市場的收入高，那么就本地區(qū)而言，企業(yè)A做的更好，而放眼全國，企業(yè)A做的就有局限。比如如果競爭對手都做了十幾年，而企業(yè)A剛做四五年，那企業(yè)A就算做的不錯，但如果成立的時間相仿的競爭對手已經(jīng)過億了，那企業(yè)A就算做的不夠好。這叫綜合對比。

孩子考試考了95分，家長很高興，因為知道滿分是100分，有參照物。最近一次考試考了80分，家長會發(fā)火，因為過去的95分成了新參照物。后來一問，發(fā)現(xiàn)這次卷子出難了，孩子已經(jīng)是班級第一了，就又轉(zhuǎn)怒為喜，這里其他孩子就成了參(xi)照(sheng)物(pin)。

對比的參照物不同，得到的判斷結(jié)論也就不同。為了避免結(jié)論片面、不客觀，應(yīng)該盡量多用綜合對比。

3、找原因用細分

今年利潤下降了，老板很生氣，下令查找原因，緝拿“嫌犯”。原因怎么找呢?注意是找原因，不是找理由。很多人往往不知道如何查找原因，最后給出的都是理由。

先看一個示例的原因結(jié)論是什么——“因為四季度華南區(qū)域洗衣機的銷量下降了，導(dǎo)致了今年利潤的下降”。讓我們分析一下這個原因有什么特點。

我們會發(fā)現(xiàn)，這個原因是由時間、區(qū)域、產(chǎn)品這三個維度和銷量這一個度量組成的，于是我們可以知道，對于問題原因的查找定位，本質(zhì)上就是在回答哪些維度下的哪些度量的下降或上升，導(dǎo)致了問題的發(fā)生。

這就是在做細分。

我們可以按維度細分，有多少維度，就可以有多少種細分的方向。比如看是去年所有月份都下降了，還是只有某幾個月下降。如果是后者，那么就可以縮小查找的數(shù)據(jù)范圍。聚焦到這幾個月后，可以再看是哪些區(qū)域下降了，進一步細分。

入手的維度的先后順序影響不大，問題原因涉及的維度也無法預(yù)知，因此可以從任意一個維度作為入口開始進行細分。

如果出問題的指標有相關(guān)的先導(dǎo)指標，則要想進一步挖掘問題原因，細分后還要看不同的度量，比如上述的原因結(jié)論示例是“因為四季度華南區(qū)域洗衣機的銷量下降了，導(dǎo)致了今年利潤的下降”，問題是“利潤”而原因是“銷量”，因為利潤是通過別的度量計算衍生出來的。

細分無止境，細到什么地步才夠呢?答案是，到可操作的區(qū)間才夠。

比如就細分到“四季度利潤下降，其它季度沒有下降”，還是沒有解決問題的辦法，必須細到哪個時間段哪個區(qū)域哪條產(chǎn)品線，直到細到某一個最終責任人，才具有可操作性。需要注意的是，在真實情況中，問題往往不一定只有一個原因，而是多個原因綜合起來形成的。

我司永洪科技主推的一站式大數(shù)據(jù)分析平臺軟件，為什么提供“縮放”和“筆刷”兩種交互操作，就是為了滿足“對比”和“細分”兩種場景。

舉一個例子，如下圖，左圖是各產(chǎn)品的收入毛利對比，右圖是各品類利潤趨勢，現(xiàn)在用戶想聚焦到“花茶”品類下的三種產(chǎn)品上，看看它們的利潤如何。

有人可能會問，這個效果很類似篩選，為什么不在旁邊放一些篩選器來實現(xiàn)呢?篩選器可以有，但現(xiàn)實情況中，當我們在一個圖表上發(fā)現(xiàn)問題，不一定就能很容易地找到與其對應(yīng)的篩選條件，尤其是散點圖。因此，直接在圖表上選擇會非常方便高效。

再舉一個例子，下圖是產(chǎn)品利潤趨勢分析，用戶發(fā)現(xiàn)從2009年7月開始，利潤有連續(xù)4個月的下滑(如紅框所示)，用戶想知道為什么。

與“縮放”不同，“筆刷”方便用戶將局部數(shù)據(jù)和整體數(shù)據(jù)進行對比。因為在上面這個例子中，單純看哪些產(chǎn)品這4個月銷售收入的絕對值低，并不能說明什么，有些產(chǎn)品本來賣的就少，一定要看哪些產(chǎn)品在這4個月相對表現(xiàn)不好。

先判斷數(shù)據(jù)好不好，再分析原因是什么，數(shù)據(jù)分析的環(huán)節(jié)鏈條基本就算完整了。

怎么看待機器學(xué)習、數(shù)據(jù)挖掘等這類高大上的東東

什么時候去碰機器學(xué)習、數(shù)據(jù)挖掘這樣高大上的東東。一句話，先把上述的數(shù)據(jù)發(fā)分析方法做到游刃有余，再搞那些高大上的。不要迷信復(fù)雜的算法，很多企業(yè)內(nèi)部數(shù)據(jù)分析的大拿，往往都是深度理解業(yè)務(wù)，用的都是普通的計算方法，就能完成很精彩實用的分析過程。

機器學(xué)習，數(shù)據(jù)挖掘等什么時候會用到?簡單而言，數(shù)據(jù)項多到人眼看不過來的時候會用到。如果總共就十來個數(shù)據(jù)項，每個拿出來單獨出張圖看一眼就看出端倪了，其實就不太需要用挖掘算法。如果總共幾百個數(shù)據(jù)項，想看某一個數(shù)據(jù)項是受哪幾個數(shù)據(jù)項影響最大，人眼看不過來，用挖掘算法就比較合適cda數(shù)據(jù)分析師培訓(xùn)