大道至簡(jiǎn)的數(shù)據(jù)分析方法論

學(xué)習(xí)數(shù)據(jù)分析師對(duì)大多數(shù)人而言是一件痛苦的事情，尤其看著厚厚的專(zhuān)業(yè)書(shū)籍、各種難以理解又缺乏解釋說(shuō)明的術(shù)語(yǔ)定義，會(huì)讓這種痛苦加劇。但是有些書(shū)或文章能將復(fù)雜的理論用非常通俗、口語(yǔ)化的方式講述出來(lái)，讓讀者不費(fèi)勁，一下就能明白。這些內(nèi)容實(shí)在是讀書(shū)人的一種福音。說(shuō)到底，互聯(lián)網(wǎng)思維中的用戶(hù)思維談了這么久，教育、培訓(xùn)類(lèi)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(shuō)話(huà)了。

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

數(shù)據(jù)分析方法一點(diǎn)也不神秘

筆者以前學(xué)習(xí)數(shù)據(jù)分析方法時(shí)也很痛苦，看了不少書(shū)，內(nèi)容很多，但難以記全，更難以運(yùn)用，后來(lái)加入永洪科技給眾多企業(yè)做數(shù)據(jù)分析系統(tǒng)，通過(guò)大量的項(xiàng)目實(shí)踐，才慢慢能談得上入門(mén)。

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(jiǎn)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(diǎn)，至少能滿(mǎn)足90%的日常需求。做到這一點(diǎn)，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(diǎn)，而不是30點(diǎn)，再濃縮到一篇文章的篇幅，而不是一本書(shū)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(gè)最簡(jiǎn)單的消費(fèi)者購(gòu)物的數(shù)據(jù)例子。

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

這些數(shù)據(jù)項(xiàng)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(biāo))。上面這個(gè)例子里，“訂單金額”是度量，其余數(shù)據(jù)項(xiàng)都是維度。

可以看出，度量是具體的計(jì)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?cè)谧鰯?shù)據(jù)分析時(shí)，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(hù)的訂單金額平均數(shù);或者單獨(dú)對(duì)維度和度量進(jìn)行數(shù)學(xué)公式計(jì)算，比如所有的訂單金額總和，用戶(hù)數(shù)(用戶(hù)ID的不重復(fù)計(jì)數(shù))等等。

從數(shù)據(jù)類(lèi)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(shí)間、文本類(lèi)的數(shù)據(jù)都是維度。

有一點(diǎn)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(hù)的訂單情況，這里的“年齡”就是維度。對(duì)于一個(gè)數(shù)據(jù)項(xiàng)而言，到底它是維度還是度量，是根據(jù)用戶(hù)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(huì)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(gè)大區(qū)維度，“北京”、“天津”都對(duì)應(yīng)“華北大區(qū)”，或者用“年齡”維度衍生出一個(gè)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(gè)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(gè)金額范圍維度，100元以下對(duì)應(yīng)“小額訂單”，500元以上對(duì)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(gè)“利潤(rùn)”度量。

2、做判斷用對(duì)比

下面提出一個(gè)問(wèn)題：企業(yè)A今年收入8000萬(wàn)，是高還是低?大家看著這個(gè)問(wèn)題，應(yīng)該會(huì)感到無(wú)從判斷，因?yàn)闆](méi)有參照物，即沒(méi)有對(duì)比。因此，拿到一個(gè)數(shù)據(jù)，要判斷是好是壞是高是低，必須要進(jìn)行對(duì)比。

首先，企業(yè)A可以跟自己比。如果前年收入2000萬(wàn)，去年收入4000萬(wàn)，那今年8000萬(wàn)算很好了。去年收入1個(gè)億，今年8000萬(wàn)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(jìng)爭(zhēng)對(duì)手企業(yè)今年都收入幾個(gè)億，那企業(yè)A的8000萬(wàn)就不理想。這叫橫向?qū)Ρ取?/span>

第三，企業(yè)A還可以對(duì)比不同的維度和度量。比如競(jìng)爭(zhēng)對(duì)手都做全國(guó)市場(chǎng)，企業(yè)A只做山東市場(chǎng)。企業(yè)A在山東市場(chǎng)的收入比競(jìng)爭(zhēng)對(duì)手在山東市場(chǎng)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(guó)，企業(yè)A做的就有局限。比如如果競(jìng)爭(zhēng)對(duì)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(cuò)，但如果成立的時(shí)間相仿的競(jìng)爭(zhēng)對(duì)手已經(jīng)過(guò)億了，那企業(yè)A就算做的不夠好。這叫綜合對(duì)比。

孩子考試考了95分，家長(zhǎng)很高興，因?yàn)橹罎M(mǎn)分是100分，有參照物。最近一次考試考了80分，家長(zhǎng)會(huì)發(fā)火，因?yàn)檫^(guò)去的95分成了新參照物。后來(lái)一問(wèn)，發(fā)現(xiàn)這次卷子出難了，孩子已經(jīng)是班級(jí)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(duì)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(duì)比。

3、找原因用細(xì)分

今年利潤(rùn)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(gè)示例的原因結(jié)論是什么——“因?yàn)樗募径热A南區(qū)域洗衣機(jī)的銷(xiāo)量下降了，導(dǎo)致了今年利潤(rùn)的下降”。讓我們分析一下這個(gè)原因有什么特點(diǎn)。

我們會(huì)發(fā)現(xiàn)，這個(gè)原因是由時(shí)間、區(qū)域、產(chǎn)品這三個(gè)維度和銷(xiāo)量這一個(gè)度量組成的，于是我們可以知道，對(duì)于問(wèn)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(wèn)題的發(fā)生。

這就是在做細(xì)分。

我們可以按維度細(xì)分，有多少維度，就可以有多少種細(xì)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(gè)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(gè)月后，可以再看是哪些區(qū)域下降了，進(jìn)一步細(xì)分。

入手的維度的先后順序影響不大，問(wèn)題原因涉及的維度也無(wú)法預(yù)知，因此可以從任意一個(gè)維度作為入口開(kāi)始進(jìn)行細(xì)分。

如果出問(wèn)題的指標(biāo)有相關(guān)的先導(dǎo)指標(biāo)，則要想進(jìn)一步挖掘問(wèn)題原因，細(xì)分后還要看不同的度量，比如上述的原因結(jié)論示例是“因?yàn)樗募径热A南區(qū)域洗衣機(jī)的銷(xiāo)量下降了，導(dǎo)致了今年利潤(rùn)的下降”，問(wèn)題是“利潤(rùn)”而原因是“銷(xiāo)量”，因?yàn)槔麧?rùn)是通過(guò)別的度量計(jì)算衍生出來(lái)的。

細(xì)分無(wú)止境，細(xì)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(xì)分到“四季度利潤(rùn)下降，其它季度沒(méi)有下降”，還是沒(méi)有解決問(wèn)題的辦法，必須細(xì)到哪個(gè)時(shí)間段哪個(gè)區(qū)域哪條產(chǎn)品線，直到細(xì)到某一個(gè)最終責(zé)任人，才具有可操作性。需要注意的是，在真實(shí)情況中，問(wèn)題往往不一定只有一個(gè)原因，而是多個(gè)原因綜合起來(lái)形成的。

我司永洪科技主推的一站式大數(shù)據(jù)分析平臺(tái)軟件，為什么提供“縮放”和“筆刷”兩種交互操作，就是為了滿(mǎn)足“對(duì)比”和“細(xì)分”兩種場(chǎng)景。

舉一個(gè)例子，如下圖，左圖是各產(chǎn)品的收入毛利對(duì)比，右圖是各品類(lèi)利潤(rùn)趨勢(shì)，現(xiàn)在用戶(hù)想聚焦到“花茶”品類(lèi)下的三種產(chǎn)品上，看看它們的利潤(rùn)如何。

有人可能會(huì)問(wèn)，這個(gè)效果很類(lèi)似篩選，為什么不在旁邊放一些篩選器來(lái)實(shí)現(xiàn)呢?篩選器可以有，但現(xiàn)實(shí)情況中，當(dāng)我們?cè)谝粋€(gè)圖表上發(fā)現(xiàn)問(wèn)題，不一定就能很容易地找到與其對(duì)應(yīng)的篩選條件，尤其是散點(diǎn)圖。因此，直接在圖表上選擇會(huì)非常方便高效。

再舉一個(gè)例子，下圖是產(chǎn)品利潤(rùn)趨勢(shì)分析，用戶(hù)發(fā)現(xiàn)從2009年7月開(kāi)始，利潤(rùn)有連續(xù)4個(gè)月的下滑(如紅框所示)，用戶(hù)想知道為什么。

與“縮放”不同，“筆刷”方便用戶(hù)將局部數(shù)據(jù)和整體數(shù)據(jù)進(jìn)行對(duì)比。因?yàn)樵谏厦孢@個(gè)例子中，單純看哪些產(chǎn)品這4個(gè)月銷(xiāo)售收入的絕對(duì)值低，并不能說(shuō)明什么，有些產(chǎn)品本來(lái)賣(mài)的就少，一定要看哪些產(chǎn)品在這4個(gè)月相對(duì)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(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等這類(lèi)高大上的東東

什么時(shí)候去碰機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘這樣高大上的東東。一句話(huà)，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(jì)算方法，就能完成很精彩實(shí)用的分析過(guò)程。

機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘等什么時(shí)候會(huì)用到?簡(jiǎn)單而言，數(shù)據(jù)項(xiàng)多到人眼看不過(guò)來(lái)的時(shí)候會(huì)用到。如果總共就十來(lái)個(gè)數(shù)據(jù)項(xiàng)，每個(gè)拿出來(lái)單獨(dú)出張圖看一眼就看出端倪了，其實(shí)就不太需要用挖掘算法。如果總共幾百個(gè)數(shù)據(jù)項(xiàng)，想看某一個(gè)數(shù)據(jù)項(xiàng)是受哪幾個(gè)數(shù)據(jù)項(xiàng)影響最大，人眼看不過(guò)來(lái)，用挖掘算法就比較合適cda數(shù)據(jù)分析師培訓(xùn)