FacebookTwitterLineHatena
資料分析,數據分析,大數據分析方法
資料分析


有一位朋友最近向我吐槽,他提交了一份11月資料包告給領導,報告裡面放了很多圖,也擺了很多資料,結果被罵了,覺得很委屈。我幫他分析後發現他撞到了一個資料分析誤區:應該分析哪些內容?

其實,有很多夥伴與我的這位朋友一樣,做資料分析時,經常會有這樣的誤區。資料分析不是為分析而分析,應該是圍繞你的分析目的而進行分析。

目前現有的資料分析師大多是統計學、電腦、數學等專業出身,他們大多缺乏從事行銷、管理方面的工作經驗,對業務的理解相對較淺,對資料的分析偏重於資料分析方法的使用,如回歸分析、相關分析等,缺乏業務知識,最終導致分析結果偏離實際。這些問題對於從事市場、銷售、運營的非資料分析師也是存在的。今天我們來說說菜鳥新人如何做資料分析,以及有哪些可以使用的大數據分析方法。

一、資料分析的作用

資料分析在企業的日常經營分析中主要有三大作用:

1、現狀分析

簡單來說就是告訴你過去發生了什麼,具體化現在:

第一,告訴你企業現階段的整體營運情況,通過各個經營指標的完成情況來衡量企業的運營狀態,以說明企業整體運營是好了還是壞了,好的程度如何,壞的程度又到哪裡。

第二,告訴你企業各項業務的構成,讓你瞭解企業各項業務的發展及變動情況,對企業運營狀態有更深入的瞭解。

現狀分析一般透過日常通報來完成,如日報表、週報表、月報表等形式。

資料分析,數據分析,大數據分析方法

FineReport圖表

2、原因分析

簡單來說就是告訴你某一現狀為什麼發生。

經過第一階段的現狀分析,我們對企業的營運情況有了基本瞭解,但不知道運營情況具體好在哪裡,差在哪裡,是什麼原因引起的。這時就需要開展原因分析,以進一步確定業務變動的具體原因。

例如2012年2月運營收入環比下降5%,是什麼原因導致的呢?是各項業務收入都出現下降,還是個別業務收入下降引起的?是個地區業務收入都出現下降,還是個別地區業務收入下降引起的?這就需要我們開展原因分析,進一步確定收入下降的具體原因,對運營策略做出調整與優化。

資料分析,數據分析,大數據分析方法
FineBI製作的原因分析表

原因分析一般透過專題分析來完成,根據企業營運情況選擇針對某一現狀進行原因分析。

3、預測分析

簡單來說就是告訴你將來會發生什麼。

在瞭解企業運營現狀後,有時還需要對企業未來發展趨勢作出預測,為制定企業運營目標及策略提供有效的參與決策依據,以保證企業的可持續健康發展。

資料分析,數據分析,大數據分析方法
FineBI製作的預測分析表(點擊可查看大圖)

預測分析一般透過專題分析來完成,透過在制定企業季度、年度等計畫時進行,其開展的頻率沒有現狀分析及原因分析高。

免費試用FineBI>>

二、資料分析是什麼

資料分析是指用適當的統計分析方法對收集來的大量資料進行分析,將它們加以匯總和理解並消化,以求最大化地開發資料的功能,發揮資料的作用。

在統計學領域,有些學者將資料分析劃分為描述性資料分析、探索性資料分析以及驗證性資料分析。其中,探索性資料分析側重於在資料之中發現新的特徵,而驗證性資料分析則側重於驗證已有假設的真偽證明

從另一個角度看,描述性資料分析屬於初級資料分析,常見的分析方法有對比分析法、平均分析法、交叉分析法等。而探索性資料分析以及驗證性資料分析屬於高級資料分析,常見的分析方法有相關分析、因數分析、回歸分析等。

由於資料分析多是透過軟體來完成。這就要求資料分析師不僅要掌握各種資料分析方法,還要熟悉主流資料分析軟體的操作。一般的資料分析我們可以透過Excel完成,而高級的資料分析就要採用專業的分析軟體進行了,如數據分析工具FineReport, Tableau,FineBI等。

三、資料分析的步驟

資料分析過程主要包括6個既相對獨立又互有聯繫的階段。它們是:明確分析目的和思路、資料收集、資料處理、資料分析、資料展現、報告撰寫等6步:

1、明確分析目的和思路

做任何事都要有個目標,資料分析也不例外。在開展資料分析之前,要想想為什麼要開展資料分析?通過這次資料分析我要解決什麼問題?當分析目標明確後,我們就要梳理分析思路,並搭建分析框架,把分析目標分解成若干個不同的分析要點,即如何開展資料分析,需要從哪幾個角度來進行分析。

只有明確了分析目的,分析框架才能跟著確定下來,最後還要確保分析框架的體系化,使結果具有說服力。體系化也就是邏輯化,簡單來說就是先分析什麼,後分析什麼,使得各個分析點之間具有邏輯聯繫。一般是以行銷、管理等理論為指導,結合實際業務情況,搭建分析框架,這樣才能確保資料分析維度的完整性,分析結果的有效性及正確性

行銷方面的理論模型有4P、使用者使用行為、STP理論、SWOT等,而管理方面的理論模型有PEST、5W2H、時間管理、生命週期、邏輯樹、金字塔、SMART原則等。這些都是經典的行銷、管理方面的理論,需要在工作中不斷實踐應用,你才能體會其強大的作用。例如以PEST分析理論為指導,搭建的互聯網行業PEST分析框架。

2、資料收集

資料收集是按照確定的資料分析框架,收集相關資料的過程,它為資料分析提供了素材和依據。這裡所說的資料包括第一手資料與第二手資料,第一手資料主要指可直接獲取的資料,第二手資料主要指經過加工整理後得到的資料。一般資料來源主要有以下幾種方式:

  • 資料庫

每個公司都有自己的業務資料庫,存放從公司成立以來產生的相關業務資料。這個業務資料庫就是一個龐大的資料資源,需要有效地利用起來。

  • 公開出版物

可以用於收集資料的公開出版物包括《世界經濟年鑒》《世界發展報告》等統計年鑒或報告。

  • 互聯網

隨著互聯網的發展,網路上發佈的資料越來越多,特別是搜尋引擎可以説明我們快速找到所需要的資料,例如國家統計局網站、行業組織網站、政府機構網站、傳媒媒體網站、大型綜合門戶網站等上面都可能有我們需要的資料。

  • 市場調查

進行資料分析時,需要瞭解使用者的想法與需求,但是透過以上三種方式獲得此類資料會比較困難,因此可以嘗試使用市場調查的方法收集使用者的想法和需求資料。

3、資料處理

資料處理是指對收集到的資料進行加工整理,形成適合資料分析的樣式,它是資料分析前必不可少的階段。資料處理的基本目的是從大量的、雜亂無章、難以理解的資料中,抽取並推導出對解決問題與價值、有意義的資料。

資料處理主要包括資料清洗、資料轉化、資料提取、資料計算等處理方法。一般拿到手的資料都需要進行一定的處理才能用於後續的資料分析工作,即使再“乾淨”的原始資料也需要先進行一定的處理才能使用。

4、資料分析

資料分析是指用適當的分析方法及工具,對處理過的資料進行分析,提取有價值資訊,形成有效結論的過程

在確定資料分析思路的階段,資料分析師應當為需要分析的內容確定適合的資料分析方法,等到真正進入進行資料分析階段時,就能夠駕馭資料,從容地進行分析和研究了。

工欲善其事,必先利其器。對於資料分析必須要挑選一款好用的BI軟體。在這裡推薦一款專業的自助式分析BI軟體——FineBI,它专业、簡潔、易用,介面和流程一目了然,每個模組都有明確的功能分區。透過FineBI自助資料集功能,普通業務人員就能拖拖拽拽對資料做篩選、切割、排序、彙總等,自助靈活地達成期望的資料結果,並選取智慧推送的圖表和Dashboard實現資料的視覺化。

資料分析,數據分析,大數據分析方法

它的易用性不僅體現在操作和介面上,也體現在數據處理上。FineBI內置了各種計算公式、過濾組件。基本告別SQL和代碼。

資料分析,數據分析,大數據分析方法

同時,使用FineBI可以輕鬆搭建各種經典的業務分析模型,諸如金字塔模型、KANO分析模型、RFM模型、購物籃分析模型等等,幫助業務洞察。

資料分析,數據分析,大數據分析方法
RFM客戶價值分析

FineBI能將資料分析師從資料處理和可視化的泥潭中解放出來,把更多精力投放到資料分析與資料管理、演算法研究和業務溝通上。

免費試用FineBI>>

5、數據展現

一般情況下,資料是通過表格和圖形的方式來呈現的,我們常說用圖表說話就是這個意思。常用的視覺化圖表包括圓形圖、直條圖、橫條圖、折線圖、散點圖、雷達圖等,當然可以對這些圖表進一步整理加工,使之變為我們所需要的圖形,例如金字塔圖、矩陣圖、漏斗圖、帕累托圖等。

大多數情況下,人們更願意接受圖形這種資料展現方式,因為它能更加有效、直觀地傳遞出分析師所要表達的觀點。

記住,在一般情況下,能用圖說明問題的就不用表格,能用表格說明問題就不用文字。這裡值得一提的是,藉助帆軟FineReport戰情室,使用則可構建強大、全面的「戰情中心」,簡單拖拽就可以將企業的數據管理資訊完美地投放在任何螢幕,比如交易大廳、管控中心、生產車間、展覽中心等地的LED大屏上。

資料分析,數據分析,大數據分析方法
FineReport製作
資料分析,數據分析,大數據分析方法
FineReport製作
資料分析,數據分析,大數據分析方法
FineReport製作

再來講講上文提到的FineBI和FineReport的區別和聯繫。

FineBI是自助式BI工具主要面向業務人員、資料分析人員,適用於業務即席分析的需求操作簡單,側重讓業務人員實現自助分析。兩者最後的報表和資料分析結果都是給領導、管理層看的,他們透過分析結果來制定決策。

FineReport是報表工具適用於IT製作,或者某些企業專門設定的報表開發人員,能搞定複雜報表的需求。業務部門可以查看報表或者做資料填報更新。這時候報表製作是否快速要看報表工具的不同,比如FineReport採用類似Excel格式的設計介面極大提高製作效率,為IT人節省很多時間。

資料分析,數據分析,大數據分析方法
FineReport和FineBI的區別

需要強調的是,這兩款BI產品各有優勢,分別試用於不同的場景,不是絕對的相互替代的關係。 他們將長期共存,供企業按需選擇,直到信息化基礎條件發生根本改變。參考Gartner的雙模IT模式,建議企業根據自身數據應用成熟度來判斷哪一類BI更適合自己,或者是否需要結合使用。

很多企業會同時選購這兩款產品,透過FineReport+FineBI的完美結合互補,輕鬆搞定企業IT的複雜報表&業務即席分析需求!

6、報告撰寫

資料分析報告是對整個資料分析過程的一個總結與呈現。通過報告,把資料分析的起因、過程、結果及建議完整地呈現出來,供決策者參考。一份好的資料分析報告需要有如下3點要求:

(1)好的分析框架:首先需要有一個好的分析框架,並且圖文並茂、層次明晰,能夠讓閱讀者一目了然。結構清晰、主次分明可以使閱讀者正確理解報告內容;圖文並茂,可以令資料更加生動活潑,提高視覺衝擊力,有助於閱讀者更形象、直觀地看清楚問題和結論,從而產生思考。

(2)明確的結論:沒有明確結論的分析稱不上分析,同時也失去了報告的意義,因為我們最初就是為尋找或者求證一個結論才進行分析的,所以千萬不要捨本求末。

(3)建議或解決方案:作為決策者,需要的不僅僅是找出問題,更重要的是建議或解決方法,以便他們在決策時作參考。所以,資料分析師不僅需要掌握資料分析方法,而且還要瞭解和熟悉業務,這樣才能根據發現的業務問題,提出具有可行性的建議或解決方案。

四、常見資料分析方法

那麼有哪些常見的大數據分析方法呢?在這裡列舉幾種資料分析時經常被使用的實用方法:

1、對比分析法

  • 定義

是指將兩個或兩個以上的資料進行比較,分析它們的差異,從而揭示這些資料所代表的事物發展變化情況和規律性。對比分析法的特點是:可以非常直觀地看出事物某方面的變化或差距,並且可以準確、量化地表示出這種變化或差距是多少?

  • 分類

對比分析法可分為靜態比較和動態比較兩類

靜態比較是在同一時間條件下對不同總體指標的比較,如不同部門、不同地區、不同國家的比較、也叫橫向比較,簡稱橫比

動態比較是在同一總體條件下對不同時期指標數值的比較,也叫縱向比較,簡稱縱比

這兩種方法既可以單獨使用,也可以結合使用。進行對比分析時,可以單獨使用總量指標、相對指標或平均指標,也可將它們結合起來進行對比。比較的結果可用相對數表示,如百分數、倍數等指標。

  • 實踐運用

a)與目標對比:實際完成值與目標進行對比,屬於橫比;

b)不同時期對比:選擇不同時期的指標數值作為對比標準,屬於縱比;

c)同級部門、單位、地區對比:與同級部門、單位、地區進行對比,屬於橫比;

d)行業內對比:與行業中的標杆企業、競爭對比或行業的平均水準進行對比,屬於橫比

e)活動效果比:對某項行銷活動開展前後進行對比,屬縱比。同時,我們還可以對活動的開展狀況進行分組對比,這屬於橫比。

  • 注意事項

指標的口徑範圍、計算方法、計量單位必須一致,即要用同一種單位或標準去衡量;對比的對象要有可比性;對比的指標類型必須一致。無論絕對數指標、相對數指標、平均數指標,還是其他不同類型的指標,在進行對比時,雙方必須統一。

如圖,為了通過資料看出應該如何安排銷售計劃,將不同品類和不同地區的服裝銷售情況進行了對比。

FineBI製作

2、分組分析法

  • 定義

作數據分析不僅要對總體的數量特徵和數量關係進行分析,還要深入總體的內部進行分組分析。這種方法是根據資料分析物件的特徵,按照一定的標誌(指標),把資料分析物件劃分為不同的部分和類型來進行研究,以揭示其內在的聯繫和規律性。

  • 目的

分組的目的就是為了便於對比,把總體中具有不同性質的物件區分開,把性質相同的物件合併在一起,保持各組內物件屬性的一致性、組與組之間屬性的差異性,以便進一步運用各種資料分析方法來解構內在的數量關係,因此分組法必須與對比法結合運用。

  • 步驟

a)確定組數

這個可以由資料分析師決定,根據資料本身的特點(資料的大小)來判斷確定。由於分組的目的之一是為了觀察資料分佈的特徵。因此確定的組數應適中。如果組數太少,資料的分佈就會過於集中,組數太多,資料的分佈就會過於分散,這都不便於觀察資料分佈的特徵和規律。

b)確定各組的組距

組距是一個組的最大值與最小值只差,可根據全部資料的最大值和最小值及所分的組數來確定,及組距=(最大值—最小值)/組數

c)根據組距大小,對資料進行分組整理,劃歸至相應組內。

如圖,將空調分成不同分級市場、品類、地區來進行分組對比。

FineBI製作

3、結構分析法

結構分析法是指被分析總體內的各部分與總體之間進行對比的分析方法,即總體內各部分占總體的比例,屬於相對指標。一般某部分的比例越大,說明其重要程度越高,對總體影響越大。

結構相對指標(比例)=(總體某部分的數值/總體總量)*100%

市場佔有率=(某種商品銷售量/該種商品銷售總量)*100%

市場佔有率是分析企業在行業中競爭狀況的重要指標,也是衡量企業營運狀況的綜合經濟指標。市場佔有率高,表明企業運營狀況好,競爭能力強,在市場上佔據有利地位;反之,則表明企業運營狀態差,競爭能力弱,在市場上處於不利地位。

FineBI製作

4、平均分析法

平均分析法就是運用計算平均數的方法來反應總體在一定時間、地點條件下某一數量特徵的一般水準。平均指標法的主要作用有兩點:

(1)利用平均指標對比同類現象在不同地區、不同行業、不同類型單位等之間的差異程度,比用總量指標對比更具有說服力

(2)利用平均指標對比某些現象在不同歷史時期的變化,更能說明其發展趨勢和規律。

算術平均數=總體各單位數值的綜合/總體單位個數

算術平均數是非常重要的基礎指標。平均數是綜合指標,它的特點是將總體內各單位的數量差異抽象化,它只能代表總體的一般水準,掩蓋了在平均數後各單位的差異。

FineBI製作

免費試用FineBI>>

5、交叉分析法

交叉分析法通常用於分析兩個變數(欄位)之間的關係,即同時將兩個有一定聯繫的變數及其值交叉排列在一張表格內,使各變數值成為不同變數的交叉結點,形成交叉表,從而分析交叉表中變數之間的關係。交叉表當然也有也有二維以上的,維度越多,交叉表就越複雜,所以在選擇幾個維度的時候需要根據分析的目的決定。

FineBI製作
FineBI製作

6、綜合評價分析法

綜合評價分析法是將多個指標轉化為一個能夠反映綜合情況的指標來進行分析評價。主要有5個步驟:

(1)確定綜合評價指標體系,即包含哪些指標,是綜合評價的基礎和依據

(2)收集資料,並對不同計量單位的指標資料進行標準化處理

(3)確定指標體系中各指標的權重,以保證評價的科學性

(4)對經處理後的指標再進行匯總計算出綜合評價指數或綜合評價分值

(5)根據評價指標或分值對參評單位進行排序,並由此得出結論

7、杜邦分析法

杜邦分析法是由美國杜邦公司創造並最先採用的一種綜合分析方法,又稱杜邦財務分析體系,簡稱杜邦體系。它是利用各主要財務指標間的內在聯繫,對企業財務狀況及經濟效益進行綜合分析評價的方法。

杜邦分析體系的特點是,將若干個用以評價企業經營效率和財務狀況的比率按其內在聯繫有機結合起來,形成一個完整的指標體系,並最終透過權益收益率來綜合反映。杜邦分析採用的金字塔形結構,使財務比率分析的層次更清晰、條理更突出,簡潔明瞭地表達了各財務指標之間的關係。

FineReport圖表

8、漏斗分析法

漏斗圖分析法是一個適合業務流程比較規範、週期比較長、各流程環節涉及複雜業務過程比較多的管理分析工具。例如漏斗圖用於網站中某些關鍵路徑的轉化率的分析,不僅能顯示使用者從進入網站到實現購買的最終轉化率,同時還可以展示整個關鍵路徑中每一步的轉化率。

遇到巨量資料時,用什麼做漏斗分析?

如果遇到巨量資料的時候,Excel等一些工具就難以實現高效的漏斗分析了,一般的做法是用專業的大數據分析工具,如FineReport搭建一個dashboard,在這上面可以輕鬆進行漏斗分析:

漏斗圖是最常用的流程分析圖表類型。透過漏斗圖可以比較直觀的查看各個環節的轉化率,從而輕鬆發現問題對應的具體環節。一個典型的漏斗圖應用是銷售漏斗。

兩種形式(連續,不連續)的漏斗圖:

FineReport製作
FineReport製作

同時,FineReport的漏斗圖支援原樣展示和自動排序兩種資料展示模式

兩種不同效果:

FineReport製作

專業資料分析工具的好處就是快捷,工具本身是自帶漏斗模型的,你只需要拖拽操作就能夠完成資料漏斗分析,這一點excel等軟體是難以實現的,因此軟妹建議還是使用專業軟體。

9、矩陣關聯分析法

矩陣分析法是指根據事物(產品、服務等)的兩個重要屬性(指標)作為分析的依據,進行分類關聯分析,找出解決問題的一種分析方法,也成為矩陣關聯分析法,簡稱矩陣分析法。

1583809658510933.gif
FineBI製作

矩陣關聯分析法在解決問題和資源配置時,為決策者提供重要參考依據。先解決主要矛盾,再解決次要矛盾,有利於提高工作效率,將資源配置到最能產生績效的部門、工作中,有利於決策者進行資源優化配置。

五、資料分析師的職業要求

1、懂業務

從事資料分析工作的前提就是需要懂業務,即熟悉行業知識、公司業務及流程,最好有自己獨到見解,若脫離行業認知和公司業務背景,分析的結果只會是脫了線的風箏,沒有太大的實用價值。

2、懂管理

懂管理,一方面是搭建資料分析框架的要求;另一方面的作用是針對資料分析結論提出有指導意義的分析建議,如果沒有管理理論的支撐,就難以確保分析建議的有效性。

3、懂分析

懂分析是指掌握資料分析的基本原理與一些有效的資料分析方法,並能靈活運用到實踐工作中,以便有效地開展資料分析。

基本的分析方法有:對比分析、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。

高級的分析方法有:相關分析法、回歸分析法、聚類分析法、判斷分析法、主成分分析法、因數分析法、對應分析法、時間序列等。

4、懂工具

懂工具是指掌握資料分析相關的常用工具。資料分析工具就是實現資料分析方法理論的工具,面對越來越龐大的資料,依靠計算器進行分析是不現實的,必須利用強大的資料分析工具完成資料分析工作。

5、懂設計

懂設計是指運用圖表有效表達資料分析師的分析觀點,使分析結果一目了然。圖表的設計是門大學問,如圖形的選擇、版式的設計、顏色的搭配等,都需要掌握一定的設計原則。

六、資料分析師的基本素質

1、態度嚴謹負責

資料分析師可以說是企業的醫生,他們透過對企業運營資料的分析,為企業尋找癥結及潛在問題。一名合格的資料分析師,應具有嚴謹負責的態度,保持中立立場,客觀評價企業在發展過程中存在的問題,為決策層提供有效的參考依據。

2、好奇心強烈

在資料分析師的腦子裡,應該充滿著無數個【為什麼】:為什麼是這樣的結果,為什麼不是那樣的結果,導致這個結果的原因是什麼,為什麼結果不是預期的那樣等等,只有這樣才有突破點。

這一系列問題都要在進行資料分析時提出來,並且通過資料分析,給自己一個滿意的答案。越是優秀的資料分析師,好奇心越不容易滿足,回答了一個問題,又會拋出一個新的問題,繼續研究下去。

3、邏輯思維清晰

從事資料分析時所面對的商業問題都是較為複雜的,我們要思考錯綜複雜的成因,分析所面對的各種複雜的環境因素,並在問題的若干發展可能性中選擇一個最優的方向。這就需要我們對事實有足夠的瞭解,同時也需要我們能真正理清問題的整體以及局部的結構,在深度思考後,理清結構中相互的邏輯關係,只有這樣才能真正客觀地、科學地找到商業問題的答案。

4、擅長模仿學習

在做資料分析時,有自己的想法固然重要,但是【前車之鑒】也是非常有必要學習的,它能説明資料分析師迅速地成長。因此,模仿學習是快速提高學習成果的有效方法。成功的模仿需要領會他人方法的精髓,理解其分析原理,透過表面達到實質。

5、勇於創新

創新是一個優秀資料分析師應具備的精神,只有不斷的創新,才能提高自己的分析水準,使自己站在更高的角度來分析問題,為整個研究領域乃至社會帶來更多的價值。

七、總結

1.資料分析在企業的日常經營分析中主要有三大作用:現狀分析、原因分析、預測分析

2.資料分析是指用適當的統計分析方法對收集來的大量資料進行分析,將它們加以匯總和理解並消化,以求最大化地開發資料的功能,發揮資料的作用;

3.資料分析過程主要包括:明確分析目的和思路、資料收集、資料處理、資料分析、資料展現、報告撰寫等6步;

4.資料分析方法有:對比分析法、分組分析法、結構分析法、平均分析法、交叉分析法、綜合評價分析法、杜邦分析法、漏斗分析法、矩陣關聯分析法、高級分析法;

5.資料分析師的職業要求需要懂業務、懂管理、懂分析、懂工具、懂設計。還需要具備負責嚴謹的態度、強烈的好奇心、清晰的邏輯思維、學習模仿和創新。

免費試用FineBI>>

獲得帆軟最新動態:數據分析,報表實例,專業的人都在這裡!加入FineReport臉書粉絲團

喜歡這篇文章嗎?歡迎分享按讚,給予我們支持和鼓勵!

熱門文章推薦

立即試用,可獲取更多 報表範本和案例

免費試用