數據分析

本文目錄一覽：

• 1、數據分析指的是什么?
• 2、數據分析是什么
• 3、什么是數據分析？
• 4、怎么進行數據分析
• 5、數據分析包括哪些方面?

數據分析指的是什么?

數據分析就是對數據進行分析。專業的說法，數據分析是指根據分析目的，用適當的統計分析方法及工具，對收集來的數據進行處理與分析，以求最大化地開發數據的功能，發揮數據的作用。數據也稱觀測值，是通過實驗、測量、觀察、調查等方式獲取的結果，常常以數量的形式展現出來。

數據分析要達到幫助管理者有效決策提供有價值信息，比如日常通報、專題分析等，這些就是數據分析具體工作的體現。而什么時候做通報工作，什么時候開展專題分析，這都需要我們根據實際情況做出選擇的。

數據分析的六種基本分析方法有：

1、構成分析法；2、同類比較分析法；3、漏斗法；4、相關分析法；5、聚類分析法；6、分組分析法。

構成分析在統計分組的基礎上計算結構指標，來反映被研究總體構成情況的方法。應用構成分析法，可從不同角度研究投資構成及其變動趨勢，觀察投資構成與產業結構、社會需要構成的適應關系，可以揭示事物由量變到質變的具體過程。

數據分析是什么

數據分析是對收集來的大量數據進行分析，提取有用信息，對數據加以詳細研究和概括總結的過程。

1、數據分析是指用適當的統計方法對收集來的大量第一手資料和第二手資料進行分析，以求最大化地開發數據資料的功能，發揮其數據的作用。數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。數據分析可幫助人們作出判斷，以便采取適當行動。

2、數據分析有目的的進行收集、整理、加工和分析數據，提煉有價信息的一個過程。其過程概括起來包括明確分析目的與框架，數據收集，數據處理，數據分析，數據展現和撰寫報告，也包括對比分析法，分組分析，交叉分析，平均分析法等。

3、數據分析能進行較高級的數據統計分析，錄入數據庫的設立，數據的校驗，數據庫的邏輯查錯，對部分問卷的核對。而數據分析員是具有數理統計，經濟學以及相關知識；能熟練使用EXCLE、SPSS、QUANVERT、SAS等統計軟件。工作能力嚴謹的邏輯思維能力、學習能力、言語表達能力、管理能力，工作態度積極主動、工作認真、工作嚴謹。

什么是數據分析？

數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，將它們加以匯總和理解并消化，以求最大化地開發數據的功能，發揮數據的作用。數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。

數據分析的數學基礎在20世紀早期就已確立，但直到計算機的出現才使得實際操作成為可能，并使得數據分析得以推廣。數據分析是數學與計算機科學相結合的產物。

數據分析目的：

數據分析的目的是把隱藏在一大批看來雜亂無章的數據中的信息集中和提煉出來，從而找出所研究對象的內在規律。在實際應用中，數據分析可幫助人們做出判斷，以便采取適當行動。數據分析是有組織有目的地收集數據、分析數據，使之成為信息的過程。

這一過程是質量管理體系的支持過程。在產品的整個壽命周期，包括從市場調研到售后服務和最終處置的各個過程都需要適當運用數據分析過程，以提升有效性。例如設計人員在開始一個新的設計以前，要通過廣泛的設計調查，分析所得數據以判定設計方向，因此數據分析在工業設計中具有極其重要的地位。

怎么進行數據分析

進行數據分析步驟：

1、數據收集

當我們進行數據分析時，首先解決的問題就是數據源的問題。分為兩大類。第一類：直接能夠獲取的數據，也就是內部數據。第二類：外部數據，經加工整理后獲得數據。

2、數據清理

清洗數據的目的也就是從大量的、雜亂無章的數據中抽取以及推導出對解決問題有價值的、有意義的數據。清洗后保留下來的真正有價值、有條理的數據，為后面的數據分析減少分析障礙。

3、數據對比

對比也就是數據分析的切入口。因為如果沒有參照物的話，數據也就沒有一個定量的評估標準。通常情況下，我們會進行橫向對比和縱向對比。橫向對比，與行業平均數據，和競爭對手數據比較，縱向對比，是與自己家產品的歷史數據比較，圍繞著時間軸比較。

4、數據細分

數據對比出現了異常后，這時候就需要用到數據細分了，數據細分通常情況下先分緯度，再分粒度。緯度也就是時間或者是地域、來源、受訪等。粒度也就是按照天、還是按照小時。而緯度結合粒度進行細分，可以將對比的差異值逐級鎖定問題區域，就可以更為容易找出發生問題的原因了。

5、數據溯源

通過數據細分基本上我們就可以分析出大多數問題的原因，但也會遇到特殊的情況，因此這時候我們就需要進行進一步的分析，也就是通過數據溯源就能找出問題的原因。

依據鎖定的這個緯度和粒度作為搜索條件，查詢所涉及的原日志，源記錄，然后基于此分析和反思用戶的行為，往往會有不一樣的發現。又或者結合用戶使用場景去思考。

數據分析包括哪些方面?

數據分析有：分類分析，矩陣分析，漏斗分析，相關分析，邏輯樹分析，趨勢分析，行為軌跡分析，等等。 我用HR的工作來舉例，說明上面這些分析要怎么做，才能得出洞見。

01） 分類分析

比如分成不同部門、不同崗位層級、不同年齡段，來分析人才流失率。比如發現某個部門流失率特別高，那么就可以去分析。

02） 矩陣分析

比如公司有價值觀和能力的考核，那么可以把考核結果做出矩陣圖，能力強價值匹配的員工、能力強價值不匹配的員工、能力弱價值匹配的員工、能力弱價值不匹配的員工各占多少比例，從而發現公司的人才健康度。

03） 漏斗分析

比如記錄招聘數據，投遞簡歷、通過初篩、通過一面、通過二面、通過終面、接下Offer、成功入職、通過試用期，這就是一個完整的招聘漏斗，從數據中，可以看到哪個環節還可以優化。

04） 相關分析

比如公司各個分店的人才流失率差異較大，那么可以把各個分店的員工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、員工年齡、管理人員年齡等）要素進行相關性分析，找到最能夠挽留員工的關鍵因素。

05） 邏輯樹分析

比如近期發現員工的滿意度有所降低，那么就進行拆解，滿意度跟薪酬、福利、職業發展、工作氛圍有關，然后薪酬分為基本薪資和獎金，這樣層層拆解，找出滿意度各個影響因素里面的變化因素，從而得出洞見。

06） 趨勢分析

比如人才流失率過去12個月的變化趨勢。

07）行為軌跡分析

比如跟蹤一個銷售人員的行為軌跡，從入職、到開始產生業績、到業績快速增長、到疲憊期、到逐漸穩定。

通過面向企業業務場景提供一站式大數據分析解決方案，能夠為企業在增收益、降成本、提效率、控成本等四個角度帶來價值貢獻。

1、增收益

最直觀的應用，即利用數據分析實現數字化精準營銷。通過深度分析用戶購買行為、消費習慣等，刻畫用戶畫像，將數據分析結果轉化為可操作執行的客戶管理策略，以最佳的方式觸及更多的客戶，以實現銷售收入的增長。

下圖為推廣收支測算分析，為廣告投放提供決策依據。

下圖為渠道銷量分析，為渠道支持提供數據支撐。

2、降成本

例如通過數據分析實現對財務和人力的管理，從而控制各項成本、費用的支出，實現降低成本的作用。

下圖為生產成本分析，了解成本構成情況。

下圖為期間費用預實對比分析，把控費用情況。

3、提效率

每個企業都會出具相關報表，利用數據分析工具，不懂技術的業務人員也能夠通過簡單的拖拉拽實現敏捷自助分析，無需業務人員提需求、IT人員做報表，大大提高報表的及時性，提高了報表的使用效率。

通過數據分析工具，能夠在PC端展示，也支持移動看板，隨時隨地透視經營，提高決策效率。

4、控風險

預算是否超支？債務是否逾期？是否缺貨了、斷貨了？客戶的回款率怎么樣？設備的運行是否正常？哪種產品是否需要加速生產以實現產銷平衡？...其實，幾乎每個企業都會遇到各種各樣的風險問題。通過數據分析，能夠幫助企業進行實時監測，對偏離了預算的部分、對偏離了正常范圍的數值能夠進行主動預警，降低企業風險。

下圖為稅負率指標，當綜合稅負率過高，可以實現提示和預警。

下圖為重要指標預警，重點監控項目的毛利率。