⊱ 什么是数据分析？
数据分析，是一个检查、清理、转换和建模数据的过程，目的是发现有用的信息、提出结论和支持决策。数据分析是“你可以分解数据、评估一段时间内的趋势，并将一个部门或衡量指标与另一个进行比较的所有方式。它还包括各种数据可视化的方式，使趋势和关系一目了然。”
⊱为什么需要数据分析？
数据分析有助于我们理解数据，否则数据将仍然是一堆笨拙的信息或数字。数据分析是必不可少的，因为分析有助于人类做出决策。因此，进行分析以产生决策的最佳结果是该过程的重要组成部分，恰当地呈现结果也是如此。
它是由数据分析师执行的一项内部组织职能，不仅仅是向管理层提供数字和信息，它需要更深入的方法来记录、分析和剖析数据，并以易于理解的格式呈现结果。通过数据分析，我们能够为公司提供以下关键领域的决策洞察力：
- 预测客户趋势和行为
- 以有意义的方式分析、解释和交付数据
- 提高企业生产力
- 推动有效的决策
在研究中，数据分析提供了理解数据并以与研究目的和研究问题相关的方式解释数据的基础。它提供了研究人员可以构建和证实关于研究结果的论点的基石。
⊱如何进行数据分析？
虽然每家公司都会根据自己的要求和目标分析特定的数据，但价值链中的某些步骤在各个组织中是一致的：
- 定义目标：从明确定义的问题或机会开始
- 收集相关数据：识别和收集相关数据
- 清理和转换数据：查找不完整、冗余和错误数据
- 探索性数据分析：借助描述性统计和数据可视化执行 EDA
- 建模和算法：区分相关性和因果关系，应用推理统计来衡量变量之间的关系
- 交流或展示结果：基于域和用户，交流或展示结果，包括数据可视化
⊱案例研究：让我们回到我们的案例研究，了解如何进行数据分析。
首先，我们需要定义我们的目标，可以是增加销售额或优化运营。定义目标后，我们需要查看衡量目标的关键矩阵是什么？这些矩阵依赖于哪些数据？该数据驻留在哪些数据存储中以及如何收集该数据？
在分析过程中，我们可以发现数据不完整、数据不一致、其他数据错误等数据质量问题，我们需要决定如何克服这些质量问题。清理数据后，我们将执行探索性数据分析 (EDA) 以查看数据属性是如何关联的，尝试借助描述性统计和模式与关系的可视化来识别关系。
完成上述步骤后，我们会区分相关性和因果关系，将模型应用于数据以进行预测或洞察生成。请注意，数据清理、转换、EDA 和建模是以迭代方式执行的，因为这些活动是相互关联的。一旦我们产生了一些建议或见解，我们就会寻找向客户、企业展示或传达结果和发现的方法。
因此，在数据分析之后，我们将获得关于采取哪些步骤来增加销售或优化运营的可操作见解或建议。
热门跟贴