數(shù)據(jù)分析都有哪些常用的方法？這篇文章里，作者針對描述性分析、診斷性分析等內(nèi)容做了總結(jié)和梳理，不妨來看一下。

上篇文章我們給大家介紹了數(shù)據(jù)分析中的一些誤區(qū)，同時我們也給大家講解了不同層級數(shù)據(jù)分析的崗位之間的區(qū)別及技能的盤點。

一、通用能力總結(jié)

1.初級的數(shù)據(jù)分析，就是工具人，會操作軟件，能根據(jù)要求把數(shù)據(jù)進行整理歸納，以及一些基本的可視化呈現(xiàn)。他們具備的是軟件操作能力，但這也給了很多人一個錯誤的認知，就是以為數(shù)據(jù)分析就是學軟件，外面很多數(shù)據(jù)分析的課程也是在軟件層面的教學.但你去學了往往會發(fā)現(xiàn)，自己還是無法解決工作的問題，職業(yè)發(fā)展沒有提升。

2.中級的數(shù)據(jù)分析，工具的能力要求更高了，除了 excel 還要求有 sql 和 python，但更本質(zhì)的區(qū)別是，她需要懂業(yè)務了，能發(fā)現(xiàn)業(yè)務現(xiàn)有的問題，并給出對應的解決方案。比如給銷售部門做數(shù)據(jù)，是要懂銷售策略，運營策略才能做好的。

3.高級的數(shù)據(jù)分析，就不再是局限于事后分析和現(xiàn)狀分析，比如一個產(chǎn)品的銷售數(shù)據(jù)不佳，中級的數(shù)據(jù)分析只能等這個結(jié)果出現(xiàn)之后再去做事后諸葛亮，但高級的數(shù)據(jù)分析就需要提前做出預判，實時進行干預。甚至不再局限于公司內(nèi)部的數(shù)據(jù)，而是要分析外部的行業(yè)以及市場，來判斷大的趨勢是什么。

不過現(xiàn)在規(guī)范性分析應用比較少，因為需要需要機器學習等領(lǐng)域的高級技能，并不是所有公司都能具備的。再加上找合適的員工成本，這可是一比不小的支出啊。

二、數(shù)據(jù)分析的方法和目的

其實從很小的時候，從很小的時候，數(shù)據(jù)分析就伴隨著我們了，只不過我們一直被數(shù)據(jù)分析所支配。小學的時候一年級我們就開始考試，每張卷子是 100 分。老師會給根據(jù)答題情況給每個人進行打分，根據(jù)分數(shù)來判斷每個人成績的好壞。

不僅如此，他還要根據(jù)分數(shù)對我們進行縱向的排名。這樣老師就能更加清晰的知道誰學習好，誰學習不好。這個成績單還會同步給我的家長，成績單好的時候我就有糖吃，成績單不好的時候就只有雞毛撣子吃。

家長也是靠這一張小小的成績單來決定對我們的態(tài)度。有一次我清楚的記得，上學期我考了 54 名，下學期我考了 52 名，我開開心心的把卷子拿給我的爸爸尋求夸獎，可是他卻把我打了一頓，我當時百思不得其解，我明明進步了兩名，為什么他還打我？長大了我明白我覺得進步是對比上學期的成績，對比上學期的基礎上，我是進步了。那我爸看全局思維放在全班進行對比，我還是個渣渣。爺倆根本不在一個維度嘛。

成績單是什么呢？按我們的話來說，它其實就是輸出了一份數(shù)據(jù)報告。通過給你打分，可以看出來你對各個學科的掌握程度。比如說你英語得了 100 分，語文得了 90 分，數(shù)學得了 80 分，物理得了 60 分，化學只得了 20 分。那看起來你很明顯的要去補物理和化學啦，這就叫什么叫對癥下藥。

后來我又經(jīng)歷了很多模擬考，一模我考了 360 分。二模我考了 340 分。三模我考了 350 分。據(jù)三次平均成績，我差不多中考能考高 350 分。為什么那小時候老師和老娘運用數(shù)據(jù)分析，它的目的是什么呢？通過對比，來提高我們成績，這個才是老師的本質(zhì)目的。

根據(jù)分析的方法和目的，分析可以被劃分為描述性分析（descri-ptive analytics）、診斷性分析（Diagnostic analytics），預測性分析（predictive analytics）和規(guī)范性分析（prescriptive analytics）。那咱們就根據(jù)上面的例子分別來對號入座一下。

描述性分析（descri-ptive analytics）：

描述性分析包括數(shù)據(jù)收集、整理、制表、制圖以及描述正要研究的事物的特征，這類分析以往被稱為“報告”。描述性分析可能非常有用，但它不能解釋某種結(jié)果出現(xiàn)的原因或者未來可能會發(fā)生的事情。

其實呢就是老師把我們的成績，經(jīng)過填入梳理整合然后輸出了一張成績單的意思。但是呢他只是能看到你現(xiàn)在的情況，無法解釋你為啥成績低，也沒辦法預測你是否能提高成績啦～

診斷性分析（Diagnostic analytics）：

業(yè)務變好/變壞了，除了知道這個結(jié)果外，我們還需要通過數(shù)據(jù)進一步了解為什么會這樣。

在診斷性分析中，就需要去分析業(yè)務結(jié)果和很多因素的相關(guān)性。當然，怎么能較快速地定位到分析哪些因素和結(jié)果的關(guān)系，要基于對業(yè)務的理解?？梢源蠹乙黄痤^腦風暴分析業(yè)務數(shù)據(jù)，也可以去調(diào)研，或者深度訪談一些業(yè)務關(guān)鍵角色，讓他們給一些輸入，我們才可能知道從哪些維度去分析數(shù)據(jù)更合理。

比如說我現(xiàn)在這個成績單，我化學得了20分。對，我現(xiàn)在已經(jīng)知道我化學得了20分，那么為什么我英語能得100分，化學能得20分，是化學課開小差了？不喜歡化學？還是認真聽了但是沒聽懂？

預測性分析（predictive analytics）：

預測性分析不僅可以對數(shù)據(jù)特征和變量（可以假定取消范圍的因素）之間的關(guān)系進行描述，還可以基于過去的數(shù)據(jù)預測未來。預測性分析首先會確定變量值之間的關(guān)聯(lián)，然后基于這種已知的關(guān)聯(lián)預測另一種現(xiàn)象出現(xiàn)的可能性。

比如說預測性分析，在考試這個場景下怎么能體現(xiàn)呢？其實可以算概率，上學的時候老師肯定說過這樣的話：這個題目每年都考，所以這個一定要掌握。這個題目已經(jīng)幾年沒考了，今年很可能會考，所以這個也一定要掌握

這樣的說法其實就是拍腦袋，嚴謹?shù)臄?shù)據(jù)分析，是可以通過統(tǒng)計，發(fā)現(xiàn)那些 100%會考的題，這樣幫助你更有針對性的去準備考試，如果你 100%會出的題都還錯，那當然要優(yōu)先搞這種題，有時間再去搞那種概率性出現(xiàn)的題目。而不是眉毛胡子一把抓。

規(guī)范性分析（prescriptive analytics）：

規(guī)范性分析是更高層次的分析，如實驗設計和優(yōu)化等。就像醫(yī)生會在出處方建議患者采取什么行動一樣就比如說咱們考試，你數(shù)學考了 100 分，語文考了 80 分，英語考了 60 分，物理只考了 20 分。

這個時候我們可能會知道語文和英語還有物理是需要去提高的。但我們不能一上來就建議去提高物理分數(shù)，我們可以在提高各項分數(shù)之間做一個投入產(chǎn)出比的比較，然后再選擇最優(yōu)的學科去提高。

以上就是今天的內(nèi)容了，看著上面的小故事覺得描述性分析，診斷性分析，預測性分析還有規(guī)范性分析，聽著也不難啊。當然便于大家理解我們只是用故事串起來了，實際上工作中能做到其實是很不容易的！最后預告下咱們最后一篇了，下一篇咱們會給大家詳細介紹數(shù)據(jù)分析對于我們個人及在公司中的重要意義。