如何用數據解決實際問題

微信讀書讀完的第316本書，《如何用數據解決實際問題》。 本書通過簡單的數學，闡述如何用數據解決實際問題。 數據分析不是目的，解決具體問題、提出具體執行方案纔是。 數據分析的流程，明確目的/問題，大致把握問題的現狀，鎖定問題的關鍵，鎖定原因，討論及實施對策。 明確目的，可根據相關的理論，如4P營銷理論、電商萬能公式，建立思維框架與導圖，再加以建立假設、驗證方法、數據採集。 思維方式很重要，假設也很重要，假設錯了，可能錯過真正的影響因素。 what：通過數據的初步處理，通過平均數、中位數、標準差、變異係數、趨勢圖等，大致把握現狀。 why：通過相關分析、一元迴歸分析、多元迴歸分析等，鎖定問題的關鍵，鎖定原因。 針對關鍵原因，提出具體的執行方案。 本書通過日產具體的案例，詳細地闡述數據分析的過程，值得練習，學以致用。 數據分析，也需要有營銷、管理、財務、戰略等知識支撐，懂業務，建立完善的思維框架，才更有針對性分析。

書中介紹了一套簡潔的數據分析流程，即：明確目的或問題→大致把握數據現狀→鎖定問題的關鍵→鎖定原因→設定行動措施。作者再配以具體的商業案例分析，使得整個講解通俗易懂。 談到數據分析，就必須牽扯到統計學，本書也不例外。但作者所應用的統計學知識非常淺顯，屬於統計學第一堂課上就會學到的內容。作者用自己在日產多年的工作經歷向讀者保證，絕大多數實務問題其實並不需要複雜而花哨的統計工具，本書足矣。 方法雖簡單，但在真正解決實際問題前，我們還有很多經驗需要積累。這其中最重要的是關於數據分析思維的培養，問題的關鍵點如何尋找、數據的範圍需要多大、問題原因的維度是否找全等等。一旦養成了數據分析思維，我們解決問題的視角將變得更加廣闊，以後在關於銷量預測、產品改進、競爭力分析等方面將愈發得心應手。 雖然開闊了讀者的思路，但本書缺點是內容太過單薄。

數據本身沒有意義，只有當數據被用來回答關鍵問題、驅動實際行動時，它才產生巨大的價值： 1.從業務問題出發，而非從數據出發：不要拿着一堆數據去問“我能從中發現什麼”，而應該先問“我們要解決什麼業務問題”，然後再看需要什麼數據。 2.簡單優於複雜：複雜的機器學習模型不一定比一個簡單的交叉對比圖表更有用。能夠直接推動決策的簡單分析纔是最好的。 3.數據質量是基石：再先進的算法也無法挽救錯誤的數據。 4.數據是爲了行動：如果數據分析的結果沒有促成業務行動或決策的改變，那麼這次分析就是無效的。

我們在使用數據的時候有很多誤區，本書給出了很好的解決辦法。 ①把數據分佈天然認爲是高斯分佈的，因此誇大了平均數的價值，低估了中位數的價值。用方差與標準差去衡量數據的屬性。 ②把相關性關係理解成因果關係。 ③把一元線性分析替代了多元線性分析等。 搞數據分析，往往不是統計學沒有學好，而是錯用了數學模型，說到底是理解有錯誤，或者說是語文沒有學好。 很不錯的一本書，科學交易者可以參考。我們在開發交易策略時，很多時候，數據分佈並不符合正態分佈，這點我喫了不少虧。提醒大家一定要注意……

書裏的分析場景簡單易懂 並且應用線性迴歸進行分析 分到結論 可以幫助讀者瞭解 複習相關理論 已經應用的場景 對分析結論如何改變業務owner的想法 也給了說明 決策建議的實施 數據結論很重要 但把相關方安撫好 並支持相關變革 則顯得更爲重要 這裏更多的要考慮是否合理 而不是是否正確

書如其名，內容詳實且非常接地氣。能看出作者是有豐富的職場經驗，不是停留在理論層面講數據分析，而是會結合真實工作場景，思考“這些數據到底能解決什麼問題”，很點題。 尤其推薦前兩章，以及每章最後的小故事，我將反覆閱讀！對於職場數據分析初學者來說，我認爲它真正有價值的地方，不是教我記住多少分析方法，而是幫我建立一套結構化的思考框架：先明確目的，提出假設，結合數據鎖定關鍵問題，找到原因，最後給出對策。更重要的是，從頭到尾都要記住：數據分析最終是要給誰看、爲誰服務。只有回到業務和溝通對象，才能真正把數據講成一個有價值的故事。 如果你剛開始接觸職場數據分析，又常常不知道“拿到一堆數據後應該從哪裏開始”，或者和我一樣迷失在數字的海洋裏，這本書會是一個很實用的入門讀物；如果你已經非常精通數據分析，或者有自己的方法論，那這本書可能對你來說太基礎。

這是我速讀的第21本書 用時：21分鐘 推薦指數：3星 速讀心得： 1、Excel竟然可以做標準差和相關係數的計算，而且一個函數就能搞定。之前學數學時只知道相關係數是個非常好用的東西，奈何計算太麻煩就沒怎麼使用過，使用Excel的CORREL函數即可輕鬆搞定。 2、Excel的加載項非常強大，需要進行數據分析的趕緊去試試加載項裏的分析工具。嘗試方法：Excel—選項—加載項—分析工具庫，點擊轉到，勾選分析數據庫點擊確定即可，然後你就可以在數據選項—數據分析裏找到它，相關係數、反差分析、直方圖、隨機數發生器都在裏面。 3、相關係數可以幫忙迅速判斷你設想的因果是否成立！（之前只是考試，因爲計算麻煩不願意使用，沒想到可以用到工作中，當然前提是你得有數據） 4、升級你的Excel到最新版吧，或者直接買個OFFICE 365，微軟爲了讓你學Excel各種有用函數，都在最新版裏內置了遊戲教程！！

【1】十分推薦，適合新手學習 --------------------第 2 次閱讀這本書了，對於數據分析新手非常的友好： 沒有複雜的統計學計算公式沒有看不懂的 python 代碼沒有正確的廢話，聽着都對，但動手不知道怎麼做真如這本書的名稱《如何用數據解決實際問題》，所以的方法知識點，都是從實際工作中總結出來的，很實用，很落地！ 有人可能會說，內容過於簡單，適合新手。 真正用在生產環境中的方法，本就應該是簡單的，實用高效的方法，應該是能快速理解，直接拿來用的，而不需要天天守着百度，去搜索理解方法，然後一遍遍的試錯，這會給解決問題帶來相當大的成本。 【2】QA 筆記法 --------------------爲了半年、一年後再看到筆記能快速 get 到書中的重點，我把知識點都梳理成了 QA 的問題，我稱之爲【QA 筆記法】。 以下是整本書的 QA 筆記清單，希望能對大家有幫助！ ■ 第 1 章 解決問題，你需要“流程” 01. 數據分析新手經常犯的問題有哪些？ 02. 什麼是劃定問題的範圍？ 03. 如何劃定問題的範圍？ 04. 數據分析，爲什麼要先鎖定原因 05. 如何鎖定問題原因 06. 如何研究改善對策 07. 數據分析準備工作中有哪些？ 08. 數據分析新手常見的問題 09. 爲什麼數據分析要假設？ ■ 第2章，分解數據，找到問題的關鍵 01. 常見的數據分析場景有哪些？ 02. 有哪些分析數據的角度？ 03. 因素比較多的情況下，如何分析？ 04. 爲什麼要使用平均值？ 05. 使用平均值有什麼缺點？ 06. 平均值缺點的案例有哪些？ 07. 用什麼方法可以代替平均值？ 08. 中位數的案例有哪些？ 09. 辛普森悖論的原因是什麼？ 10. 爲什麼要關注數據的波動？ 11. 標準差在使用過程中，有哪些主題的地方？ 12. 如何更好的理解標準差 13. 如何把標準差應用到工作中去？ 14. 使用變異係數的好處是什麼？ 15. 如何使用Excel製作直方圖？ ■ 第3章，採用交叉視點，鎖定原因 01. 數據分析後，可能會遇到什麼問題？ 02. 如何把分析方向，拓展到不同的維度？ 03. 如何在Excel中計算相關係數？ 04. 使用相關係數，有哪些優勢？ 05. 相關分析如何應用到實際工作中去？ 06. 相關性分析的案例有哪些？ 07. 如何解讀相關性分析的結果？ 08. 如何使用相關係數做矩陣分析？ 09. 使用矩陣分析的優勢是什麼？ 10. 相關性分析，需要注意什麼？ ■ 第4章，制定對策，要依據方程式 01. 相關性分析後，下一步要做什麼？ 02. 如何預測未來的數據 03. 如何理解迴歸方程？ 04. 使用迴歸方程需要注意什麼？ 05. 如何在實際工作中應用迴歸分析？ 06. 迴歸分析看相關係數還是斜率？ ■ 第5章 用數據講故事 01. 數據分析的流程什麼樣的？有案例說明嗎？ 02. 解決問題的步驟是什麼？ 03. 彙報時，如何可以更清晰的表達？ 04. 如果更委婉的給領導提出改善建議？ 05. 還有哪些高級的分析方法值得學習？

書名挺吸引人的，內容卻沒有預期中的期待。 解決問題的5個步驟：明確目的或問題→大致把握現狀→鎖定問題的關鍵→鎖定原因→設定行動措施。（從整理數據到分析數據） 一、在日產學到了什麼 1.考慮兩個問題 （1）以前的經驗今後也會暢通無阻嗎？ （2）自己所見的範圍和經驗沒有侷限性嗎？ 2.將數據應用於實際業務的能力 （1）解讀數據 （2）基本的數據分析方法 （3）綜合技能 （4）高級分析技能和IT系統 二、整理數據 1.運用“框架”作爲思考問題的線索：流程圖、損益表、4P營銷理論等。 2.鎖定問題的關鍵→WHAT型假設，對數據進行分解和比較。 3.描述統計分析 平均值，Excel函數：AVERAGE 中位數，Excel函數：MEDIAN 辛普森悖論 標準差，Excel函數：STDEV 變異係數 三、分析數據 1.鎖定原因→WHY型假設，列舉出候補原因。 2.相關係數，值介於-1和+1之間，Excel函數：CORREL。

2019№63 這是一本超級淺顯的書，裏面的分析方法主要是針對Excel特別基礎的功能，沒有關注。需要關注的是作者給予的解決問題的思路和邏輯，這方面可以關注下，並運用，提供工作效率喝質量，具體分析方法，類型太多，以目的爲依據，需要什麼用什麼即可。