如何用数据解决实际问题

微信读书读完的第316本书，《如何用数据解决实际问题》。 本书通过简单的数学，阐述如何用数据解决实际问题。 数据分析不是目的，解决具体问题、提出具体执行方案才是。 数据分析的流程，明确目的/问题，大致把握问题的现状，锁定问题的关键，锁定原因，讨论及实施对策。 明确目的，可根据相关的理论，如4P营销理论、电商万能公式，建立思维框架与导图，再加以建立假设、验证方法、数据采集。 思维方式很重要，假设也很重要，假设错了，可能错过真正的影响因素。 what：通过数据的初步处理，通过平均数、中位数、标准差、变异系数、趋势图等，大致把握现状。 why：通过相关分析、一元回归分析、多元回归分析等，锁定问题的关键，锁定原因。 针对关键原因，提出具体的执行方案。 本书通过日产具体的案例，详细地阐述数据分析的过程，值得练习，学以致用。 数据分析，也需要有营销、管理、财务、战略等知识支撑，懂业务，建立完善的思维框架，才更有针对性分析。

书中介绍了一套简洁的数据分析流程，即：明确目的或问题→大致把握数据现状→锁定问题的关键→锁定原因→设定行动措施。作者再配以具体的商业案例分析，使得整个讲解通俗易懂。 谈到数据分析，就必须牵扯到统计学，本书也不例外。但作者所应用的统计学知识非常浅显，属于统计学第一堂课上就会学到的内容。作者用自己在日产多年的工作经历向读者保证，绝大多数实务问题其实并不需要复杂而花哨的统计工具，本书足矣。 方法虽简单，但在真正解决实际问题前，我们还有很多经验需要积累。这其中最重要的是关于数据分析思维的培养，问题的关键点如何寻找、数据的范围需要多大、问题原因的维度是否找全等等。一旦养成了数据分析思维，我们解决问题的视角将变得更加广阔，以后在关于销量预测、产品改进、竞争力分析等方面将愈发得心应手。 虽然开阔了读者的思路，但本书缺点是内容太过单薄。

数据本身没有意义，只有当数据被用来回答关键问题、驱动实际行动时，它才产生巨大的价值： 1.从业务问题出发，而非从数据出发：不要拿着一堆数据去问“我能从中发现什么”，而应该先问“我们要解决什么业务问题”，然后再看需要什么数据。 2.简单优于复杂：复杂的机器学习模型不一定比一个简单的交叉对比图表更有用。能够直接推动决策的简单分析才是最好的。 3.数据质量是基石：再先进的算法也无法挽救错误的数据。 4.数据是为了行动：如果数据分析的结果没有促成业务行动或决策的改变，那么这次分析就是无效的。

我们在使用数据的时候有很多误区，本书给出了很好的解决办法。 ①把数据分布天然认为是高斯分布的，因此夸大了平均数的价值，低估了中位数的价值。用方差与标准差去衡量数据的属性。 ②把相关性关系理解成因果关系。 ③把一元线性分析替代了多元线性分析等。 搞数据分析，往往不是统计学没有学好，而是错用了数学模型，说到底是理解有错误，或者说是语文没有学好。 很不错的一本书，科学交易者可以参考。我们在开发交易策略时，很多时候，数据分布并不符合正态分布，这点我吃了不少亏。提醒大家一定要注意……

书里的分析场景简单易懂 并且应用线性回归进行分析 分到结论 可以帮助读者了解 复习相关理论 已经应用的场景 对分析结论如何改变业务owner的想法 也给了说明 决策建议的实施 数据结论很重要 但把相关方安抚好 并支持相关变革 则显得更为重要 这里更多的要考虑是否合理 而不是是否正确

书如其名，内容详实且非常接地气。能看出作者是有丰富的职场经验，不是停留在理论层面讲数据分析，而是会结合真实工作场景，思考“这些数据到底能解决什么问题”，很点题。 尤其推荐前两章，以及每章最后的小故事，我将反复阅读！对于职场数据分析初学者来说，我认为它真正有价值的地方，不是教我记住多少分析方法，而是帮我建立一套结构化的思考框架：先明确目的，提出假设，结合数据锁定关键问题，找到原因，最后给出对策。更重要的是，从头到尾都要记住：数据分析最终是要给谁看、为谁服务。只有回到业务和沟通对象，才能真正把数据讲成一个有价值的故事。 如果你刚开始接触职场数据分析，又常常不知道“拿到一堆数据后应该从哪里开始”，或者和我一样迷失在数字的海洋里，这本书会是一个很实用的入门读物；如果你已经非常精通数据分析，或者有自己的方法论，那这本书可能对你来说太基础。

这是我速读的第21本书 用时：21分钟 推荐指数：3星 速读心得： 1、Excel竟然可以做标准差和相关系数的计算，而且一个函数就能搞定。之前学数学时只知道相关系数是个非常好用的东西，奈何计算太麻烦就没怎么使用过，使用Excel的CORREL函数即可轻松搞定。 2、Excel的加载项非常强大，需要进行数据分析的赶紧去试试加载项里的分析工具。尝试方法：Excel—选项—加载项—分析工具库，点击转到，勾选分析数据库点击确定即可，然后你就可以在数据选项—数据分析里找到它，相关系数、反差分析、直方图、随机数发生器都在里面。 3、相关系数可以帮忙迅速判断你设想的因果是否成立！（之前只是考试，因为计算麻烦不愿意使用，没想到可以用到工作中，当然前提是你得有数据） 4、升级你的Excel到最新版吧，或者直接买个OFFICE 365，微软为了让你学Excel各种有用函数，都在最新版里内置了游戏教程！！

【1】十分推荐，适合新手学习 --------------------第 2 次阅读这本书了，对于数据分析新手非常的友好： 没有复杂的统计学计算公式没有看不懂的 python 代码没有正确的废话，听着都对，但动手不知道怎么做真如这本书的名称《如何用数据解决实际问题》，所以的方法知识点，都是从实际工作中总结出来的，很实用，很落地！ 有人可能会说，内容过于简单，适合新手。 真正用在生产环境中的方法，本就应该是简单的，实用高效的方法，应该是能快速理解，直接拿来用的，而不需要天天守着百度，去搜索理解方法，然后一遍遍的试错，这会给解决问题带来相当大的成本。 【2】QA 笔记法 --------------------为了半年、一年后再看到笔记能快速 get 到书中的重点，我把知识点都梳理成了 QA 的问题，我称之为【QA 笔记法】。 以下是整本书的 QA 笔记清单，希望能对大家有帮助！ ■ 第 1 章 解决问题，你需要“流程” 01. 数据分析新手经常犯的问题有哪些？ 02. 什么是划定问题的范围？ 03. 如何划定问题的范围？ 04. 数据分析，为什么要先锁定原因 05. 如何锁定问题原因 06. 如何研究改善对策 07. 数据分析准备工作中有哪些？ 08. 数据分析新手常见的问题 09. 为什么数据分析要假设？ ■ 第2章，分解数据，找到问题的关键 01. 常见的数据分析场景有哪些？ 02. 有哪些分析数据的角度？ 03. 因素比较多的情况下，如何分析？ 04. 为什么要使用平均值？ 05. 使用平均值有什么缺点？ 06. 平均值缺点的案例有哪些？ 07. 用什么方法可以代替平均值？ 08. 中位数的案例有哪些？ 09. 辛普森悖论的原因是什么？ 10. 为什么要关注数据的波动？ 11. 标准差在使用过程中，有哪些主题的地方？ 12. 如何更好的理解标准差 13. 如何把标准差应用到工作中去？ 14. 使用变异系数的好处是什么？ 15. 如何使用Excel制作直方图？ ■ 第3章，采用交叉视点，锁定原因 01. 数据分析后，可能会遇到什么问题？ 02. 如何把分析方向，拓展到不同的维度？ 03. 如何在Excel中计算相关系数？ 04. 使用相关系数，有哪些优势？ 05. 相关分析如何应用到实际工作中去？ 06. 相关性分析的案例有哪些？ 07. 如何解读相关性分析的结果？ 08. 如何使用相关系数做矩阵分析？ 09. 使用矩阵分析的优势是什么？ 10. 相关性分析，需要注意什么？ ■ 第4章，制定对策，要依据方程式 01. 相关性分析后，下一步要做什么？ 02. 如何预测未来的数据 03. 如何理解回归方程？ 04. 使用回归方程需要注意什么？ 05. 如何在实际工作中应用回归分析？ 06. 回归分析看相关系数还是斜率？ ■ 第5章 用数据讲故事 01. 数据分析的流程什么样的？有案例说明吗？ 02. 解决问题的步骤是什么？ 03. 汇报时，如何可以更清晰的表达？ 04. 如果更委婉的给领导提出改善建议？ 05. 还有哪些高级的分析方法值得学习？

书名挺吸引人的，内容却没有预期中的期待。 解决问题的5个步骤：明确目的或问题→大致把握现状→锁定问题的关键→锁定原因→设定行动措施。（从整理数据到分析数据） 一、在日产学到了什么 1.考虑两个问题 （1）以前的经验今后也会畅通无阻吗？ （2）自己所见的范围和经验没有局限性吗？ 2.将数据应用于实际业务的能力 （1）解读数据 （2）基本的数据分析方法 （3）综合技能 （4）高级分析技能和IT系统 二、整理数据 1.运用“框架”作为思考问题的线索：流程图、损益表、4P营销理论等。 2.锁定问题的关键→WHAT型假设，对数据进行分解和比较。 3.描述统计分析 平均值，Excel函数：AVERAGE 中位数，Excel函数：MEDIAN 辛普森悖论 标准差，Excel函数：STDEV 变异系数 三、分析数据 1.锁定原因→WHY型假设，列举出候补原因。 2.相关系数，值介于-1和+1之间，Excel函数：CORREL。

2019№63 这是一本超级浅显的书，里面的分析方法主要是针对Excel特别基础的功能，没有关注。需要关注的是作者给予的解决问题的思路和逻辑，这方面可以关注下，并运用，提供工作效率喝质量，具体分析方法，类型太多，以目的为依据，需要什么用什么即可。