数据分析师宝典

#小曾曾读书笔记#《数据分析师宝典》本书讲解了数据分析的基本框架，从数据分析基本概念、数据分析技术细节、数据分析指标应用三方面进行了讲解。分析的层次算是浅尝辄止，既不算很具体，也不算很深入，适合打算入门和入职1-3年的数据分析师学习并应用。文中的最后一章应用篇，实际上是针对人力资源、企业营销、仓储数据的三方面的指标分析体系，算不得真正的“实战”，可以说是为有从事这三方面的用户提供了非常详尽的指导。看书就是如此，能有针对性的提升，能学习到至少一个闪光点，就算有收获了；不定期的温故知新，需要用到知识时再来翻阅书本，更是巩固和提升个人能力最常用的手段。个人划线和整理的重点部分如下： >> 数据分析可以简单概括为用适当的方法对大量复杂的数据进行分析，从中提取具有价值的信息，并进行详细研究和概括总结的过程。 >> 统计学将数据分析分为3个类型：描述性数据分析、探索性数据分析、验证性数据分析。 >> 描述性数据分析着重于描述数据之间的关联；探索性数据分析着重于发现数据新的特征；验证性数据分析着重于对已有假设的证实或证伪。 >> 描述性数据分析中又分为集中型（如平均值、中位数和众数等）与离散型（如方差、标准差等）两类。 >> 探索性数据分析着重于发现数据新的特征，基本过程如下： （1）发现错误的数据 （2）绘制数据的基层结构 （3）确定重要的变量 （4）列出异常的数据 （5）检查假设，并建立一个简约的模型 （6）估计参数，计算相关的误差范围 >> 人力资源数据分析需满足三点要素：要整体，不要抽样；要相关，不要因果；要效率，不要精确。 >> 人力资源数据分析有以下三个方面。第一个：对基础信息数据进行分析，包括人员数量、人才结构、人力资源配比等，从这些基础信息中可以看出企业人力资源现状。第二个：对业务数据进行分析，包括员工招聘、薪酬激励、绩效考核等，此类信息可以反映出企业人力资源的活力。第三个：对效益数据进行分析，包括人工成本利润率、员工满意度等，这些信息能够反映出企业的人力资源质量。 >> 不管是针对营销数据，还是对其他模块数据进行分析，整个步骤总结起来就是： 1、了解公司，了解业务 2、确定数据，确定维度 3、收集数据，数据清洗 4、数据挖掘，数据整合 5、输出结论，制作报告 6、给出结论，落地执行 7、监控执行，修复结论 相当于一套PDCA循环。 >> 营销数据分析中最常见的三种模型：差异性分析、特征性分析、回归分析。 >> 对于仓储数据的分析都是通过ERP（覆盖客户、项目、库存、采购、供应等工作，通过对企业资源的优化达到资源利用最大化）来完成的。 >> 间接数据来源的四个渠道： 1、数据库 2、权威数据机构 3、搜索引擎 4、市场调查 >> 制作图表的五个步骤：确定主题、确定图表、挑选数据制作图表、检查是否能够较为真实地展现数据、检查是否符合主题观点。 >> 数据分析对企业做运营规划主要有三大作用：分析现状、分析原因、预测未来。 >> 数据分析师需要掌握的理论知识一般有两种，一种是数学统计知识，一种是市场研究知识。 >> 运用统计知识解决实际问题，一般需要如下步骤：建立模型，收集数据，整理数据，进行统计推论、预测、决策。 >> 市场研究又称为市场调查，它实际上是指运用科学的方法，有目的地搜集、记录、整理市场的相关信息资料，从而了解市场的现状及其发展趋势，为决策者提供客观的、正确的资料。 >> 市场调查的内容包括市场环境调查，例如对经济环境、社会文化环境等的调查；市场基本状况调查，例如对市场规范、总体需求量、市场占有率等的调查；客户调查，例如对现有客户、潜在客户的调查；竞争对手调查，例如对竞争对手的市场占有率等的调查。 >> 市场调查数据收集的三种方法：观察法、提问法、实验法 >> 数据分析过程中主要的五个误区有： 1、选取的样本容量有误 2、忽略沉默用户 3、错判数据之间的因果关系 4、被数据的视觉效果所蒙蔽 5、过度依赖数据 >> 在实际的数据分析中，真实且客观的数据图表需要占据整体区域的三分之二， >> 想清楚客户需要的是什么：重视、划算、参与。 >> 数据分析的三个技巧： 1、看趋势：对产品核心指标的长期追踪，明确数据变化背后的原因，环比、同比、定基比。 2、看分布：分布的集中趋势，体现各数据聚集的程度；分布的离散程度，体现各数据远离中心值的程度；分布的形状，体现数据分布的偏态和峰态。 3、看细化：多维度拆解，包括分时、分渠道、分用户、分地区、组成拆分等等。 >> 数据形象化具体操作方法有：指标值形象化、构建场景来表现、概念转化。 >> 优化图表的原则：如无必要，勿增实体；突出某个重点的唯一方法是删去一些不重要的数据信息。 >> 数据分析报告的高度概括，代表整个报告的总结，是得出结论、给予建议、解决矛盾的关键依据，它包含两个部分：结论和建议。

这本书作为数据分析师入门读物很适合，有案例，有指导方法，逻辑清晰。

这本书的内容很基础，介绍了数据分析的大框架和思路，对于实操部分涉及不多。 对于初学者的价值意义大一点，对于有经验的人来说帮助不是很大。 后面具体到人力资源、营销等分析，根据具体工作事宜学一学就好，核心就还是前面的内容的理解和掌握。

入门数据分析可以看看，大部分涉及统计学理论的内容在实际工作中其实很少用到，后面财务、人力、仓储这部分的分析案例如果工作中不涉及的话可以快速略过。

前面内容也不记得哪里看过了，后面也是，整个指标体系可以用来构建自己的指标库