CobiNet(寧波)推薦文章：

為什么你的(de)數據(ju)分(fen)(fen)析成果總是難以落地?數據(ju)分(fen)(fen)析的(de)價值總是遠遠低(di)于預期?相信看(kan)完這篇(pian)文(wen)章，每(mei)個(ge)人(ren)都能找(zhao)到一個(ge)屬(shu)于自己的(de)答(da)案(an)。本(ben)人(ren)先后(hou)在電力(li)、軍(jun)工、金融等行(xing)業擔任數據(ju)分(fen)(fen)析師，有多年行(xing)業經驗。從平時(shi)的(de)工作中總結出(chu)以下六個(ge)數據(ju)分(fen)(fen)析時(shi)要注(zhu)意的(de)原則，希望能對大家有所幫助。

1、遵(zun)循數據分析(xi)標準流程

數據分析(xi)(xi)遵循一定(ding)的流程(cheng)，不僅可(ke)以保證數據分析(xi)(xi)每一個階(jie)段的工作(zuo)內容有章(zhang)可(ke)循，而且還(huan)可(ke)以讓分析(xi)(xi)最終(zhong)的結(jie)果更(geng)加準確，更(geng)加有說服(fu)力。一般情況下(xia)，數據分析(xi)(xi)分為以下(xia)幾(ji)個步驟(zou)：1)業務(wu)理解，確定(ding)目標、明確分析(xi)(xi)需求;

2)數(shu)(shu)據(ju)理解，收集原始(shi)數(shu)(shu)據(ju)、描述數(shu)(shu)據(ju)、探索數(shu)(shu)據(ju)、檢驗數(shu)(shu)據(ju)質量;

3)數(shu)(shu)據(ju)準備(bei)，選(xuan)擇數(shu)(shu)據(ju)、清(qing)洗(xi)數(shu)(shu)據(ju)、構造數(shu)(shu)據(ju)、整合數(shu)(shu)據(ju)、格式(shi)化數(shu)(shu)據(ju);

4)建(jian)立(li)模型(xing)，選擇(ze)建(jian)模技術、參數調優、生(sheng)成測(ce)試計劃、構建(jian)模型(xing);

5)評(ping)(ping)估模型，對模型進行(xing)較為全面的評(ping)(ping)價，評(ping)(ping)價結果、重審過程;

6)成果(guo)部署，分析結果(guo)應(ying)用。

2、明確數據分(fen)析目標(biao)

在數據分(fen)(fen)(fen)析(xi)(xi)(xi)前期，要做到充(chong)分(fen)(fen)(fen)溝通、理解業務規則、關注業務痛點、了解用戶(hu)需求、換位思考，明確為什么要做數據分(fen)(fen)(fen)析(xi)(xi)(xi)，要達到一個什么目標。這樣才能保證(zheng)后續的(de)(de)收集數據、確定分(fen)(fen)(fen)析(xi)(xi)(xi)主題、分(fen)(fen)(fen)析(xi)(xi)(xi)數據、分(fen)(fen)(fen)析(xi)(xi)(xi)結(jie)果(guo)應用等工作都能夠(gou)圍繞分(fen)(fen)(fen)析(xi)(xi)(xi)目標開展，保證(zheng)最(zui)終能夠(gou)從整體(ti)目標的(de)(de)角度去總結(jie)分(fen)(fen)(fen)析(xi)(xi)(xi)成果(guo)。

3、業務與(yu)數據(ju)結合確定(ding)分析主題

以(yi)解決業務(wu)問題(ti)(ti)為目標，以(yi)數據(ju)(ju)現(xian)狀為基礎，確定分(fen)(fen)析(xi)(xi)(xi)主題(ti)(ti)。前(qian)期要(yao)做好充分(fen)(fen)的(de)準備，以(yi)業務(wu)問題(ti)(ti)為導向，以(yi)業務(wu)梳(shu)理為重點(dian)，進行多輪討論，分(fen)(fen)析(xi)(xi)(xi)主題(ti)(ti)避免過大，針對(dui)業務(wu)痛點(dian)，實現(xian)知現(xian)狀、明原(yuan)因、可(ke)預(yu)測(ce)、有價(jia)值。另(ling)外，分(fen)(fen)析(xi)(xi)(xi)數據(ju)(ju)的(de)范圍除了(le)重點(dian)關注的(de)業務(wu)指(zhi)標數據(ju)(ju)，還(huan)要(yao)盡量(liang)考(kao)慮擴展外延數據(ju)(ju)，比(bi)如經濟指(zhi)標數據(ju)(ju)、氣象(xiang)數據(ju)(ju)、財務(wu)數據(ju)(ju)等。確定分(fen)(fen)析(xi)(xi)(xi)主題(ti)(ti)之前(qian)，要(yao)進行數據(ju)(ju)支(zhi)撐情(qing)(qing)況的(de)初(chu)步判斷，避免中途發(fa)現(xian)數據(ju)(ju)質(zhi)量(liang)或者數據(ju)(ju)范圍不能支(zhi)撐分(fen)(fen)析(xi)(xi)(xi)工作的(de)情(qing)(qing)況發(fa)生(sheng)。確定分(fen)(fen)析(xi)(xi)(xi)主題(ti)(ti)之后，詳細(xi)論證分(fen)(fen)析(xi)(xi)(xi)可(ke)行性，保(bao)證分(fen)(fen)析(xi)(xi)(xi)過程的(de)清晰性，才能開(kai)始分(fen)(fen)析(xi)(xi)(xi)工作。

4、多(duo)種分析方法(fa)結合

分(fen)析(xi)過程中(zhong)盡量(liang)運用多種分(fen)析(xi)方法(fa)，以(yi)提(ti)高分(fen)析(xi)的(de)準(zhun)確性和(he)可靠性。例如，運用定(ding)性定(ding)量(liang)相(xiang)結(jie)(jie)合的(de)分(fen)析(xi)方法(fa)對(dui)于(yu)數(shu)據(ju)進行分(fen)析(xi);融(rong)合交互式自助BI、數(shu)據(ju)挖掘、自然語(yu)言處理等多種分(fen)析(xi)方法(fa);高級分(fen)析(xi)和(he)可視(shi)化分(fen)析(xi)相(xiang)結(jie)(jie)合等。

5、選(xuan)擇合適的(de)分析工具

工欲(yu)善其(qi)(qi)事，必先(xian)利其(qi)(qi)器，數(shu)(shu)據分(fen)(fen)(fen)(fen)析過程中要選(xuan)擇合(he)適的(de)分(fen)(fen)(fen)(fen)析工具做(zuo)分(fen)(fen)(fen)(fen)析。SPSS、SAS、Alteryx、美林TEMPO、Repidminer、R、Python等這幾(ji)種(zhong)(zhong)工具都是業界比較(jiao)認(ren)可(ke)(ke)的(de)數(shu)(shu)據分(fen)(fen)(fen)(fen)析產品。它們各(ge)有(you)其(qi)(qi)優(you)勢，SPSS 較(jiao)早進入國內市(shi)場，發展已經(jing)相對(dui)成熟，有(you)大(da)量參考書可(ke)(ke)供參考，操作(zuo)上容易(yi)上手，簡(jian)單易(yi)學。SAS由于其(qi)(qi)功能(neng)(neng)強大(da)而(er)且可(ke)(ke)以編程，很(hen)受高(gao)(gao)級(ji)用(yong)戶的(de)歡迎(ying)。Alteryx 工作(zuo)流打包成應用(yong)，為小企(qi)業直接提(ti)供應用(yong)，地理數(shu)(shu)據分(fen)(fen)(fen)(fen)析功能(neng)(neng)強大(da)。美林的(de)Tempo功能(neng)(neng)全面，在高(gao)(gao)級(ji)分(fen)(fen)(fen)(fen)析和(he)可(ke)(ke)視化分(fen)(fen)(fen)(fen)析相結合(he)上具有(you)明顯優(you)勢。Repidminer 易(yi)用(yong)性(xing)(xing)和(he)用(yong)戶體驗(yan)做(zuo)得(de)很(hen)好，并且內置了很(hen)多案例用(yong)戶可(ke)(ke)直接替換(huan)數(shu)(shu)據源去使用(yong)。R 是開源免(mian)費的(de)，具有(you)良好的(de)擴展性(xing)(xing)和(he)豐富的(de)資(zi)源，涵蓋(gai)了多種(zhong)(zhong)行業中數(shu)(shu)據分(fen)(fen)(fen)(fen)析的(de)幾(ji)乎所有(you)方法，分(fen)(fen)(fen)(fen)析數(shu)(shu)據更靈(ling)活。Python，有(you)各(ge)種(zhong)(zhong)各(ge)樣功能(neng)(neng)強大(da)的(de)庫(ku)，做(zuo)數(shu)(shu)據處理很(hen)方便(bian)，跟MATLAB很(hen)像。

6、分析(xi)結(jie)論(lun)盡量圖(tu)表化(hua)

經(jing)過嚴(yan)謹推導(dao)得出(chu)的結論，首先要精簡(jian)明確，3-5條即(ji)可。其次要與業務問題結合，給出(chu)解決方案(an)或建(jian)議方案(an)。第三盡量圖(tu)表化(hua)，要增強其可讀性(xing)。

數(shu)(shu)據(ju)分析(xi)_黃金法(fa)則_大數(shu)(shu)據(ju)-1某企業KPI分析(xi)報告數(shu)(shu)據(ju)分析(xi)過程(cheng)中，除了以上六條原則，還(huan)要(yao)避免以下3種情況：

1)時間安(an)排不合(he)理(li)

在(zai)開始分(fen)析工作之前，一定(ding)要做(zuo)一個明確的(de)(de)進度計劃，時間分(fen)配的(de)(de)原則是(shi)：數據收集、整(zheng)理(li)及建(jian)模占(zhan)70%，數據可視化展現及分(fen)析報告占(zhan)25%，其他占(zhan)5%.(數據的(de)(de)收集、整(zheng)理(li)和建(jian)模的(de)(de)過程(cheng)，是(shi)反復迭代的(de)(de)過程(cheng))

2)數據源選擇(ze)不合(he)理

一般企業(ye)(ye)中的(de)數(shu)據來源有很多，SAP、TMS、CRM及(ji)各部門(men)業(ye)(ye)務(wu)系統，每個渠道的(de)數(shu)據各有特(te)點。這(zhe)時，應該慎重考慮從哪個渠道獲取數(shu)據更加(jia)快捷有效。數(shu)據源選擇不(bu)(bu)合(he)理，不(bu)(bu)僅影響結論的(de)可靠性，而且有返工(gong)的(de)風險。

3)溝通不充分

無論是(shi)分析(xi)(xi)人(ren)員(yuan)內(nei)部的溝通(tong)還(huan)是(shi)與(yu)(yu)外(wai)部相關人(ren)員(yuan)的溝通(tong)，都(dou)是(shi)至關重(zhong)要的。與(yu)(yu)外(wai)部人(ren)員(yuan)溝通(tong)效(xiao)不順暢，可能造成(cheng)前期需求不清，中間業務邏輯(ji)混亂，最終導(dao)致數據分析(xi)(xi)結(jie)果差強人(ren)意。與(yu)(yu)內(nei)部人(ren)員(yuan)溝通(tong)效(xiao)率低，可能造成(cheng)分析(xi)(xi)進度滯后，分析(xi)(xi)工作開展不暢等諸多(duo)問(wen)題，直接影響分析(xi)(xi)效(xiao)果。

對于數據(ju)分析(xi)師，分析(xi)經驗(yan)的(de)積累(lei)與專(zhuan)業(ye)知(zhi)識的(de)提升(sheng)同(tong)樣重要，因為有些問題不是只用專(zhuan)業(ye)知(zhi)識就(jiu)能解決的(de)，所以在平(ping)時的(de)工作中要有意識的(de)去學習(xi)業(ye)務(wu)知(zhi)識、掌握先進的(de)分析(xi)工具，做一個有心人!

文章編輯：CobiNet(寧波)  
本公司專注于電訊配件,銅纜綜合布線系列領域產品研發生產超五類，六類,七類線，屏蔽模塊，配線架及(ji)相關模塊配件(jian)的研(yan)發(fa)和(he)生(sheng)產。

歡迎來電咨詢0574 88168918,郵箱sales@aliance.cn，網址aliance.cn