《如何用数据解决实际问题》柏木吉基

全书思维导图

第一章、解决问题，你需要“流程”

解决问题的流程

案例

通过假设得出所需的方法及数据

在开始分析之前，将“问题”、“假设”、“分析结果”、“结论”等主要内容或流程以符合逻辑的方式确定下来，可以提高效率。
实操方法是运用“框架”作为思考问题的线索：

• 流程图
• 损益表
• 4P营销理论
• 其他

可用于假设的“框架”

用框架来查漏补缺，用相近或同类数据来代替很难取得的真实数据。

开端（假设）决定结论的质量

案例

此案例中，在设定问题时，分析者的思考还无法超出“降价”的范围。要避免这种情况，在定义问题时，应该尽量具体地思考“怎样才是最理想的状态”。
此案例中，最理想的状态是“洗发水A的年度利润保持在一定水平之上”。如果将问题定义为“成本过高”，那么思路就局限在降低成本中；但如果考虑希望达到理想状态，才能确定“增加收入”的最终目标。与只考虑成本相比，视角就会更加宽阔。

第二章、分解数据，找到“问题的关键”

上面这个案例，分析者没有把握数据特征就着手整理数据，因此被反复质疑。在很多情况下，可以通过趋势和快照两个视点来把握数据特征。

趋势视点：也被称为时间序列，可以捕捉一段时间内的变化。
快照视点：截取某个期间的情况，用指标（平均值等）体现该期间的大小、比例和分布情况等。
例如，区域A的销量大幅下降（趋势），但是通过快照发现其销量规模仅占整体的1%，毫无疑问这不是一个应该重点分析的case。

WHAT型假设

辛普森悖论

用“波动”的视角给平均值做补充

平均值适合表示整体情况，但忽略了内部要素，可能产生辛普森悖论。因此，对数据的整体把握，除了有平均值以外，还需要关注数据的波动。

标准差

标准差案例：原书作者在日产工作时需要关注120个地区的销售业绩，在数十项评价指标中，有一些无法只靠绝对值评价好坏。他将平均值增减1个标准差的范围定义为“标准”范围，关注标准范围以外的数据。

偏差值

标准差有时候不太好用到工作中，这里介绍两种轻松掌握数据分布的方法——直方图和变异系数

直方图制作方式

3个简单但实用的Excel直方图绘制技巧:https://www.jianshu.com/p/a8d13b6d52d8

变异系数

第三章、采用交叉视角，锁定原因

表示两者关系的方法——相关系数和散点图

相关系数

人均运营成本和激励ipu高度相关。

散点图

锁定原因也需要假设

找到相关分析的着力点

利用矩阵排顺序

单独看图1，数据太多难以入手；看图2，不知道相关系数和平均分以谁为准；看图3，虽然料理和满意度的相关系数最高，单平均分较高，难以提升，反而是洗浴有较大的提升空间。
根据矩阵图确定洗浴为近期的提升目标。

相关分析注意事项

1. 因果关系
   错把相关当因果。比如，媒体曝光度和咨询件数高度相关，是否可以认为“增加媒体曝光度就能增加销售额”呢？“也许是，也许不是”。可能是咨询件数的增加引起了同行关注从而带来了媒体曝光
2. 疑似相关（间接相关）
   任何事物都可以计算相关性，但这个结果未必是直接相关的。比如，冰糕卖的越多，溺死的人也越多，两者之所以相关性高是因为和温度相关。顾客满意度和销售额相关？中间可能还存在打折、选品、装修等要素相关。
3. 数据的范围
   数据范围不同，数据分析的结果会有较大差异。如下图，计算所有数据的相关性仅0.4，如果假设“只有达到一定次数，培训效果才会显现”，单独计算20次培训后的数据，相关性接近1.

4. 离群值
   分析对象中是否包含离群值，会使相关系数产生很大差异。

第四章、制定对策，依据方程式

相关分析用于锁定原因，但不知道【怎么做】，因此还需要进行回归分析。
相关分析判断关联程度，回归分析判断影响大小。相关系数作为筛选标准，与0.5、0.7比较，判断两者是否相关。对于已经确定相关关系的数据，可以运用回归分析评价其影响。

一元回归注意事项：

1. 2个数据之间存在直线比例关系。情况越复杂，越不适合套用y=ax+b
2. 离群点和数据范围。是否剔除离群点，数据范围选多大，会呈现截然不同的结果

应用回归分析

案例1：对比成本和收益

案例2：合理分配资源

配合新品上线，A店需要引流800人。

案例3：设定合理的KPI

某设施为了增加使用人数，设定了2000人的目标。

第五章、用数据讲故事

将事情的原因及解决问题的方法写成故事讲出来。
明确目的或问题→大致把握现状→锁定问题的关键→锁定原因→设定行动措施及KPI（和所需资源）

高级技能简介

1、多元回归分析
多元回归的前提是：各变量间相互独立。去除多重共线性，才能准确计算出各变量的系数。
查看各系数的p值，当它低于5%时，该系数不产生影响的可能性很小，可作为回归分析的结果使用；若p值大于5%，则需要剔除该系数，重新进行回归分析。
2、样本与总体（假设检验）

检验总体平均值差异的步骤如下。
①提出原假设：“样本平均值与总体平均值之间不存在差异”
②确认能否通过“t 检验”否定原假设
③如果原假设被否定，说明“二者之间的差异具有显著性”；
如不能否定，则“不能认为二者之间的差异具有显著性”