《深入浅出数据分析》读书笔记-第一部分

《深入浅出数据分析》通过模拟业务案例，结合统计知识，介绍了数据分析的分析过程，是一个很有帮助的数据分析入门指导书籍。

一.分解数据，挖掘信息

案例：结合Acome公司貌洁保湿霜的销量数据，提升保湿霜销量
知识点1：分析模型：确定——分解——评估——决策
分析过程如下：
1.确定问题
首先在明确本次数据分析的目标后，需要确定目标存在的问题。也可以说解决了这些问题，就能实现目标。如：
目标：提升保湿霜销量
问题：目前保湿霜销售存在什么问题？哪些地方可以提升销量？
方法：通常通过与客户的沟通，来明确这些问题。
2.分解
需要对目前掌握的数据和问题进行分解分析，将大问题化为小问题，从数据中寻找相关因子。
分解问题：将大问题分解为小问题

分解问题

除了针对问题分解，还可从知识点的角度，发散思维，穷尽问题相关可能性，然后结合实际的业务情况进行取舍，这样在分析问题时就有较为完善维度，减少遗漏问题的可能性。
.问题分解的过程需要我们发散思维，尽可能多的思考场景

发散思维

分解数据：将大数据化为小数据，小数据汇总成统计数据查看

3.评估
评估方法——“比较”，比较因果之间，因子之间，时间维度的比较，通常能发现一些数据规律。
下表“汇总数据”分析可以得出的结论：
1）.12月/1月/2月，总销量与目标销量之间的差距较大
2）.12月/1月/2月，降价对于目前销量的提升没有太大的作用
3）.广告费的降低，可能带来了销量的下降；社会网络费增加并没有带来直观的销量增长。

汇总数据

通过数据表的评估分析，可能得出一个能提升销量的方法；但是需要结合实际的业务去评估，目前广告受众群体的市场占有率如何？是否都购买了貌洁保湿霜？

下表持续对销量明细数据分析发现：
1.泛美批发商的销量可观，但它与其他经销商的性质不同，详细分析发现它的市场客户群体与目前广告营销的客户群体不同，是男性客户群体。

明细数据

泛美公司销量明细数据

通过数据分析，提升销量的方法可能有两种：1.扩大对目前客户群体的广告投入 2.增大对男性客户群体的影响，可以是广告宣传或其他途径的宣传等。
4.决策
结合实际的业务情况，进行清晰明了的决策。

二.检验你的理论

案例：解决星巴仕公司销量下降的危机
知识点1：观察法——比较观察，排除混杂因素
知识点2：实验法——控制组，对比验证
1）.通过用观察法，对比各区域及汇总数据，能发现：咖啡价值在非富人区明显下降，而在富人区不变

用户调研问卷数据

2).针对价值下降问题分析：
客户觉得咖啡现有的价格无法匹配当前的价值，有两个直观的方法：1.改变客户的观念，星巴仕的咖啡名副其实的 2.降价。
3).因为无法判断两种方法哪种更好，则需要做三组实验小组，分别采用不同的营销方法，来对比分析。而在实验样本小组的选择过程中，小组之间是相同性质的，以防止其他数据干扰实验的数据。

案例中的结论数据

三.寻找最大值

知识点：最优化问题，最大值
方法：
1找到决策变量（即你可以控制的因素）
2找到变量的约束条件（即决策变量受约束的条件）
3找到目标及目标函数
4罗列约束条件组合，求解目标函数（实际上运用Excel 的solver最优规划来实现计算）

案例：浴盆宝12月的橡皮鸭和橡皮鱼的生产计划，使企业的利润最大
求解过程如下：
已知约束条件：每只鸭利润＄5，每只鱼利润＄4，下个月最多生产400只鸭或300条鱼，橡皮的总供应量为50000g，每只鸭需要100g橡皮，每只鱼需要125g橡皮
决策变量为：橡皮鸭的数量，橡皮鱼的数量
目标：利润最大
方法：利用solver工具，如图所示（需要列出目标的计算公式，需求量大计算公式），得出结论
注意：上述的约束条件中未考虑橡皮鸭和橡皮鱼的市场销量情况，可以结合往年的历史销量数据预测橡皮鸭的销量，如果增加这个条件，则在solver 的约束条件中增加一行条件，如橡皮鸭小于50等

规划求解过程

四.数据图形化

案例：新军队优化网站的需求：如何从纷繁杂乱的数据中让信息脱颖而出
知识点1：散点图——利用散点图探索原因，分析因果关系
方法：
1.解决杂乱的数据的方法是：进行正确的比较。如本例中将影响目标的因素都进行清晰的对比
2.利用散点图，表达1个因素与目标之间的关系
3.当影响目标的因素较多时，这个时候可以运用多元散点图来表达。如下图：横轴表示因素影响，纵轴表示单一元素对页面间的影响

多元散点图

五.假设检验-证伪法

案例：预测podphone公司新手机的上市时间，为电肤公司的生产计划做准备
知识点1：相关关系网络图：分析多个因子之间及因子与结果之间的关系图
知识点2：假设检验法：核心是证伪（证明假设错误），若假设无法直接排除，则可借助诊断性找出否定最小的假设
方法：
1.可以利用外界的文字信息进行归纳整理，分析因子之间，因果之间的关系图，如下图。因果关系通常不是线性的，用这种网络正负关系图，能帮我们较快的梳理思路，

案例中的因子关系图

2.一般预测某一个结论，会先预设几个假设，结合目前掌握的证据，证明假设错误，就可以排除错误的假设。若假设无法排除，可基于证据的证明强弱对假设进行排序，选择最可能的假设条件作为预测结论，如下图所示。当然，若有新的证据进入，再次对假设条件作判断。

假设否定证据排序

3.假设检验的思路：
A：整理证据，分析证据链关系
B：假设条件
C：根据证据证伪，排除假设
D：无法直接排除，根据证据对假设的否定顺序排列，选择最可能发生的假设；或者寻找新的证件，做出新的判断。