像做菜一样简单的数据分析

我不是女神ヾ 2022-11-20 09:32 173阅读 0赞

**一、写在前面**

假如你是还在为前途茫茫担忧不知道做什么, 假如你是一线城市 面试屡屡碰壁, 假如你对现在的工作很不满意, 假如你想要转行, 无论你是学什么专业的, 请相信数据分析都是一个可以很快可以让你在一个城市立足, 同时看到未来希望的职业。![format_png][]

为什么呢？

因为每个人都会做菜吧, 因为数据分析和做菜一样简单。![format_png 1][]

**   **

**二、从做菜中说起什么是数据分析**

我们每天在做菜的时候, 其实再每次想着怎么样做的更好吃的时候, 就是一次数据分析的过程, 不断的根据自己的经验对选料, 调味, 摆盘, 制作工序等进行调整, 慢慢的从黑暗料理到神仙料理的过渡![format_png 2][]

那么, 到底什么是数据分析呢,  正经的解释就像下面那样, 其实说白了, 就是 数据分析 = 数据 + 分析。

首先我们要知道我们要解决的问题是什么, 然后就想我们这些问题大概需要那些数据, 然后再去寻找对应的数据, 然后根据专业的分析方法, 分析出结论可以解决问题, 这就是一个数据分析的过程

![format_png 3][]

**三、从做菜的工序聊聊数据分析完整流程**

在《向往的生活》, 黄磊老师的炸牛奶 可谓是深入人心, 颜值与味道齐飞, 牛奶共盘子一色。

![format_png 4][]

辣么我们在重温炸牛奶中 领悟一下  数据分析的完整流程吧

![format_png 5][]

1.首先是目标: 以炸牛奶为例, 我们的分析目标就是我们怎么通过调整配方和工艺, 让我们的炸牛奶 好吃到飞起, 这就跟数据分析一样, 每一个数据分析的最开始都是有一个分析的目标, 后续所有的分析都是围绕这个目标开展的

2. 准备分析数据： 像炸牛奶的材料一样, 我们要分析出结论, 就需要提前准备好对应的数据, 我们在炸牛奶之前， 会通过网上的各种美食博主去查询对应的材料准备,  相对应的 我们也会通过大量的 相同的分析case 去了解大概需要哪些数据, 保证数据的完整性。

从材料中我们可以看出每一种材料我们都加了计量单位, 这在数据分析中是非常重要的, 除了需要知道准备哪些数据, 还需要知道准备数据的维度, 比如我们分析微信表情发送是否下降, 我们选取**多长时间周期**的数据, 太短了就会受到时间波动的影响, 太长了就浪费数据了

就跟材料的数量多少很影响最后的成功率, 我们选取的数据如果时间周期没有选取完整 或者其他维度选取不完整, 是会影响到最后的分析的

![format_png 6][]

3. 分析过程

准备好了材料, 我们就可以开始我们炸牛奶制作啦, 500g 牛奶+50g 白砂糖 +50g 玉米淀粉, 搅拌均匀, 数据也是一样的，我们要把**不同的数据进行组合**

比如我们有表情的发送用户, 和这部分用户的年龄 性别 好友进行组合就可以得到: 不同年龄的发送次数， 不同好友数的发送次数等, 还可以进行多个数据的组合 比如 不同年龄 不同好友数 下的发送次数。

![format_png 7][]

我们就可以分析出 oh 是不是随着好友数的增加， 发送表情的次数也会随之增加, 还是说人的精力是有限的, 随着好友数的增多, 能发表情的都固定是那一波人。

![format_png 8][]

搅拌好以后, 将搅拌好的奶糊倒入到平底锅中搅拌, 一定要搅拌均匀后开小火, 继续搅拌, 这里一定是要小火, 不然底部容易焦, 这里也是数据分析需要借鉴的地方, 要有足够的耐心的去慢慢挖掘

![format_png 9][]

然后把奶糊倒入冰箱中冷藏四个小时, 让它定型, 因为需要定型就需要放入冰箱, 对于数据分析来说, 要得到某个结论有对应的固定的分析方法。

比如分析用户在打开 面板发送表情的转化率, 我们就会利用漏斗分析的方法, 先计算打开面板 有多少人, 点击表情发送了有多少人, 最后成功发送的有多少人

分析用户发送表情下降了, 我们会通过维度下钻分析法, 拆分不同的年龄, 性别,  地域, 不同活跃度。

我们就可以得到结论: 是小学生发送下降了还是大学生发送下降了

是一线城市下降了还是二线城市下降了

是男的发送下降了还是女的下降了

是有多少个好友的用户发送下降了

是高活跃下降了还是低活跃下降了

分析发送表情的用户特征 我们会通过 用户画像法,  我们就得到 发送表情的用户主要是 : 18-24岁年轻人  一线城市  好友数较多  朋友圈活跃 聊天活跃等等  这些就是用户画像法

![format_png 10][]

将定型后的奶糊进行切块裹上鸡蛋液和面包糠, 鸡蛋液是否需要加糖加多少糖, 我们可以对比加不同的糖以及是否加糖以后最后的口味对比。

就像数据分析一样, 我们想要知道用户的年龄是否是 会影响他发表情的 活跃度, 那我们就会对比这个用户 在他年龄增加的时候和他过去的发表情的活跃度进行对比。

这也是数据分析过程中经常用到的叫 多维分析+ 对比分析,多维分析就是会拆多个维度, 对比分析是会把这些维度都跟指标联系在一起进行对比,。

比如上周每一天 和这周每一天(时间维度) + 下载表情次数（指标）差异, 又比如不同好友数+ 设备（好友维度和设备维度）+ 进入商店的次数(指标) 差异, 维度和指标都可以无限扩展和无限组合。

![format_png 11][]![format_png 12][]

放入油锅中炸到金黄, 捞出放入盘中, Q 弹 Q弹的, 好吃到弹起, 这也就是我们已经做好前面利用专门的数据分析方法去分析出结论, 然后输出结论总结如下hhh![format_png 13][]

4. 结论呈现

![format_png 14][]

就像炸牛奶 需要一个好的摆盘呈现, 我们数据分析的结论也需要一个好的结果呈现形式, 一般来说我们都是利用图表去表达我们的分析结论。

当观众还没有吃到你的炸牛奶的时候只能通过外观摆盘去判断, 同样的道理, 如果没有一个好的呈现的形式, 每一个看到你的数据分析的报告可能没有了解下去的动力, 同时可能也不能清晰的指导你在分析什么。

![format_png 15][]

**四、写在最后**

假如你正在学做菜 那一起来学数据分析把, 假如你在学习数据分析没有头绪, 不防停下来学学做菜, 从每一道菜中沉淀数据分析的精髓。

\-----------------

长按识别下方二维码，并关注公众号

![format_png 16][]

1.回复“**PY**”领取**1GB Python数据分析资料**

2.回复“**BG**”领取**5GB 名企数据分析报告**

[format_png]: /images/20221120/6e32bb2367e942c9af9f98bf1b3ef81a.png
[format_png 1]: /images/20221120/45ad7b6b30d34eb98632aea34c963564.png
[format_png 2]: /images/20221120/b662c0625b5b42b189cc3fa013935350.png
[format_png 3]: /images/20221120/6a7f25c4e38449bb8eada9cf2a6e9ce7.png
[format_png 4]: /images/20221120/48ada4634a0640269261d1afa88470d9.png
[format_png 5]: /images/20221120/64b2f73e7a5d4374a7eefdff7e80ae83.png
[format_png 6]: /images/20221120/0622733025c74e95b7bfda657bd2fcb9.png
[format_png 7]: /images/20221120/37d6fc6cba824ed89b194447096af2e8.png
[format_png 8]: /images/20221120/296aac4c8e3e4f8bbefccfd38cfa5f31.png
[format_png 9]: /images/20221120/fe2aba89aeb04eda92e43773ada719e5.png
[format_png 10]: /images/20221120/2f62f63a6b6440d082d8448a8373d674.png
[format_png 11]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9zOTJncWw0Wk5CSjNIN3F3dWQ1ZE05RXBrZlltVlRPaWIyZGlhckxpYWhnQ2hkaWI5Z2VYc0d5S0hsQnkwSjZZdHZXNmZraWJBZUoxUXAwSURZbHdXSEd0S2pRLzY0MA?x-oss-process=image/format,png
[format_png 12]: /images/20221120/de6940a1aacf4aa3951802f0b98b310f.png
[format_png 13]: /images/20221120/e782e51d55d74edc860d92cd6ebb77d4.png
[format_png 14]: /images/20221120/58452f73c5b94ff2891b8ef7a1430db0.png
[format_png 15]: /images/20221120/a1ff243fb3b047789b7b2507d75909e4.png
[format_png 16]: /images/20221120/f24fe6341c794eca8fbd6b048bf446ec.png