在當今的就業市場中,數據分析正變得越來越重要。然而,許多初學者因為自己沒有編程基礎而感到擔憂,不確定自己是否能夠學會資料分析並成為優秀的數據分析師,也不知道該從哪裏開始學習。
實際上,成為一名數據分析師並不一定需要有編程背景。資料科學是一門應用學科,只要系統地提升數據獲取、數據分析、數據視覺化技能水平,即使是新手也可以從零開始做好資料分析!
本文將從數據分析的定義和意義、常用的數據分析工具和方法以及數據分析師的職業要求等方面,探討學習資料分析的最佳途徑。
一、數據分析是什麼?
數據分析是指用適當的統計分析方法對收集來的大量資料進行分析,將它們加以彙總理解和消化,以求最大化地開發資料的功能,發揮資料的作用。
在統計學領域中,學者將數據分析分為描述性數據分析、探索性數據分析和驗證性數據分析。
描述性數據分析屬於初級資料分析,常用的分析方法包括分組分析、結構分析和交叉分析等。
探索性數據分析和驗證性數據分析則是進階資料分析,常用的分析方法包括相關分析、因數分析和回歸分析等。
其中,探索性數據分析的重點是發現資料的新特徵,而驗證性數據分析則是驗證已有假設的真假。
由於資料分析通常是通過軟體完成的,因此數據分析師需要掌握各種資料分析方法,熟悉主流資料分析軟體的操作。一般的資料分析可以使用Excel完成,而高級的資料分析則需要使用專業的分析軟體,例如FineReport、Tableau和FineBI等。
二、數據分析有什麼用?數據分析師是做什麼的?
數據分析在企業的日常經營分析中主要有三大作用:
1、現狀分析
簡單來說就是告訴你過去發生了什麼,並具體化現在的情況:
第一,告訴你企業現階段的整體營運情況,透過各個經營指標的完成情況來衡量企業的營運狀態,以說明企業整體營運是好是壞,好到什麼程度,或者壞到什麼程度。
第二,告訴你企業各項業務的構成,讓你瞭解企業各項業務的發展及變動情況,對企業營運狀態有更深入的瞭解。
例如,我們可以透過Excel或者BI工具製作一份公司報表。這裏我用的是自助式商業智慧BI工具FineBI。
FineBI自帶資料處理功能,操作簡單且視覺化效果好,擁有Excel透視表的鑽取和聯動功能,自由佈局、製作儀錶板很方便。
使用FineBI自助資料集清洗資料後,簡單拖拽便能夠計算出公司不同日期區間不同地區的回款金額和合同金額,以分析該時段該地區的營運情況。
同時,我們也可以建構圖表並插入日期和文字下拉過濾組件,輕鬆實現資料的自由查詢以及視覺化分析。
FineBI在台灣、香港、澳門、新加坡、馬來西亞等地區均提供在地化服務,由帆軟原廠當地團隊做技術支援,二次開發和專案實施。點擊下方按鈕即可免費下載FineBI軟體進行體驗,任何技術問題都可以隨時聯絡技術支援工程師,助力你的Dashboard製作之旅!~
2、原因分析
簡單來說就是告訴你某一現狀為什麼發生。
經過第一階段的現狀分析,我們對企業的營運情況有了基本瞭解,但不知道營運情況具體好在哪裡,差在哪裡,是什麼原因引起的。這時就需要開展原因分析,以進一步確定業務變動的具體原因。
例如,某店銷售額突然大幅下降,我們可以透過自助式商業智慧BI工具FineBI計算出該店各產品區的店均客流量、銷售額以及毛利額,統計訂單滿足率和退貨率,收集異常單品列表,來分析具體是哪些產品銷售額驟降,又是什麼原因導致的銷售額驟降。FineBI支援大數據量處理,不卡頓,透過插入正文組件、過濾組件和表格組件,輕鬆搭建品類經營分析儀表板。
下面我們用一張demo圖詳細舉例說明如何進行原因分析。
由圖可知,烘焙類客流量最小,需要檢查烘焙產品品質、銷售策略等是否有問題。糧油銷售額和毛利額佔比最大。休閒、酒飲類銷售額佔比明顯高於毛利額佔比,需要着重關注是否出現成本過高問題。2月份店均銷售額和毛利額最高,但是毛利率只有53%,需要關注成本。缺貨和退貨情況較少出現,整體情況較好。
FineBI內置了豐富的函數,使用者僅需點選即可對資料進行彈性的二次加工處理,以應對多變的業務分析需求。立即點擊下方按鈕,親身體驗FineBI強大函數的威力吧!和軟妹一同發掘BI工具的無限可能性!
原因分析一般透過專題分析來完成,根據企業營運情況選擇針對某一現狀進行原因分析。
3、預測分析
簡單來說就是告訴你將來會發生什麼。
在瞭解企業營運現狀後,有時還需要對企業未來發展趨勢作出預測,為制定企業營運目標及策略提供有效的參與決策依據,以保證企業的可持續健康發展。
預測分析一般透過專題分析來完成,透過在制定企業季度、年度等計畫時進行,其開展的頻率沒有現狀分析及原因分析高。
例如,我們可以使用自助式商業智慧BI工具FineBI計算各貸款型別的風險總額佔比,對信用貸款額進行等級分佈分析,預估未來的風險趨勢。
點選下方按鈕,親手進行預測分析吧!釋放你的潛能,展開自主預測分析的旅程!
三、常見數據分析工具
在數據分析領域中,雖然理解業務才是核心,但工慾善其事必先利其器,工具在數據分析過程中也是至關重要的。就像選擇路線和交通工具一樣,在不同的數據分析環節中需要使用不同的工具。本部分旨在介紹常用的數據分析工具,來幫助數據分析菜鳥們更好地瞭解資料分析方法。
1、資料存儲層數據分析工具
資料存儲涉及到資料庫的概念和資料庫語言,這方面不一定要深鑽研,畢竟有專業的DBA。但至少要理解資料的存儲方式,資料的基本結構和資料類型。SQL查詢語言必不可少,精通最好。可從常用的select查詢,update修改,delete刪除,insert插入的基本結構和讀取入手。
Access:這是最基本的個人資料庫,經常用於個人或部分基本的資料存儲。
MySQL資料庫:這個對於部門級或者互聯網的資料庫應用是必要的,這個時候關鍵掌握資料庫的庫結構和SQL語言的資料查詢能力。
SQL Server2005或更高版本:對中小企業,一些大型企業也可以採用SQL Server資料庫,其實這個時候本身除了資料存儲,也包括了資料報表和資料分析。
DB2,Oracle:这都是大型資料庫,主要是企業級,特別是大型企業或者對資料海量存儲有需求的企业,一般大型資料庫公司都提供非常好的資料整合應用平臺。
BI級別:實際上這個不是資料庫,而是建立在前面資料庫基礎上的,企業級應用的數倉。
Data Warehouse:建立在DW機上的資料存儲基本上都是商業智慧平臺,整合了各種資料分析,報表、分析和展現。
2、報表/BI層數據分析工具
企業存儲的資料需要讀取,需要展現,報表工具則是最普遍應用的工具。過去傳統報表大多解決的是展現問題,如今衍生了一些分析型報表工具,也會和其他應用交叉,做資料分析報表,透過介面開放功能、填報、決策報表功能,能夠做到打通資料的進出,涵蓋了早期商業智慧的功能。
像Tableau、Power BI、FineReport、FineBI、Qlikview這類BI(商業智慧)工具,涵蓋了報表、資料分析、視覺化等多層。底層還可於數倉銜接,構建OLAP分析模型。
FineBI在台灣、香港、澳門、新加坡、馬來西亞等地區均提供在地化服務,由帆軟原廠當地團隊做技術支援,二次開發和專案實施。點擊下方按鈕即可免費下載 FineBI 軟體進行體驗,任何技術問題都可以隨時聯絡技術支援工程師!
3、資料分析層數據分析工具
這一層其實有很多分析工具,當然最常用的就是Excel。
Excel軟體:首先肯定是版本越高越好用。當然實際上,大多數人只是掌握了5%的Excel功能。Excel功能非常強大,甚至可以完成所有的統計分析工作!但是我也常說,有能力把Excel玩成統計工具不如專門學會使用統計軟體。
SPSS軟體:當前版本是18,名字也改成了PASW Statistics;我從3.0開始Dos環境下程式設計分析,到現在版本的變遷也可以看出SPSS社會科學統計套裝軟體的變化,從重視醫學、化學等開始越來越重視商業分析,現在已經成為了預測分析軟體。
SAS軟體:SAS相對SPSS其實功能更強大,SAS是平臺化的,EM挖掘模組平臺整合,相對來講,SAS比較難學些,但如果掌握了SAS會更有價值,比如離散選擇模型,抽樣問題,正交實驗設計等還是SAS比較好用,另外,SAS的學習材料比較多。
4、表現層數據分析工具
表現層也叫資料視覺化,以上每種工具幾乎都提供了一點展現功能。但要說企業級最常應用的還是BI,做分析做報告。
這裡推薦一下上文提到过的企業級BI:FineBI
FineBI是一款好用易上手的資料視覺化工具,它专业、簡潔、易用,介面和流程一目了然,每個模組都有明確的功能分區。
透過FineBI自助資料集功能,普通業務人員就能拖拖拽拽對資料做篩選、切割、排序、彙總等,自助靈活地達成期望的資料結果,並選取智慧推送的圖表和Dashboard實現資料的視覺化。
關於視覺化
FineBI支援50多種圖表樣式,基本上涵蓋了市面上所有基礎的圖表,具有優秀的動態效果和強大的交互體驗。使用時能夠根據需求設定各類特性,並且在行動端、LED大屏也能自我調整展示。
在巨量資料時代,面對愈發複雜的業務數據,在一般情況下,能用圖說明問題的就不用表格,能用表格說明問題就不用文字。這裡值得一提的是,藉助戰情室大屏,使用則可構建強大、全面的「戰情中心」,簡單拖拽就可以將企業的數據管理資訊完美地投放在任何螢幕,比如會員管理、庫存管理、品質管理、採購管理、生產車間、展覽中心、供應鏈管理車間等地的LED大屏上。
使用FineBI可以輕鬆靈活地搭建各種經典的業務分析模型的視覺化圖表,諸如金字塔模型、 KANO分析模型、RFM模型、購物籃分析模型等等,幫助業務洞察。
關於視覺化特效
在FineBI中,通過簡單拖拽、點選式配置即可實現輪播、閃爍、3D動畫等特效,科技感十足,大屏展示效果更佳酷炫。
这些特效都是根據使用者的實際需求開發,除此之外,帆軟(FineBI 的母公司)背後有一批開發愛好者,會利用視覺化開源庫,設計開發視覺化外掛程式,專門為FineBI客製,目前這一生態已十分成熟。
FineBI在台灣、香港、澳門、新加坡、馬來西亞等地區均提供在地化服務,由帆軟原廠當地團隊做技術支援,二次開發和專案實施。點擊下方按鈕即可免費下載 FineBI 軟體進行體驗,任何技術問題都可以隨時聯絡技術支援工程師!
四、數據分析師常用的數據分析方法
那麼進行資料分析時,有哪些常用的大數據分析方法呢?在這裡列舉幾種數據分析師經常使用的實用方法:
1.分組分析法
• 定義
做數據分析不僅要對總體的數量特徵和數量關係進行分析,還要深入總體的內部進行分組分析。這種方法是根據資料分析物件的特徵,按照一定的標誌(指標),把資料分析物件劃分為不同的部分和類型來進行研究,以揭示其內在的聯繫和規律性。
• 目的
分組的目的就是為了便於對比,把總體中具有不同性質的物件區分開,把性質相同的物件合併在一起,保持各組內物件屬性的一致性、組與組之間屬性的差異性,以便進一步運用各種資料分析方法來解構內在的數量關係。
• 步驟
a)確定組數
這個可以由數據分析師決定,根據資料本身的特點(資料的大小)來判斷確定。由於分組的目的之一是為了觀察資料分佈的特徵。因此確定的組數應適中。如果組數太少,資料的分佈就會過於集中,組數太多,資料的分佈就會過於分散,這都不便於觀察資料分佈的特徵和規律。
b)確定各組的組距
組距是一個組的最大值與最小值只差,可根據全部資料的最大值和最小值及所分的組數來確定,及組距=(最大值—最小值)/ 組數
c)根據組距大小,對資料進行分組整理,劃歸至相應組內。如圖,將空調分成不同分級市場、品類、地區來進行分組對比。
2.結構分析法
結構分析法是指被分析總體內的各部分與總體之間進行對比的分析方法,即總體內各部分占總體的比例,屬於相對指標。一般某部分的比例越大,說明其重要程度越高,對總體影響越大。
結構相對指標(比例)=(總體某部分的數值 / 總體總量)*100%
市場佔有率 =(某種商品銷售量 / 該種商品銷售總量)*100%
市場佔有率是分析企業在行業中競爭狀況的重要指標,也是衡量企業營運狀況的綜合經濟指標。市場佔有率高,表明企業運營狀況好,競爭能力強,在市場上佔據有利地位;反之,則表明企業運營狀態差,競爭能力弱,在市場上處於不利地位。
3.交叉分析法
交叉分析法通常用於分析兩個變數(欄位)之間的關係,即同時將兩個有一定聯繫的變數及其值交叉排列在一張表格內,使各變數值成為不同變數的交叉結點,形成交叉表,從而分析交叉表中變數之間的關係。交叉表當然也有也有二維以上的,維度越多,交叉表就越複雜,所以在選擇幾個維度的時候需要根據分析的目的決定。
4.杜邦分析法
杜邦分析法是由美國杜邦公司創造並最先採用的一種綜合分析方法,又稱杜邦財務分析體系,簡稱杜邦體系。它是利用各主要財務指標間的內在聯繫,對企業財務狀況及經濟效益進行綜合分析評價的方法。
杜邦分析體系的特點是,將若干個用以評價企業經營效率和財務狀況的比率按其內在聯繫有機結合起來,形成一個完整的指標體系,並最終透過權益收益率來綜合反映。杜邦分析採用的金字塔形結構,使財務比率分析的層次更清晰、條理更突出,簡潔明瞭地表達了各財務指標之間的關係。
5.漏斗分析法
漏斗圖分析法是一個適合業務流程比較規範、週期比較長、各流程環節涉及複雜業務過程比較多的管理分析工具。例如漏斗圖用於網站中某些關鍵路徑的轉化率的分析,不僅能顯示使用者從進入網站到實現購買的最終轉化率,同時還可以展示整個關鍵路徑中每一步的轉化率。
遇到巨量數據時,用什麼做漏斗分析?
如果遇到巨量資料的時候,Excel等一些工具就難以實現高效的漏斗分析了,一般的做法是用專業的大數據分析工具,如FineBI搭建一個dashboard,在這上面可以輕鬆進行漏斗分析:
漏斗圖是最常用的流程分析圖表類型。透過漏斗圖可以比較直觀的查看各個環節的轉化率,從而輕鬆發現問題對應的具體環節。一個典型的漏斗圖應用是使用者轉化漏斗。
兩種形式(連續,不連續)的漏斗圖:
五、數據分析師的職業要求
1、懂業務
從事數據分析工作的前提就是需要懂業務,即熟悉行業知識、公司業務及流程,最好有自己獨到見解,若脫離行業認知和公司業務背景,分析的結果只會是脫了線的風箏,沒有太大的實用價值。
2、懂管理
懂管理,一方面是搭建數據分析框架的要求;另一方面的作用是針對資料分析結論提出有指導意義的分析建議,如果沒有管理理論的支撐,就難以確保分析建議的有效性。
3、懂分析
懂分析是指掌握數據分析的基本原理與一些有效的資料分析方法,並能靈活運用到實踐工作中,以便有效地開展數據分析。
基本的分析方法有:對比分析、分組分析法、交叉分析法、結構分析法、漏斗圖分析法等。
高級的分析方法有:相關分析法、回歸分析法、聚類分析法、判斷分析法、主成分分析法、因數分析法、對應分析法、時間序列等。
4、懂工具
懂工具是指掌握數據分析相關的常用工具。數據分析工具就是實現資料分析方法理論的工具,面對越來越龐大的資料,依靠計算器進行分析是不現實的,必須利用強大的數據分析工具完成數據分析工作。
5、懂設計
懂設計是指運用圖表有效表達數據分析師的分析觀點,使分析結果一目了然。圖表的設計是門大學問,如圖形的選擇、版式的設計、顏色的搭配等,都需要掌握一定的設計原則。
六、數據分析與數據分析師總結
1.數據分析在企業的日常經營分析中主要有三大作用:現狀分析、原因分析、預測分析;
2.數據分析是指用適當的統計分析方法對收集來的大量資料進行分析,將它們加以匯總和理解並消化,以求最大化地開發資料的功能,發揮資料的作用;
3.常用數據分析工具有表現層、資料分析層、報表/BI層和資料存儲層數據分析工具。其中本文使用到的FineBI是一款大數據分析BI工具,專業好用,上手簡單,透過滑鼠點選和拖拽即可完成分析,輕鬆實現資料處理,探索式OLAP分析,可以完美滿足數據分析師各種需求。
4.常用數據分析方法有:分組分析法、結構分析法、交叉分析法、杜邦分析法、漏斗分析法;
5.數據分析師的職業要求需要懂業務、懂管理、懂分析、懂工具、懂設計。還需要具備負責嚴謹的態度、強烈的好奇心、清晰的邏輯思維、學習模仿和創新。
工欲善其事,必先利其器。如果要做好數據分析師,離不開趁手好用的分析工具。
上文提到的FineBI是一款能幫助數據分析師快速搭建數據分析Dashboard的大數據自助分析軟體。它專業、簡潔、易用,介面和流程一目了然,每個模組都有明確的功能分區。透過FineBI自助資料集功能,普通業務人員就能拖拖拽拽對數據做篩選、切割、排序、彙總等,自助靈活地達成期望的資料結果,並選取智慧推送的圖表和Dashboard實現資料的視覺化。更重要的是,對個人用戶永久完全免費!
對企業,FineBI針對企業的個性化需求提供了不同的報價方案。
FineBI在台灣、香港、澳門、新加坡、馬來西亞等地區均提供在地化服務,由帆軟原廠當地團隊做技術支援,二次開發和專案實施。點擊下方按圖片可免費下載FineBI軟體進行體驗,任何技術問題都可以隨時聯絡技術支援工程師,助力你的數據分析之旅!~
熱門文章推薦
2023-10-11 • 4 min read
數據分析工具對比:FineBI、Smart Query與Cognos功能深度評估
在這個數位化時代,無論企業規模大小,都面對着巨量資料分析和處理的挑戰。企業希望能夠更好地利用大數據,以深入瞭解他們的營運、客戶需求,以及如何提高員工的生產力。但同時,企業也常常面臨有限的資源和緊張的預算,這使得如何高效地進行資料分析變得尤為關鍵。因此,易於使用且自動化的商業智慧工具對於幫助企業應對這些挑戰至關重要。
2023-09-27 • 2 min read
探索資料科學(data science):決議資料科學與資料科學家的世界
在大數據時代,資料科學(data science)的重要性日益突顯。這個領域不僅提供了洞察力和決策支援,還能夠預測趨勢、提高效率、改進產品,並加強資料安全。資料科學已經成為各個行業中不可或缺的一環,助力企業充分利用豐富的資料,實現更智慧、更創新的業務策略。
2023-09-15 • 2 min read
FineBI vs. Tableau vs. Qlik: 深度比較與優勢分析
在大數據時代,數據治理和數據分析正變得越來越重要。大數據的爆炸式增長對企業提出了更高的要求,企業需要有效地收集、整合和分析資料以獲得有價值的見解。BI工具應運而生,但市面上各種工具看得人眼花繚亂,不禁讓人感到困惑。因此,瞭解不同工具的特點和優勢可以幫助企業更好地選型以滿足其資料分析需求。