資料分析的基本方法
隨著網際網路的蓬勃發展，大資料、人工智慧等概念的火熱， 資料逐漸成為各類公司的主要財富和制勝祕笈。在這種情況下，資料分析可以幫助公司做出更合適運營決策。 本文簡單介紹下個人總結的資料分析方法（寫的不好，僅供入門參考，高手就見諒則個），請大家指正，謝謝！
本文主要分為五個部分：
- 需求確認
- 瞭解資料
- 提取資料
- 資料分析
- 出結論
一、需求確認
資料分析的目的是為了瞭解業務的現狀如何，有沒有什麼問題，或者應該怎麼做。所以，資料分析必須先正確理解業務的需求再開展分析，不然很容易南轅北轍，累死累活半天，結果還被領導一頓批，那個冤啊。
跟業務確認需求有以下幾個方法：
- 先了解這個分析的目的是什麼？業務期望看到的結果是什麼樣的？
- 跟業務確認好需要分析的時間視窗，資料維度；
- 按照你的理解複述下業務的所有需求；
- 可以草擬一個交付結果的框架；
二、瞭解資料
需求確認後，就得了解這個資料分析需要用到的資料了，大致包含以下內容：
- 資料的儲存位置，什麼庫？什麼表？什麼欄位？
- 資料粒度，是賬號的維度？還是人的維度，訂單的維度等等？
- 資料的時間範圍？
- 資料關聯關係，是一對一，一對多，還是多對多？
- 有沒有重複值、異常值、缺失值？
- 資料表插入、更新資料的業務邏輯？
三、提取資料
根據大家資料儲存的方式（Mysql、MongoDB等各類資料庫，本地檔案等），選擇合適的方法，提取出所有需要的欄位，並且合併成一張資料寬表。這個寬表的每一行代表一個基本業務單元（如一個人、一個訂單等），一個列，代表每個業務的單元的各項屬性（也稱為特徵、變數）。
四、資料分析
資料寬表合併好後，可以開始正式的分析了。這裡以研究的目標變數是單維度為示例，比如什麼樣的使用者會響應推廣的活動，什麼樣的貸款使用者會逾期等。 具體的分析分為單維度分析和多維度分析，下面以什麼樣的貸款使用者會逾期簡單說明下：
1. 單維度分析
單維度分析比較簡單，可以選取的維度非常多，比如性別、年齡、職業、收入狀況等等。 下面的結果表明：男性的逾期率是女性的2倍（逾期率本身會有多種口徑，這裡不單獨說明）
| 性別 | 放款使用者數 | 逾期使用者數 | 逾期比例 |
|---|---|---|---|
| 男 | 100 | 20 | 20% |
| 女 | 100 | 10 | 10% |
2.多維度分析
在單維度的基礎上，增加同時看的維度數，比如同時看性別、年齡的不同組合下，使用者的逾期率水平。 這個其實就是個列聯表，思想上也有點像決策樹模型。
五、出結論
OK，資料有了（需要確保自己的資料是正確的），我們該把我們的結論以郵件或者PPT的形式彙報給領導或者業務方了。 為了保證我們的結果，業務放願意看，也能看懂，需要注意2點：
- 儘量按照總-分-總的結構來，開頭就能說明分析結論，中間寫分析過程，最後總結下。
- 參照金字塔原理寫序言的方法開頭，情景-衝突-問題-答案（具體方法見《金字塔原理》）
本文恐怕只能作為新手入門的參考，待有時間再修改補充，原諒我的表達能力實在渣渣。