數據分析都有哪些常用的方法？這篇文章里，作者針對描述性分析、診斷性分析等內容做了總結和梳理，不妨來看一下。

上篇文章我們給大家介紹了數據分析中的一些誤區，同時我們也給大家講解了不同層級數據分析的崗位之間的區別及技能的盤點。

一、通用能力總結

1. 初級的數據分析，就是工具人，會操作軟體，能根據要求把數據進行整理歸納，以及一些基本的可視化呈現。他們具備的是軟體操作能力，但這也給了很多人一個錯誤的認知，就是以為數據分析就是學軟體，外面很多數據分析的課程也是在軟體層面的教學 . 但你去學了往往會發現，自己還是無法解決工作的問題，職業發展沒有提升。

2. 中級的數據分析，工具的能力要求更高了，除了 excel 還要求有 sql 和 python，但更本質的區別是，她需要懂業務了，能發現業務現有的問題，並給出對應的解決方案。比如給銷售部門做數據，是要懂銷售策略，運營策略才能做好的。

3. 高級的數據分析，就不再是局限於事後分析和現狀分析，比如一個產品的銷售數據不佳，中級的數據分析只能等這個結果出現之後再去做事後諸葛亮，但高級的數據分析就需要提前做出預判，實時進行干預。甚至不再局限於公司內部的數據，而是要分析外部的行業以及市場，來判斷大的趨勢是什麼。

不過現在規範性分析應用比較少，因為需要需要機器學習等領域的高級技能，並不是所有公司都能具備的。再加上找合適的員工成本，這可是一比不小的支出啊。

二、數據分析的方法和目的

其實從很小的時候，從很小的時候，數據分析就伴隨著我們了，只不過我們一直被數據分析所支配。小學的時候一年級我們就開始考試，每張捲子是 100 分。老師會給根據答題情況給每個人進行打分，根據分數來判斷每個人成績的好壞。

不僅如此，他還要根據分數對我們進行縱向的排名。這樣老師就能更加清晰的知道誰學習好，誰學習不好。這個成績單還會同步給我的家長，成績單好的時候我就有糖吃，成績單不好的時候就只有雞毛撣子吃。

家長也是靠這一張小小的成績單來決定對我們的態度。有一次我清楚的記得，上學期我考了 54 名，下學期我考了 52 名，我開開心心的把捲子拿給我的爸爸尋求誇獎，可是他卻把我打了一頓，我當時百思不得其解，我明明進步了兩名，為什麼他還打我？長大了我明白我覺得進步是對比上學期的成績，對比上學期的基礎上，我是進步了。那我爸看全域思維放在全班進行對比，我還是個渣渣。爺倆根本不在一個維度嘛。

成績單是什麼呢？按我們的話來說，它其實就是輸出了一份數據報告。通過給你打分，可以看出來你對各個學科的掌握程度。比如說你英語得了 100 分，語文得了 90 分，數學得了 80 分，物理得了 60 分，化學只得了 20 分。那看起來你很明顯的要去補物理和化學啦，這就叫什麼叫對症下藥。

後來我又經歷了很多模擬考，一模我考了 360 分。二模我考了 340 分。三模我考了 350 分。據三次平均成績，我差不多中考能考高 350 分。為什麼那小時候老師和老娘運用數據分析，它的目的是什麼呢？通過對比，來提高我們成績，這個才是老師的本質目的。

根據分析的方法和目的，分析可以被劃分為描述性分析（descri-ptive analytics）、診斷性分析（Diagnostic analytics），預測性分析（predictive analytics）和規範性分析（prescriptive analytics）。那咱們就根據上面的例子分別來對號入座一下。

描述性分析（descri-ptive analytics）：

描述性分析包括數據收集、整理、製表、製圖以及描述正要研究的事物的特徵，這類分析以往被稱為“報告”。描述性分析可能非常有用，但它不能解釋某種結果出現的原因或者未來可能會發生的事情。

其實呢就是老師把我們的成績，經過填入梳理整合然後輸出了一張成績單的意思。但是呢他只是能看到你現在的情況，無法解釋你為啥成績低，也沒辦法預測你是否能提高成績啦～

診斷性分析（Diagnostic analytics）：

業務變好 / 變壞了，除了知道這個結果外，我們還需要通過數據進一步瞭解為什麼會這樣。

在診斷性分析中，就需要去分析業務結果和很多因素的相關性。當然，怎麼能較快速地定位到分析哪些因素和結果的關係，要基於對業務的理解。可以大家一起頭腦風暴分析業務數據，也可以去調研，或者深度訪談一些業務關鍵角色，讓他們給一些輸入，我們才可能知道從哪些維度去分析數據更合理。

比如說我現在這個成績單，我化學得了 20 分。對，我現在已經知道我化學得了 20 分，那麼為什麼我英語能得 100 分，化學能得 20 分，是化學課開小差了？不喜歡化學？還是認真聽了但是沒聽懂？

預測性分析（predictive analytics）：

預測性分析不僅可以對數據特徵和變數（可以假定取消範圍的因素）之間的關係進行描述，還可以基於過去的數據預測未來。預測性分析首先會確定變數值之間的關聯，然後基於這種已知的關聯預測另一種現象出現的可能性。

比如說預測性分析，在考試這個場景下怎麼能體現呢？其實可以算概率，上學的時候老師肯定說過這樣的話：這個題目每年都考，所以這個一定要掌握。這個題目已經幾年沒考了，今年很可能會考，所以這個也一定要掌握

這樣的說法其實就是拍腦袋，嚴謹的數據分析，是可以通過統計，發現那些 100% 會考的題，這樣説明你更有針對性的去準備考試，如果你 100% 會出的題都還錯，那當然要優先搞這種題，有時間再去搞那種概率性出現的題目。而不是眉毛鬍子一把抓。

規範性分析（prescriptive analytics）：

規範性分析是更高層次的分析，如實驗設計和優化等。就像醫生會在出處方建議患者採取什麼行動一樣就比如說咱們考試，你數學考了 100 分，語文考了 80 分，英語考了 60 分，物理只考了 20 分。

這個時候我們可能會知道語文和英語還有物理是需要去提高的。但我們不能一上來就建議去提高物理分數，我們可以在提高各項分數之間做一個投入產出比的比較，然後再選擇最優的學科去提高。

以上就是今天的內容了，看著上面的小故事覺得描述性分析，診斷性分析，預測性分析還有規範性分析，聽著也不難啊。當然便於大家理解我們只是用故事串起來了，實際上工作中能做到其實是很不容易的！最後預告下咱們最後一篇了，下一篇咱們會給大家詳細介紹數據分析對於我們個人及在公司中的重要意義。

題圖來自 Unsplash，基於 CC0 協定

該文觀點僅代表作者本人，人人都是產品經理平臺僅提供資訊存儲空間服務