Python 商务统计学 lesson 01

I T WITH BUSINESS

总结：这好像大数据啊。统计数据的目的就是收集信息，然后利用所收集的信息做预测和做出最好的决定，这里面提到了在做决定之前最好准备几个备选方案，以免做决定后出现问题没办法，在出现问题后，对备选方案进行筛选，选出最好的那一个备选方案，在来看问题是否存在，如果还在就得继续这样的循环。

统计并不能代替人做决定，所以有时候人要根据情况调整

前面简单介绍了一些term和例子，抽样调查和集体调查

DCOVA框架，DDDM.

商务统计学，数字统计学

IT 早已覆盖商务运用数据统计，目的是：

1. 减少数学的使用量
2. 注重于提高商务问题的办法和做决定的管理

商务统计学注重使用软件，并且为了商业决定的制定和估值

数学统计注重于估值

数据定义

1. data：与变量相关联的单个值的集合，说白了就是变量吧
2. variable：变量
3. characteristic：特性

数据的形式：

numerical 数字化，比如：票价，百分比

non-numerical： 非数字化，比如：购买方法，座位号

未加工形式（unsummarised data），例子：单一票售卖

加工形式（summarised data）比如：周票销售总额

测量：把变量的值 赋值 给数据

定量的：对变量值的可能测量，变量值是代表变量的数字

定性的：可能的测量分为几类

人口与样品

population，我们希望用所有因素得出结论

例子：人口，物品和事件

finite-population：受限制的人口

infinite-population：不限的人口

census：人口普查

sample：取一小部分人

population measure ------parameter 参数

sample measure -------- statistic

例子：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VaG5BSSW-1617617372637)(C:\Users\唯唯\AppData\Roaming\Typora\typora-user-images\image-20210402213329930.png)]

商务统计学

统计学：对于做决定的人来说，他是一个把数据转换为有用信息的方法

商务统计学：着重于应用这些方法的结果

商务统计学有助于：

1. 总结和显现商务数据

2. 有助于数据的总结

3. 做出有效的预测

4. 提高商务过程

5. 商业上的成功主要是取决于收集资料来做出商业决定，并不是用统计数据代替决定

6. 许多人误用商务统计学的方法，误以为是代换

7. 最好跟随DCOVA框架来最小化错误

DCOVA 框架

1. 定义你要研究的解决问题的数据
2. 从合适的来源收集数据
3. 通过研发表格来组织收集的数据
4. 通过研发表格来使数据更明确
5. 分析收集的数据来得到结果并且给出结论

1，2必须先做好

商务分析

统计数据的办法：分析和探索以前不清楚的，被忽视的数据

信息系统：收集和加工数据

管理学科学：开发支持所有管理级别的优化模型

描述统计学和推论统计学

descriptive statistic: 最初帮助总结和呈现数据的方法，比如数班上的学生数量

inferential statistical： 使用收集到的数据从小群体推断出大群体里的结论

统计学的准确性

1. 可能会产生错误或者无效的结果，比如DCOVA运用不当
2. 必须测试数据是否符合某些属性，在统计学里叫做假设
3. 如果假设被推翻，那么数据分析就无效了，那么需要这种假设成立的方法就不该被使用了。

逻辑因果关系

logical causality： 看似合理的一件事直接导致另一件事，晴天穿黑鞋，雨天穿棕鞋

然而什么颜色的鞋子无法导致天气，这就是一个缺乏逻辑因果关系的例子

相关联研究

correlation study：简单的观察两个自然的变量

有两个目的：

1. 确定这两个变量是否有任何关系
2. 描述这个关系

做决定：

做决定可以被视为是心理过程

这个过程的结果是在几个备选方案中选择一个行动方案

每一个做决定的过程都会产生一个最终的结果

8 个步骤：

1. 问题识别
2. 决定条件识别
3. 为标准分配孰轻孰重
4. 研究备选方案
5. 分析备选方案
6. 选择备选方案
7. 实施最好的备选方案
8. 决策效能评估

问题识别：与预想的状态出现差异，通过将目前的结果与某些标准比较就会发现差异

确保这是一个问题而不是一个症状，管理员（经理）不太可能把差异定义为是问题

决定条件识别：这对于解决问题很重要，比如：会遭受费用，可能遇到风险，期望的结果

分配条件的权重： 对条件的重要性进行正确的评估，每个条件都有优点和缺点

研发备选方案： 有个备选方案是明智的，同样可以解决问题

分析备选方案： 鉴定备选方案的优点和缺点。基于解决问题的能力来做评估

选择备选方案： 选择最好的，也可以选上一步里评分最高的

实施备选方案：实践

**备选方案效能评估：**评估备选方案所带来的效果，观察问题是否被解决，如果没有，就要重新来过

DDDM（data-drive decision making）：

有效和明智的决定是基于对数据和信息的分析，也可以减少人类才范的错误

使用有限和相关的数据有助于把问题放在正确的背景下，才能选择最好的解决方法

允许识别风险与机会

DDDM的好处

使管理人员把注意力放在决策问题上：

1. 环境的变化，比如政府和科技
2. 风险需要被评估
3. 多样的优先级，比如测量，运行，资源
4. 要求的改变
5. 竞争者
6. 新的加入者，合作者
7. 新能力的要求

数据分析 data analysis：

应用统计学的过程，或者其他科技用于检查，描述，转换，浓缩的分析

同样可以发现有用的信息， 给出结论并且支持做决定。

数据分析结果

可以知道在数据分析下，组织，系统，过程是否正在进步

也能知道引起变化的因素是什么

各种因素直接的联系和相关性

确定分析

分析数据同时也包括测试数据，以揭示关系，模式，趋势的方式。

统计技术可以揭示变量之间的这种关系，可以比较不同群体的数据

这些技术可以告诉你你对答案的信任程度

数据收集过程

需要一种可靠的数据收集办法：

客观的，有逻辑的，计划好的办法

数据的来源

许多数据来源于日常生活，但对于重要的决定来说往往不够

团体需要更多的来自其他来源的信息，通过额外的研究和观察

需要去识别感兴趣的对象

收集办法

调查，审查，检查，报告，实时数据更新

审计和检查需要问题清单，每个问题都有，好，满意，还可以，不好，不满意，太差这几个选项

评分，0-100

实时数据更新例子：脸书，ins，twitter，BBC

表单设计原则

只要求被需要的数据创造出信息

着眼大局

统计的好处：有证据，制造联系，确保产品质量

帮助公司对市场有一个正确的看法

05173152442.png" alt=“image-20210405173152442” style=“zoom:80%;” />

审计和检查需要问题清单，每个问题都有，好，满意，还可以，不好，不满意，太差这几个选项

评分，0-100

实时数据更新例子：脸书，ins，twitter，BBC

表单设计原则

只要求被需要的数据创造出信息

着眼大局

统计的好处：有证据，制造联系，确保产品质量

帮助公司对市场有一个正确的看法

顾客统计分析，购买模式，季节性购买