人人都能学会数据分析-笔记

第01周 走进数据分析

1-1 互联网数据分析通用课程-导学

课程导学

随着互联网的发展，任何岗位都离不开数据分析

• 互联网 => 数据 => 价值
• 用户 => 网上购物 => 评价、购买量、价格
• 产品 => 设计与优化 => 跟踪用户行为、监测数据
• 运营 => 成交量 => 数据指标、有效营销手段

数据分析师，必须掌握的技能

硬技能 => 硬性数据处理和分析工具的使用
       => 电子表格 Excel
       => 数据库操作语言 SQL
       => 可视化面板 Tableau
       => 大数据处理分析 Python
软技能 => 对事物的认知方式、经验积累

• A的价格比B的价格高
• A的波动大于B，波动大风险就大
• 行情下跌 vs 事件关系

课程优势

普适性
    运营、产品、市场或者销售
    数据分析的硬技能
    互联网行业经验
    => 细分行业、企业、商业模式
        运营策略、思维模型、业务指标
实战性
    真实的数据、案例
    第一阶段：大数据人才需求分析、销售情况分析
    第二阶段：用户行为、用户画像、营销渠道分析、留存转化
从0到1
    目标确定=>数据获取=>数据清洗=>数据探索=>洞察结论=>数据报告

期待你和我一起，用数据解析世界

1-2 从互联网数据分析说起

什么是互联网数据分析

互联网：

• 信息传输的一种载体
• 通过电子化的方式留存信息
• 与传统线下基于实物的传输方式相对应

纸币、硬币

数字货币

数据分析：
    对数据的规律进行总结、提炼
    决策 

互联网 数据分析岗人才需求 => 线上 线下
招聘信息 => 统计职位数 => 同类比较

数据 => 生产材料

章节回顾

• 互联网            => 线上的传输方式
• 数据分析        => 利用数据规律进行决策
• 互联网数据分析    => 对基于线上产生的数据进行分析

课后作业

以下哪个是基于互联网的数据分析：
A. 统计某产品线下调研结果
B. 分析某课程线上引流效果

2-1 什么是数据

从认识数据开始

认识数据

• 数据分类
• 统计指标
• 分布形态
• 数据分析流程
• 常用数据分析工具

什么是数据

• 数据是对事物的描述和记录

数据的特性

根据计量层次，进一步对数据进行分类
黄瓜、番茄、森林、书本，无法计算比较，计量层次低
1,2,3,4,5，这些数据可以计算比较，那么计量层次就高

定类数据

颜色：红色、白色、黄色
性别：男性、女性
职位：数据产品经理、数据运营、市场营销运营
按照类别属性进行分类，各类别之间是平等并列关系
这种数据不带数量信息，并且不能在各类别间进行排序
主要数值运算，计算每一类别中的项目的频数和频率

定序数据

受教育程度：小学、初中、高中、大学、硕士、博士
季度：春、夏、秋、冬
等级：合格、良好、优秀
定序数据之间可以进行排序、比较优劣
通过将编码进行排序，可以表示之间的高低差异

定距数据

温度：20、50、100
成绩：50、65、70、100
年龄：8、25、40、60
具有一定单位的实际测量值
定距数据的精确性比定类数据和定序数据更高
可以计算出各变量之间的实际差距（加、减）

定比数据

利润：10万、20万、30万
薪酬：3000、6000、9000、12000
用户数：210、3500、49000
可以比较大小，进行加、减、乘、除运算
定距尺度中，0表示数值，定比尺度中，0表示"没有"
定比数据中是存在绝对零点的，而定距数据不存在

定性、定量数据

定性数据（定类数据、定序数据）
是一组表示事物性质、规定事物类别的文字表述型
定类数据（定距数据、定比数据）
指以数量形式存在着的属性，并因此可以对其进行

数据矩阵/二维数据表

• 数据属性、维度
• 观测值、记录

章节回顾

什么是数据
数据的类型
    定类数据 => 定性数据
    定序数据 => 定性数据
    定距数据 => 定量数据
    定比数据 => 定量数据
数据矩阵是怎么组成的

课后作业

对应的是什么数据类型

定性：姓名、性别、职业
定量：用户标识、年龄、薪酬

2-2 什么是统计指标

为什么要学习统计指标

• 技能
• 薪酬水平
• 工作年限
• 业务背景

• 汇总
• 处理
• 计算

什么是统计指标

• 体现总体数量特征的概念和数值
• 根据数据分析的目的不同，统计指标也会变化

房屋设计：建筑面积、竣工面积、技术装备率
提升用户转化率：网站浏览量、着陆页、跳失率
选择理财产品：往期业绩、风险系数、年化收益

总量指标

GDP(国内生产总值)
总人口 => 总和(SUM)
销售总额

• 特定条件下的总规模、总水平或工作总量
• 是一种最基本的统计指标

平均指标

用一个数字显示其一般水平
=> 集中趋势指标

相对指标

• 两个有联系的现象数值相比得到的比率
• 描述的是相对关系，而不是总体情况

比例、比率、倍数

• 比例 = 各数据/总比 %
• 1:2:3:...:10:11:12
• 比率 = 数据项:数据项
• 年末/年初 = 12
• 倍数 突出上升、增长幅度
   

环比、同比

近2个月的销售情况？

环比增长率：
(本期数-上期数)/上期数*100%
(12000-11000)/11000 = 9.09%

• 同比增长率：
• (本期数-同期数)/同期数*100%
• (3450-2300)/2300 = 50%

环比更注重短期的涨幅表现
同比更注重长期的

章节回顾

• 总量指标：描述总体估摸的
• 相对指标：部分与整体关系
• 平均指标(集中趋势)：数据一般水平

课后作业

1、今年销售总额
2、每月占总销售的比例
3、平均每月销售额

2-3 统计指标：集中趋势

集中趋势指标的特点

哪个营销渠道引流效果最佳？
什么岗位的薪酬水平最高？        => 平均值
哪个产品最受欢迎？
……                                => 初步结论

什么是集中趋势指标

• 用于体现数据一般水平的指标
• 最快速了解样本数据的概况
• 最常用的集中趋势指标就是平均值

平均值

• = 所有数据相加/数据的个数
• 加和：151100
• 平均值：16789
• 去除异常值：10762
• 差异：6026
• 具有一定误导性，对异常数不敏感

中位数

• 按顺序排列后，居于中间位置的数
• 奇数：位于(n+1)/2位置的数
• 偶数：最中间的两位数相加/2
• 更具有代表性

众数

• 出现次数最多的数值
• 反应的是局部特征、密集度
• 众数可以有多个

章节回顾

• 平均值：黄线
• 中位数：绿线
• 众数：蓝线

课后作业

1、计算平均值、中位数、众数
2、哪一组薪酬水平更高

2-9 本章小结

数据的基本特征

什么是数据

• 数据类型
• 集中趋势 分布形态
• 离散趋势 异常值

数据分析有哪些内容 

数据分析流程

数据分析技能

2-4 统计指标：离散趋势

什么是离散趋势指标

• A(蓝线)：10.22 ~ 10.88
• B(橙线):10.22 ~ 11.43
• 股票B比股票A更离散

体现内部差异度的指标

• 极差
• 平均差
• 标准差

极差

• 相距最远的两个点之间的距离
• 极差 = 最大值 - 最小值 = 1.55
• 数据内部最大的差异情况

平均差

• 一组数据与平均值差异 

• 数据项与平均值的差距越大
• 数据越分散，反之越集中

• 股东回购、政策利好、供需失衡
• 事件驱动型的数据，在样本量较小的时候，容易导致误差
• 对离散值更敏感

标准差

• 优化过的更能代表离散程度的指标

• 更直观的了解差异程度
• 最常用的离散指标

章节回顾