CHAP2：提出问题以做出数据驱动的决策

1.从问题到行动：六个数据分析阶段

有六个数据分析阶段将帮助您做出无缝决策：询问、准备、处理、分析、分享和行动。请记住，这些不同于数据生命周期，后者描述了数据在其生命周期中经历的变化。让我们逐步了解这些步骤，看看它们如何帮助您解决工作中可能遇到的问题。

第 1 步：询问

如果你不知道问题是什么，就不可能解决问题。这些是需要考虑的一些事项：

• 定义您要解决的问题
• 确保您完全了解利益相关者的期望
• 专注于实际问题，避免分心
• 与利益相关者合作并保持开放的沟通渠道
• 退后一步，在上下文中查看整个情况

在此步骤中要问自己的问题：

• 我的利益相关者说他们的问题是什么？
• 既然我已经确定了问题，我该如何帮助利益相关者解决他们的问题？

第 2 步：准备

您将决定需要收集哪些数据来回答您的问题以及如何组织这些数据以使其有用。您可以使用您的业务任务来决定：

• 衡量什么指标
• 在数据库中查找数据
• 创建安全措施以保护该数据

在此步骤中要问自己的问题：

• 我需要弄清楚如何解决这个问题？
• 我需要做什么研究？

第 3 步：处理

清理数据是最好的数据，您需要清理数据以消除任何可能的错误、不准确或不一致。这可能意味着：

• 使用电子表格功能查找错误输入的数据
• 使用 SQL 函数检查多余的空格
• 删除重复条目
• 尽可能多地检查数据中的偏差

在此步骤中要问自己的问题：

• 哪些数据错误或不准确可能会妨碍我为我试图解决的问题获得最佳答案？
• 如何清理我的数据以使我拥有的信息更加一致？

第 4 步：分析

您将需要分析性地思考您的数据。在此阶段，您可以对数据进行排序和格式化，以便更轻松地：

• 执行计算
• 合并来自多个来源的数据
• 使用您的结果创建表格

在此步骤中要问自己的问题：

• 我的数据告诉我什么故事？
• 我的数据将如何帮助我解决这个问题？
• 谁需要我公司的产品或服务？什么类型的人最有可能使用它？

第 5 步：分享

每个人都以不同的方式分享他们的结果，因此请务必通过图表或仪表板等工具使用数据，以清晰而诱人的分析可视化来总结您的结果。这是你向利益相关者展示你已经解决了他们的问题以及你是如何做到的的机会。分享肯定会帮助您的团队：

• 做出更好的决定
• 做出更明智的决定
• 导致更强的结果
• 成功传达您的发现

在此步骤中要问自己的问题：

• 如何使我向利益相关者展示的内容具有吸引力且易于理解？
• 如果我是听众，什么能帮助我理解这一点？

第 6 步：行动

现在是时候对您的数据采取行动了。您将从数据分析中学到的所有东西都投入使用。这可能意味着根据您的发现为您的利益相关者提供建议，以便他们做出数据驱动的决策。在此步骤中要问自己的问题：

• 我如何使用我在分享阶段（第 5 步）收到的反馈来真正满足利益相关者的需求和期望？

这六个步骤可以帮助您将数据分析过程分解为更小、更易于管理的部分，这就是所谓的结构化思维。这个过程涉及四个基本活动：

• 认识到当前的问题或情况
• 整理可用信息
• 揭示差距和机遇
• 确定您的选择

2.解决数据问题

2.1常见问题类型

1. 进行预测
   这种问题类型涉及到使用数据来对未来事物的发展做出明智的决定。例如，一个医院系统可能使用远程病人监测来预测慢性病患者的健康事件。病人每天都会在家里测量他们的健康体征，这些信息与他们的年龄、风险因素和其他重要细节的数据相结合，可以使医院的算法预测未来的健康问题，甚至减少未来的住院率。

2. 对事物进行分类
   这意味着根据共同特征将信息分配到不同的组或群组。这种问题类型的一个例子是，一个制造商审查车间员工绩效的数据。分析师可以为那些在工程方面最有效和最不有效的员工创建一个组。为在修理和维护方面最有效和最不有效的员工建立一个组，为在装配方面最有效和最不有效的员工建立一个组，以及更多的组或集群。
   eg:这里有一个涉及分类问题的例子。比方说，一个企业想提高它的客户满意度水平。数据分析师可以审查该公司客户服务部门的电话录音，并评估每个来电者的满意度水平。他们可以识别电话中出现的某些关键词或短语，然后将它们归入礼貌、满意、不满意、同情等类别。对这些关键词进行分类后，我们可以得到数据，让公司识别出表现最好的客户服务代表，以及那些可能需要更多辅导的人。这导致了更快乐的客户和更高的客户服务分数。

3. 发现不寻常的东西 （异动分析）
   在这种问题类型中，数据分析师要识别与常规不同的数据。在现实世界中发现不寻常的东西的一个例子是，一个学校系统的注册学生人数突然增加，可能有30%的学生人数猛增。一个数据分析员可能会研究这一上升趋势，并发现该学区在当年早些时候建了几个新的公寓楼。他们可以利用这一分析来确保学校有足够的资源来处理新增的学生。

4. 识别主题
   识别主题通过将信息分组为更广泛的概念，使分类工作更进一步。回到我们的制造商，刚刚审查了关于车间员工的数据。首先，这些人是按类型和任务分组的。但现在，一个数据分析师可以把这些类别归入更广泛的概念，即低生产力和高生产力。这将使企业有可能看到谁的生产力最高和最低，以便奖励表现最好的人，并为那些需要更多培训的工人提供额外支持。
   eg:我们在用户体验领域看到了很多这样的例子。用户体验设计师研究并致力于改善人们与他们每天使用的产品之间的互动。比方说，一个用户体验设计师想看看客户对其公司生产的咖啡机有什么看法。这个企业从用户那里收集匿名调查数据，这些数据可以用来回答这个问题。但首先要让这一切有意义，他需要找到代表最有价值的数据的主题，特别是他可以用来使用户体验更好的信息。因此，用户体验设计师的公司所面临的问题，是如何改善其咖啡机的用户体验。这里的过程有点像为客户服务对话中的关键词和短语寻找分类。但识别主题则更进一步，将每个洞察力归入一个更广泛的主题。然后，设计师可以精确地找出最常见的主题。在这个案例中，他了解到用户经常无法分辨咖啡机是开着还是关着。他最终优化了设计，改进了开/关按钮的位置和照明，导致了产品的改进和用户的满意。
   到目前为止，您可能想知道对事物进行分类和确定主题之间是否存在差异。最好的思考方式是：对事物进行分类涉及将项目分配给类别；确定主题通过将它们分组为更广泛的主题，使这些类别更进一步。

5. 发现联系
   现在，发现联系的问题类型使数据分析师能够找到不同实体所面临的类似挑战，然后结合数据和洞察力来解决这些问题。这就是我的意思；比如说一家滑板车公司从其车轮供应商那里得到的车轮遇到了问题。该公司将不得不停止