數(shù)據(jù)分析第2篇｜深入理解：探究四種常見的數(shù)據(jù)分析類型

科技閻羅

登錄/注冊后可看大圖

在【數(shù)據(jù)分析第一篇｜概念掃盲】，通過三個故事簡單給大家掃盲了一下數(shù)據(jù)分析的概念，讓你可以快速理解數(shù)據(jù)分析的本質(zhì)。但真實的數(shù)據(jù)分析肯定是要復(fù)雜的多。
?我們提到數(shù)據(jù)分析就是從數(shù)據(jù)中提取有價值的信息的過程，目的是用于決策。數(shù)據(jù)分析是一個過程，是一個我們通過數(shù)據(jù)理解世界的一個過程。
在劉慈欣的科幻小說《三體》中，智子是一種超級人工智能，其能力和智慧遠超人類。故事中三體人通過智子 鎖死了人類科技。
其鎖死人類科技的核心就是在微觀層面干擾人類科學(xué)實結(jié)果，從而使人類科學(xué)家不能正確地開展數(shù)據(jù)分析，無法對物質(zhì)深層的結(jié)構(gòu)進行有效探索，失去了理解世界的能力，從而無法產(chǎn)生突破性的科學(xué)發(fā)展。
由此可見數(shù)據(jù)分析的重要性。這篇文章，我們就來聊一聊數(shù)據(jù)分析的四種類型，了解一下如何利用數(shù)據(jù)來幫助我們更好地理解世界。
第一類：描述型數(shù)據(jù)分析

我們都知道，所謂的數(shù)據(jù)是對事實的描述，比如說你的身高、體重、籍貫等等。對這些數(shù)據(jù)的描述本身也是一種分析。
舉一個例子：最近我在看房子，每天會關(guān)注成都市二手房的成交量，比如說{2023年2月27日成都二手房成交了465套}
這就是描述型分析，如果你寫過實證分析相關(guān)的論文，這個就是對數(shù)據(jù)的描述，比如說我上面提到的畢業(yè)論文，在完成數(shù)據(jù)處理后會做一個描述型統(tǒng)計分析：

2012年，國有企業(yè)控制下的上市公司數(shù)量達到了1176家，占比超過50%，到2016年，這個數(shù)字下降到了1015家，占比降至不到50%。與此同時，民營企業(yè)控制下的上市公司數(shù)量在同期內(nèi)從978家增加到了1183家……

第二類：探索性數(shù)據(jù)分析

探索性數(shù)據(jù)分析，有個英文名叫Exploratory Data Analysis，簡稱EDA。我們所說的一般意義上的數(shù)據(jù)分析就是指探索性分析。
所謂的探索性分析就是提出一個問題，然后通過數(shù)據(jù)的特征、規(guī)律、分布和異常等情況，給出問題的答案，輔助決策。
這也是一般企業(yè)里數(shù)據(jù)分析師的核心工作：比如說探究什么用戶注冊數(shù)變少了？為什么公司的GMV下滑了？等用戶運營或者產(chǎn)品運營層面的問題。
講一個故事：
2021年我在一家公司金融小貸部門做數(shù)據(jù)產(chǎn)品經(jīng)理，主要做貸前的反欺詐產(chǎn)品。
有一天運營部門的同事突然發(fā)現(xiàn)，當(dāng)天下午的3點-6點，申請貸款的用戶暴增，而且比過往的每天平均客戶數(shù)多了2倍多，而且還在持續(xù)增長，于是立刻匯報給了部門領(lǐng)導(dǎo).
部門領(lǐng)導(dǎo)就給數(shù)據(jù)分析的同事拋出來一個問題：是什么原因?qū)е掠脩魯?shù)驟增？
數(shù)據(jù)分析的同學(xué)接到任務(wù)，立刻著手進行數(shù)據(jù)分析，拉出當(dāng)天3~6點申請貸款的客戶的全部信息：性別、年齡、籍貫、手機號、婚姻狀態(tài)，駕照信息、申請地點等等……
經(jīng)過幾個小時的分析，最終得出結(jié)論：這是一起無組織的集體擼貸行為。
原因也很簡單：這些客戶分散在全國各地，申請時間高度集中，而且申請的貸款流程中約50%的人上傳的都是同一個駕照信息。
作為一名優(yōu)秀的數(shù)據(jù)分析師，并不會甘于只做探索性分析，而是會給出指導(dǎo)和改進的建議。
比如說我上面講的的故事里，我們部門在發(fā)現(xiàn)了這個問題后，給業(yè)務(wù)部門提出了優(yōu)化建議：建議在貸款流程中加入駕照身份核驗，必須要身份信息和駕照信息一致才能申請貸款。
因為有數(shù)據(jù)支撐，業(yè)務(wù)部門也很快采納了我們的建議。
第三類：指導(dǎo)性數(shù)據(jù)分析

指導(dǎo)性分析，英文名叫Confirmatory Data Analysis，簡稱CDA。
別被它的名字給誤導(dǎo)了，基本大多數(shù)研究生和博士生論文都是指導(dǎo)性分析，也就是所謂的實證分析。
它要求你在做數(shù)據(jù)分析前，先明確研究問題，并提出假設(shè)，然后通過嚴格的統(tǒng)計方法和模型驗證，對數(shù)據(jù)進行檢驗和分析，以驗證研究假設(shè)的有效性和可靠性。
和探索性分析不同，指導(dǎo)性分析的目標是驗證數(shù)據(jù)分析中的假設(shè)和研究結(jié)論是否正確，它需要做出明確的假設(shè)，并通過統(tǒng)計模型和驗證方法來檢驗假設(shè)的有效性，以確保分析結(jié)果的可靠性。
CDA通常是在EDA之后進行，當(dāng)我們已經(jīng)了解數(shù)據(jù)并發(fā)現(xiàn)有趣的關(guān)系時，需要進行進一步的驗證和檢驗。
CDA在科學(xué)研究和數(shù)據(jù)分析中非常重要，因為它可以幫助我們確定研究結(jié)論的有效性，并排除偶然性和誤差的影響。
同時，CDA也可以幫助我們發(fā)現(xiàn)數(shù)據(jù)中的異常和離群值，以及其他可能影響分析結(jié)論的因素。
第四類：預(yù)測性數(shù)據(jù)分析

預(yù)測性分析，又叫Predictive Analytics。這個概念有點晦澀，但卻早已飛入尋常百姓家。
預(yù)測分析是指通過對歷史數(shù)據(jù)和趨勢的分析和建模，預(yù)測未來事件或行為的發(fā)生概率或趨勢。
它的目標是利用現(xiàn)有的數(shù)據(jù)建立預(yù)測模型，它可以幫助決策者更好地理解未來發(fā)展趨勢和可能發(fā)生的事件，以便制定更加科學(xué)的決策和策略或者讓用戶更加上癮。
看到這個，你是不是想起了抖音、快手、微信視頻號。沒錯，這類短視頻工具無一例外地使用了預(yù)測性數(shù)據(jù)分析，它可以將你的注意力數(shù)據(jù)作為輸入，輸出你更為感興趣的視頻 ，讓你越刷越想刷，越刷越停不下來。

登錄/注冊后可看大圖

抖音２小時，人間五分鐘。就是這么來的。
預(yù)測性分析有較高的技術(shù)門檻，它需要完整的數(shù)據(jù)清洗、特征選擇、模型選擇和評估等步驟。
在建立預(yù)測模型時，我們需要選擇合適的特征和算法，并對模型進行訓(xùn)練和優(yōu)化，以達到最佳的預(yù)測效果。
這些從業(yè)人員也一般稱之為算法工程師，而不再是數(shù)據(jù)分析師了。

-----------------------------