数据分析的 4 个层面：包括 8 种思维、N 种方法、七种武器和八条原则
0. 前言
前几天，我在「大数据分析和人工智能」公众号主理人邓凯的朋友圈，看到下面这张图片：
我把它转发到自己的朋友圈，有朋友留言说：“用这个写一篇文章”，我答应了，所以有了这篇文章。
1. 思维层面
我以前写过《数据分析的 8 种思维》，分别是对比、细分、溯源、相关、假设、逆向、演绎、归纳，文中用了一些小故事进行举例说明，这里就不重复介绍了，感兴趣的朋友可以去那篇文章看看，本文将着重介绍数据分析的方法层面和技术层面。
2. 方法层面
我把数据分析的方法和模型，都归入到方法层面，因为它们都是先对问题进行分析，然后找到解决问题的办法。
数据分析的方法和模型众多，为了查阅方便，我做了如下分类汇总，在每个类别下面，都有若干方法和模型的名称，我觉得可以把他当作一个索引，当我们需要对某个问题进行分析的时候，先试着从中找一找，然后再利用搜索引擎，去查找更详细的资料，如果发现有新的方法或模型，那么把它加入进来，形成一个越来越丰富的数据分析库。
对于数据分析方法，我参考《谁说菜鸟不会数据分析（入门篇）》，按研究方向进行分类如下。
产品研究
ABC分析 | 相关分析 | 对应分析 | 判别分析 | 结合分析 | 多维尺度分析
品牌研究
相关分析 | 聚类分析 | 判别分析 | 因子分析 | 对应分析 | 多维尺度分析
价格研究
相关分析 | PSM价格分析
市场细分
聚类分析 | 判别分析 | 因子分析 | 对应分析 | 多维尺度分析 | Logistic回归 | 决策树
满意度研究
相关分析 | 回归分析 | 主成分分析 | 因子分析 | 结构方程
用户研究
相关分析 | 聚类分析 | 判别分析 | 因子分析 | 对应分析 | Logistic回归 | 决策树 | 关联规则
预测决策
回归分析 | 决策树 | 神经网络 | 时间序列 | Logistic回归
对于数据分析模型，按维度进行分类如下：
一维线性分析模型
AARRR | AISAS | 二八法则 | 产品生命周期 | 漏斗分析 | RARRA | 用户生命周期
二维矩阵分析模型
安索夫矩阵 | BCG三四规则 | 波士顿矩阵 | EFE | Graveyard | 行业吸引力 ROS/RMS | SPACE | SWOT | 战略钟
多维空间分析模型
波特五力分析 | KANO | PEST | RFM | SCP
其他分析模型
5W2H | ABC分类 | 杜邦分析 | 雷达图 | MECE | 麦肯锡七步分析法 | 麦肯锡7S模型 | PDCA | VCA | 鱼骨图
上述模型除了可以按维度进行划分，还可以按宏观、中观、微观、定性、定量、人、货、场等角度进行分类。
3. 技术层面
数据分析的技术层面，主要是对数据分析工具的灵活运用，数据分析高手通常都能精通一种或多种工具，就像在武侠小说中的高手与武器往往是相辅相成的。
古龙写的《七种武器》系列小说，七种武器分别是：长生剑、孔雀翎、碧玉刀、多情环、霸王枪、离别钩和箱子，每种武器背后都有一段精彩离奇的故事，通过这些的故事，让读者明白，某种武器背后隐藏的是什么，究竟是什么力量才让这种武器如此厉害，比如：微笑、自信、诚实、仇恨、勇气、戒骄等等。
对于数据分析而言，我认为也有七种非常厉害的武器，它们分别是：
长生剑：Excel
Excel 在数据分析的地位，可配得上「长生」二字，有了这柄长生剑，就能够解决许多常见的数据分析问题。
Excel 的函数、数据透视表、图表可视化、VBA 等功能，让数据分析工作变得高效。
长生剑，背后隐藏的是微笑，无论遇到多么大困难，都要保持微笑。
孔雀翎：Power BI
用 Power BI 做出来的图表，就如同孔雀的尾羽，鲜艳美丽。
Power BI 将数据转换为令人赞叹的视觉对象，让仪表盘和交互式报表变得更加简单。
孔雀翎，背后隐藏的是自信，充分认识自己的长处和潜能，并发挥出来。
碧玉刀：SQL
SQL 是 Structured Query Language 的简称，即结构化查询语言，数据分析师主要用 SQL 来提取更加客观真实的数据。
我在 2012 年的时候，写过一篇《SQL 数据分析应用示例》，感兴趣的朋友可以参考一下。
碧玉刀，背后隐藏的是诚实，内心与言行一致，不虚假。
多情环：SPSS
SPSS 软件的界面非常友好，你只要点一点鼠标，就能得出大量专业的分析结果。
但是，其中的分析方法和模型是否适用？分析的参数如何调整优化？分析结果如何解读和应用？因为这些问题有可能会让初学者心生懊恼，在从简单到复杂的过程中，可能会产生比较大的情感落差，所以我把 SPSS 比作多情环。
多情环，背后隐藏的是仇恨，表达的是对现实状况强烈的不满。
霸王枪：SAS
SAS 堪称是数据分析软件中的「巨无霸」，是美国北卡罗来纳州立大学 1966 年开发出来的统计分析软件。
SAS 的功能非常强大，统计方法齐全，被广泛应用于科研、教育、生产和金融等多个领域。
霸王枪，背后隐藏的是勇气，主动迎接挑战，势必所向无敌。
离别钩：R
自从用了 Python 之后，我渐渐远离了 R 软件。
虽然 R 软件中有大量成熟实用的统计分析工具包，让人难以割舍，但是 Python 的适用范围更广，比如用 Python 还能做网站和服务器自动化运维等。在时间和精力有限的情况下，当使用一种语言就能满足更多需求，并且由此带来的好处比较明显时，我认为会有越来越多的人选择走使用一种语言的路线。
离别钩，背后隐藏的是戒骄，永远保持谦虚进取的精神。
箱子：Python
随着 Python 版本的不断更新，新的功能越来越多， 它就像一个神奇的宝箱，里面的能量似乎取之不尽，用之不竭。
当 Python 配上 NumPy、Pandas、SciPy、StatsModels、Scikit-learn、TensorFlow 等工具库以后，简直是如虎添翼，成为数据科学、机器学习、交互式计算以及数据可视化等领域最为重要的语言之一。
在古龙心中，第七种武器到底是什么？目前似乎还没有定论，有人说古龙还没来得及写就已经去世了，有人说是拳头，有人说是箱子，我认为无论是什么，其背后都隐藏着一种神奇的力量。
在数据分析的江湖中，如果没有顺手的武器，那么英雄也可能无用武之地。尽管武器很强大，但是工具总是死的，更重要的是能领悟它的运用之道。
一件武器是否能发挥价值，主要还是得看使用它的是什么人。
4. 展示层面
数据分析的成果，最终要展示出来，才能发挥它的价值。
展示的形式通常是数据分析报告，其目的是运用数据来反映业务的现状，通过分析发现业务的亮点和问题，提出可行的建议解决方案，帮助管理者做出科学有效的决策，降低业务风险。
一份好的数据分析报告，我认为应遵循以下八条原则：
逻辑严谨，思维缜密
方法适当，模型适用
工具恰当，图表专业
数据可靠，客观真实
结合业务，实事求是
重点突出，统一规范
结论准确，建议合理
科学有效，创造价值
5. 总结
本文介绍了数据分析的 4 个层面，分别是思维层面、方法层面、技术层面和展示层面，其中包括 8 种思维、N 种方法、七种武器和八条原则。
最后，让我们始终牢记数据分析的心法：一切以用户能获得价值为目标，帮助用户高效利用时间和解决问题，反对故弄玄虚的炫技。
相关文章
欢迎关注林骥的微信公众号，我们一起让数据更有价值，让分析更有效。
长按二维码关注
当你看完文章后，请你记得顺手点一点下方的 ⬇️ 在看