扫盲篇：4种数据分析常用的分析视角，附应用场景
The following article is from 数据分析不是个事儿 Author 李启方
“大家好，有些朋友是不是会面对不同数据/指标/字段，不知道怎么分析？那当然要找到切入点！今天这4个数据分析视角，可以帮助你更快摸清数据信息。”
数据分析思维，是我们运用数据分析知识、方法和模型解决问题的过程：当我们碰到问题的时候（输入数据信息到大脑），我们结合过往经验，运用数据分析知识、方法和模型，经过大脑思考（处理数据信息），得出解决方案(输出结论、方案)。比如演绎思维、重要性思维等，是比较抽象、模糊的思考问题的方式。
今天，来跟大家分享一下全新的数据分析视角。数据分析视角，是我们研究具体数据/字段/指标的切入点。比如同环比、目标比等，它是具体的、实用的方法或模型。
数据分析思维和数据分析视角，并不是完全独立的。比如对比，既有对比思维，也有对比视角。无论是思维还是视角，关键仍在于，我们知道怎么样去更好地解决问题。
数据分析视角
“横看成岭侧成峰，远近高低各不同”。从不同的视角看待问题，会得出不一样的结论。从不同的数据分析视角看待指标，你会洞察出不同的信息。数据分析，常用的四个视角：对比、分类、相关和描述。
1、对比
这个是数据分析最常用的视角。数据，只有通过对比，才能进行评价。假如，A公司的销售额是100万。如果你只有这一条信息，你根本无法进行任何判断，更别说做出任何有价值的总结。
于是，从对比的视角出发，我们就有了许多具体的做法：同环比、定基比、目标比、行业标准、绝对值/百分数：排名、占比。
如果我们要比较的是单指标，拿「销售额」这个指标做例子。我们要分析的问题是，这个月的指标，环比上个月下降了5%，请问这个下降正常吗？指标的下降，一般涉及到五个因素：周期性波动、业务内部因素、外部因素、数据传输问题、其他意外因素。在确认后四个因素正常的情况下，我们需要确认是否是周期性波动影响。
经过研究，发现同比去年10月，今年10月销售额上升30%；去年10月环比去年9月，销售额下降10%。再往前确认几年，发现不同年份10月环比9月，销售额都是下降的，平均下降幅度在7%。我们可以得出结论，今年10月份销售额下降5%，属于正常周期性波动，并且下降幅度在可接受的范围内，业务人员无须紧张。这是我们利用「同环比」的方法，解决一个分析问题的例子。
其他的对比方法，针对单指标，也是非常有效。大家平时需要多使用和总结。
2、分类
从分类的视角出发，不同数量的指标，分类的方法还是有区别。如果只有单指标，比如「年龄」。在研究的时候，可能1~100岁的人都有。但是，由于「年龄」字段的标签太多了，1岁、2岁…100岁，我们会有100个标签，不便于研究。于是，我们采用「分箱」的做法，将「年龄」分类为5组，“0-18岁”、“18-35岁”、“35~60岁”、“60-80岁”、“80-100岁”。再对分类后的人群进行比较分析，比如统计人数/占比。
如果有两个指标，需要进行分类，我们可以采用「矩阵」分类法。比如常见的「波士顿矩阵」、「安索夫矩阵」、「九宫格」等等，运用的都是矩阵法。具体做法是，将两个正向指标字段（意思是指标的值越大越好）在二维平面组成XY象限，可以对X轴、Y轴分别划分两个或以上的分类。
如果有三个指标，可以采用类似「RFM」模型的分类方法。具体做法就是将三个指标字段在三维空间组成XZ象限。
如果有≥3个指标，建议采用「聚类」模型进行分类。
3、相关
从相关性的视角出发，我们常用的分析方法是卡方分析（针对分类型变量）和相关性R值分析（连续型变量）。相关性分析，一般应用于≥2个指标的场景。
假设我们在某电商平台做文案测试，通过关键词频次+曝光量的相关性分析，发现关键词“Portable”在文案中（一定范围内）使用的次数越多，产品的曝光量越大。那么我们在产品文案当中，就可以尽量多使用这个关键词，以增加曝光量。
当然，相关并不意味着因果。
此外，关联分析和相关性分析也是有区别的。
4、描述
描述，其实就是描述性数据分析，针对的也是单指标。比如集中趋势：中位数、均值；离散程度：方差标准差、变异系数、离群点；极值：极大值、极小值；分布：正态分布、偏态分布等。
比如，针对不同2021年1~12月份的销售额，我们可以做一个X轴为月份的折线图。在这个图里面，我们可以看到：销售额走势、最大值对应的月份、最小值对应的月份、业绩转折点，还可以添加平均值线等。
如果加上不同业务员，我们还可以分析不同业务员每月业绩的平均值、变异系数、总业绩的分布情况等，以评估业务员的业绩能力、表现情况、工作状态等。
了解了这四种数据分析视角，你再去看看网上那些所谓的数据分析模型、分析方法，比如ABC分析、RFM分析、波士顿矩阵图、转化率分析、库存周转分析等，你应该会有惊喜和收获！
可以【数据分析·领地】中，搜索“数据分析思维”相关标签，获取数据入门相关资料
在后续也会在【数据分析·领地】中，组织读书会，分享会等专项活动，读书会主要学习技术类的书籍领读，分享会主要以数据分析思维分享，案例复盘分享等~