Cómo desarrollar capacidades de análisis de datos
¿Qué pensamiento/capacidad/conocimiento se requiere para el análisis de datos?
Por ejemplo, el pensamiento de análisis de datos, el pensamiento estructurado, el pensamiento formulado y el pensamiento de sistema de aprendizaje de métodos... Estos pensamientos pueden ayudarle a aprender de ciertos problemas, incluso si encuentra problemas con los que no está familiarizado. Analizar desde una perspectiva diferente y mantener una lógica clara;
Tener cierta capacidad de comprensión empresarial y ser capaz de comprender las ideas de negocio que hay detrás del negocio. Sólo comprendiendo el problema se puede convertir en un problema de análisis de datos, y sólo entonces podremos saber cómo establecer objetivos de análisis y realizar análisis;
Conocimientos teóricos básicos: estadística matemática, principios de modelos, investigaciones de mercado recientes , etc.;
Uso de herramientas de análisis convencionales: software ofimático común (Excel, PPT, mapa mental), bases de datos, herramientas de análisis estadístico, minería de datos, etc.;
Capacidad para informar y visualizar datos. No importa qué tan bueno sea el análisis de datos, si no se pueden "expresar" de manera concisa y fácil de entender, la efectividad se reducirá considerablemente.
Espera, etc., conocimientos básicos y reservas de habilidades como esta...
Entonces, ¿qué debes hacer para mejorar estas habilidades? Hablemos en detalle sobre cómo desarrollar estas fortalezas básicas.
Comience con la teoría del análisis y la práctica de herramientas
1. Teoría del análisis
La teoría del análisis incluye: aclarar escenarios comerciales, determinar los objetivos del análisis, construir un sistema de análisis y clasificar. el índice básico.
Lo que tenemos que hacer es primero aclarar qué tipo de escenario empresarial es. Diferentes empresas tienen diferentes sistemas de análisis, luego combinar los problemas empresariales para determinar los objetivos del análisis, enumerar los indicadores centrales y; luego recopile Organice los datos requeridos.
Libros recomendados: "Gestión de datos", "La batalla decisiva del Big Data"
Varios pasos del análisis de datos:
(1) Adquisición de datos
La adquisición de datos a menudo parece simple, pero requiere que los analistas tengan una comprensión comercial del problema, es decir, convertirlo en problemas de datos para resolver, como qué datos se necesitan, desde qué ángulos analizar, etc. Después de definir estos problemas, realice nuevamente la recopilación de datos.
Este enlace requiere que los analistas de datos tengan un pensamiento lógico estructurado.
Libros recomendados: "El principio de la pirámide", Trilogía de McKinsey: McKinsey Consciousness, Tools, Methods
Herramientas recomendadas: Herramientas de mapas mentales (Xmind, Baidu Mind Map, etc.)
(2) Procesamiento de datos
El procesamiento de datos requiere dominar herramientas eficientes:
Excel y habilidades de alto nivel:
Operaciones básicas, fórmulas de funciones , Tabla dinámica, desarrollo de programas VBA.
Por lo general, primero reviso lo básico para saber qué es qué y luego encuentro algunos casos para practicar. Visite el foro de excelhome con más frecuencia, piense más en cómo usar Excel para resolver problemas, haga un buen uso de los complementos y recuerde guardar.
Herramientas de informes profesionales:
(utilizadas por empresas a gran escala) Puede diseñar una plantilla general para informes diarios. Siempre que pueda escribir SQL, puede comenzar.
En comparación con la creación de informes en Excel, los requisitos técnicos para el desarrollo de esta herramienta son menores y puede desarrollar rápidamente informes regulares e informes dinámicos.
Uso de la base de datos:
Dominar el lenguaje SQL (¡¡¡muy importante!!!), los más comunes incluyen Oracle, servidor SQL, My SQL, etc.
Aprender bases de datos distribuidas populares como hadoop para mejorar las habilidades personales será útil para buscar empleo, etc.
(3) Análisis de datos
El análisis de datos a menudo requiere varios modelos de análisis estadístico, como reglas de asociación, agrupamiento, clasificación, modelos de predicción, etc.
Por lo tanto, es inevitable dominar algunas herramientas de análisis estadístico:
serie lPSS: software de análisis estadístico veterano, SPSS Statistics (funciones estadísticas parciales, investigación de mercado), SPSS Modeler ( Minería de datos parcial), no requiere programación, fácil de aprender.
SAS: Software de minería clásico, requiere programación.
R: El software de código abierto, recientemente popular y más eficiente en el procesamiento de datos no estructurados, requiere programación.
Varias herramientas de BI: Tableau, PowerBI, FineBI, pueden realizar análisis visuales gratuitos de datos procesados y los efectos de los gráficos son sorprendentes.
Libros recomendados:
La serie "Los novatos no conocen el análisis de datos", libros de nivel básico, más adecuados para principiantes.
"Minería de datos y operaciones basadas en datos, combate práctico, ideas, métodos, técnicas y aplicaciones", el contenido es muy sistemático y completo.
"Métodos de análisis cuantitativo y aplicaciones en investigación de mercado", editado por Jian Ming et al., Renmin University of China Press.
(4) Presentación de visualización de datos
Muchas herramientas de análisis de datos ya han cubierto la parte de visualización de datos. En este momento, solo necesita presentar e informar de manera efectiva los resultados de los datos. utilizar Se muestra en word\PPT\H5 y otras formas.
2. Práctica de herramientas
(1) Para los principiantes, se recomienda comenzar con la herramienta Excel. Aquí se muestra Excel como ejemplo:
Aprender Excel. es un proceso paso a paso Proceso:
Básico: procesamiento simple de datos de tablas, impresión, consulta, filtrado, clasificación
Funciones y fórmulas: funciones de uso común, cálculos de datos avanzados, fórmulas matrices, referencias multidimensionales, funciones
Gráficos visuales: visualización gráfica, gráficos avanzados, complementos de gráficos
Tablas dinámicas, desarrollo de programas VBA...
Leer más Visite el foro excelhome, piense más sobre cómo usar Excel para resolver problemas y aprenda a usar varios complementos, que lo ayudarán a dominar el uso de Excel.
Entre ellos, las funciones y las tablas dinámicas son los dos puntos clave.
Funciones
Funciones de Excel que se deben dominar al realizar plantillas de datos:
Funciones de fecha: día, mes, año, fecha, hoy, día de la semana, número de semana. La función de fecha es esencial para crear plantillas de análisis; puede utilizar funciones de fecha para controlar la visualización de datos y consultar datos durante un período de tiempo específico.
Funciones matemáticas: producto, rand, randentre, redondo, suma, sumif, sumifs, sumaproducto
Funciones estadísticas: grande, pequeño, máximo, mínimo, mediana, moda, rango, recuento Las funciones estadísticas , countif, countifs, Average, Averageif, Averageifs desempeñan un papel importante en el análisis de datos y se pueden utilizar para encontrar el promedio, el máximo, la mediana y la moda.
Funciones de búsqueda y referencia: elegir, coincidir, indexar, indirecto, columna, fila, vlookup, hlookup, lookup, offset, getpivotdata No hace falta decir que no conozco las funciones de estas funciones, especialmente vlookup. Esto es básicamente complejo y los informes son difíciles de implementar.
Funciones de texto: buscar, texto, valor, concatenar, izquierda, derecha, mitad, len. Estas funciones se utilizan principalmente en la etapa de clasificación de datos.
Funciones lógicas: and, or, false, true, if, iferror
(¡Si aprendes lo anterior, básicamente puedes matar al 90% de los trabajadores administrativos de oficina!)
Tablas dinámicas de datos
La función de una tabla dinámica es generar informes interactivos a partir de una gran cantidad de datos. Tiene algunas funciones importantes: resumen resumen, valores promedio, máximos y mínimos. clasificación automática, filtrado automático y agrupación automática. Puede analizar proporciones, año tras año, mes a mes, ratio fijo, fórmulas personalizadas, etc.
En realidad, recuperación de datos o informe +; EXCEL + PPT parece ser la forma principal.
En términos de herramientas, tanto el personal empresarial como los analistas pueden utilizar herramientas de recuperación automática de datos o herramientas de BI para crear informes y reducir el tiempo de operaciones repetidas.
En segundo lugar, aumente la comunicación con el personal empresarial y comprenda plenamente las necesidades empresariales. Cuando su nivel empresarial sea similar o incluso superior al de ellos, naturalmente sabrá cuáles son las necesidades reales detrás de sus palabras.
Finalmente, desde una perspectiva superior, la granularidad básica del informe es el indicador, que puede clasificar el sistema de indicadores básico de la empresa, hacer el informe desde la perspectiva del análisis empresarial y estandarizar el trabajo del informe. Y reduce la complejidad del informe. Redundante, evite realizar un informe cada vez. La estandarización incluye clasificación de indicadores, denominación de indicadores, calibre comercial, calibre técnico, métodos de implementación, etc. De hecho, el objetivo final es lograr coherencia en los datos de los informes, reducir el desarrollo de informes duplicados y reducir la sobrecarga del sistema como medida estratégica.
En su tiempo libre, puede complementar sus conocimientos de estadística matemática, aprender los lenguajes R y Python, aprender modelos de minería de uso común y convertirse en un analista senior.
¡Vamos juntos!
Lo anterior es lo que quiero compartir hoy. La capacidad de análisis de datos suena muy grande y abstracta. Aunque es poder blando, es un requisito difícil en la industria. Los cambios cuantitativos conducen a cambios cualitativos. Sólo dando un paso a la vez podemos comprender la analogía y comenzar el proyecto cada vez mejor.