什么？！数据分析？什么鬼？我学他有用吗？我看一大串数据就晕菜，一见数据就害怕！！
如果你有以上类似的反应，那么恭喜你，本篇是为了慢慢让你不害怕数据分析，甚至，这个系列文章是为了让你获得一些常用有效的数据分析方法，让你不再怕他！
我为什么要学数据分析呢？
这是一项加分项，不管你身处哪个行业，在现在的大数据背景下，有数据分析能力的人，无疑是更加有竞争优势的，而对于我（一只产品汪而言），数据分析简直就是必备技能了。。。
这是《深入浅出数据分析》一书的读书反馈系列，内容分为：①数据分析基本思路、②实验法、③最优化、④数据图形化、⑤假设检验、⑥贝叶斯统计、⑦主观概率、⑧启发法、⑨直方图（未读完）、⑩回归（未读）、⑪误差（未读）、⑫关系数据库（未读）、⑬整理数据（未读）。（读者：你说的名词我一个都不懂啊！！！！）别慌，现在不懂没关系，以后，我将一一做解释，并尽可能通俗易懂简要地表达出来。
这是整本书开篇第一章，其实看这本书有一个很大的惊喜，因为在最前边，竟然提到了“元认知”（我甚至怀疑李笑来老师的“元认知”概念就是来自这里。本篇不提，有兴趣自己去看，嘿嘿嘿）！以及教我们要以怎样的思考方式去读，甚至，还贴心的指出：读书的正确方式：①慢慢读。（理解的内容越多，要记忆的内容越少，也就是慢就是快）②自己做练习，自己做笔记（其实就是要我们输出加深理解）.....⑥大量喝水，这点不得不服啊，作者真心贴心。.....（不一一列出）
进入主题！
数据分析基本流程思路：
确定→分解→评估→决策
一、确定（了解要分析的问题）
这一点应该不需要解释太多，因为你拿到一个需要分析的事情，第一步，肯定是要先确定要分析的是什么问题嘛。比如：老板甩给你一份App本月的留存数据（留存的意思是用户用了你的东西后，是否有继续留下来的一个数据，比如用户a今天用了你的产品，三天后a用户还在用你的产品，她就算是我们的一个留存），说要你分析下留存数据，那你一定要清楚：老板的问题是，不清楚这份留存数据代表的意义，并且他希望你能给他App的改进建议。
二、分解
确定问题后，由于很多时候问题是个“大问题”，大问题我们很可能都回答不出来，分解成小问题后，我们可以慢慢找到答案，我们一定要对问题以及数据进行分解。（1、问题分解 2、数据分解）接上边的例子：
问题分解：留存高了还是低了？哪里出了问题？是什么行为导致了问题的产生？
数据分解：通过留存图（通过留存表excel处理得出的图表），得出从留存图看出的问题，比如看出了1、三月份留存骤降 2、整体留存率开始在缓慢下降 3、从三月份开始，下降速度更快了。
在这要注意，进行数据分解时，要找出高效比较因子（顾名思义就是高效的比较因素，这是针对有多个数据因素的情况）
三、评估
分解完问题后，由于问题被我们分解为很多小问题，这时我们就需要对问题进行评估了，在评估时，记得要将自身代入。什么意思呢？就是你要把自己当做当事人，你要承担你的分析结果，并且这样会避免你做出过头的结论。接上边的例子：
通过比较后，我们评估出：三月份因为某种行为，导致ＡＰＰ留存开始下降，需要进一步追踪三月份我们所做的事情（可能是版本更新，或者是功能问题等等，需要进一步要资料数据确认排除）。
四、最后一步：决策
其实决策包含了总结和建议。
总结——你要让对方（也可能是自己），理清我们分析出什么问题，数据是怎样的。
建议——依据评估给出建议。
警惕数据变动导致数据分析出错
没有一劳永逸的事情，尤其是数据分析。由于开始确定问题阶段我们是一手头有的数据作为依据，若有新的依据，我们就要重头开始啦
总结
好了，看到这，相信读者们一定有个数据分析的基本思路的。
第一步：确定问题（以对方问题和你手头的数据作为依据）
第二步：分解（将问题进一步细化分解，包括问题分解和数据分解）
第三步：评估（对问题进行比较，做出评估）
第四步：决策（作总结，给建议）
多说几句
写这种干文真的需要技巧，若您觉得有什么更好的见解或者感悟，欢迎留言，明日一定要填坑的，看了那么多章节，没有做好笔记真是傻叉啊。。。。
