Head First Data Analysis深入浅出数据分析

案例一,分解数据

1. 关键词:

固定基本流程,基准假设,心智模型,原始数据,深入挖掘

2. 浅谈认知,我眼中的分析

现在在我的脑海当中,分析是一门学科,也是寻求问题解决的一种方式。虽然很多东西拥有不确定的性,但是从大量的样本当中,能发现其中的规律。其次,也是从大量的数据当中,寻找出对自己有用的信息,或者对他们的有用信息,更好的去解决问题。像在《世界奇妙物语秋季特別篇01》中,模糊不定的说法,数据会给人一种很不爽的感觉。但是过分的去计较每一个数据,也不是很好。

所以统计最主要的还是分析数据,提取有用信息,帮助决策。

3. 分析的基本流程

确认 - 分析 - 评估 - 解决 - 确认 - 分析 - 评估 - 解决

一般在第一次就行基本流程思考的时候,我们会根据我们原本的心智模型,对问题就行一个相对浅显的分析,并且提出一个可行性的决策方案。但是随着更多的数据录入,很可能发现之前的决策存在问题。那么再此中间,需要做的是打破自己初始心智模型。在这里可以利用反查表,主动去寻找自己的盲区,针对单个的case。

在文中给出的案例当中,他的自我反查提问是

1. 在销售方面,你觉得自己哪方面最缺乏了解

2. 关于广告对提升销量的贡献,你有多少的信心

3. 除了少女消费者,是否还有其它的消费者

4. 有没有其它我不知道的难以排解的因素

在第一问的当中,其实算是一个比较开放式的问题,引出了后续的一个可变量,公司对于产品出库后的情况是不了解的。第二第三提问是针对之前的主要数据进行的一个提问。而第四问,属于一个更加开放的试题。

引导出提问的方式

对问题类型提问(引发思考)- 对核心问题/数据进行提问 - 开放性的运气因素寻找

给我的一种感觉,跟复盘很像,但是又有点不同。不过反查法要揭露的信息,偏向于未知的信息。在一定时候,反查出来的东西在自己漫无目的的时候,也能作为一种学习的方向的,来确立自己的目标,毕竟都属于扩展。

4. 深入挖掘

对于数据的深入分析,其实建议还是对原始数据进行分析较好。很多数据的加工,都会根据分析师的主观意念进行一定的删选,着重表现出其中ta看重的方向。

所以发现可疑数据的时候,尽量从原始的数据出发,去进行着重的可以点分析。(虽然原始的数据的量很大,但是可以数据确立之后,其工作量也会逐一的下降。)

5. 决策

核心问题知道了,就想办法解决核心的问题啊

6. 自己的问题

在书中,对于提问的问题也会写下来,发现在问题的寻找上和自己的内容扩展上,确实很局限,自己的想法还是太单一了,还是需要想办法自己发现问题,提升问问题的能力。有的时候,问道了核心,解决和提升的速度就会加快。

7. 感触的一句话

你无法无所不知,世界总是在不断变化,这就是严谨的指定问题并管理心智模型不确定因素之所成为工作重点的原因。

推荐阅读更多精彩内容