大數(shù)據(jù)分析教程——制作數(shù)據(jù)報(bào)告的流程上圖中可以很清楚的看到，一個(gè)數(shù)據(jù)報(bào)告（副本）依據(jù)需求不同，有普通難度（藍(lán)->橙->綠->紅），也有英雄難度（藍(lán)->橙->綠+黃->紅），這次我們先講普通難度的攻略，英雄難度放到下次講。普通難度的數(shù)據(jù)報(bào)告要經(jīng)歷7個(gè)步驟：Step1：目標(biāo)確定這一步在工作中通常是由你的客戶/上級(jí)/其他部門同事/合作方提出來的，但第一次的數(shù)據(jù)報(bào)告中，需要你自己來提出并確定目標(biāo)。選擇目標(biāo)時(shí)，請(qǐng)注意以下幾點(diǎn)：選擇一個(gè)你比較熟悉，或者比較感興趣的領(lǐng)域/行業(yè)；選擇一個(gè)范圍比較小的細(xì)分領(lǐng)域/細(xì)分行業(yè)作為切入點(diǎn)；確定這個(gè)領(lǐng)域/行業(yè)有公開發(fā)表的數(shù)據(jù)/可以獲取的UGC內(nèi)容（論壇帖子，用戶點(diǎn)評(píng)等）。逐一分析上面三個(gè)注意點(diǎn)：1、選擇熟悉/感興趣的領(lǐng)域/行業(yè)，是為了保證你在后續(xù)的分析過程中能夠真正觸及事情的本質(zhì)——這一過程通常稱為洞察——而不是就數(shù)字論數(shù)字；選擇細(xì)分領(lǐng)域/行業(yè)作為切入點(diǎn)，是為了保證你的報(bào)告能夠有一條清晰的主線，而非單純堆砌數(shù)據(jù)；確定公開數(shù)據(jù)/UGC內(nèi)容，是為了保證你有數(shù)據(jù)可以分析，可以做成報(bào)告，你說你是個(gè)軍迷，要分析一下美國在伊拉克的軍事行動(dòng)與基地組織恐怖活動(dòng)之間的關(guān)系……找到了數(shù)據(jù)麻煩告訴我一聲，我叫你一聲大神……不管用什么方法，你現(xiàn)在有了一個(gè)目標(biāo)，那么就向下個(gè)階段邁進(jìn)吧。Step2：數(shù)據(jù)獲取目標(biāo)定下來了，接下來要去找相應(yīng)的數(shù)據(jù)。如果你制定目標(biāo)時(shí)完全遵循了第一步的三個(gè)注意點(diǎn)，那么你現(xiàn)在會(huì)很明確要找哪些數(shù)據(jù)。如果現(xiàn)在你還不確定自己需要哪些數(shù)據(jù)，那么……回到第一步重來吧。下面我總結(jié)一下，在不依賴公司資源，不花錢買數(shù)據(jù)的情況下，獲取目標(biāo)數(shù)據(jù)的三類方法：從一些有公開數(shù)據(jù)的網(wǎng)站上復(fù)制/下載，比如統(tǒng)計(jì)局網(wǎng)站，各類行業(yè)網(wǎng)站等，通過搜索引擎可以很容易找到這些網(wǎng)站。舉例：要找汽車銷量數(shù)據(jù)，在百度輸入“汽車銷量數(shù)據(jù)查詢”關(guān)鍵字，結(jié)果如下：我打碼的那個(gè)鏈接，也就是第三個(gè)鏈接（第一個(gè)非推廣鏈接）就是要找的結(jié)果，點(diǎn)進(jìn)去可以看到各月的汽車銷量，但只是全國數(shù)據(jù)，沒有分省統(tǒng)計(jì)數(shù)據(jù)。當(dāng)然不會(huì)每次找數(shù)據(jù)都這么順利，這里只是告訴你：要善用搜索引擎。通過一些專門做數(shù)據(jù)整理打包的網(wǎng)站/api來下載，如果你要找金融類的數(shù)據(jù)，這種方法比較實(shí)用。其他類型的數(shù)據(jù)也有人做，但通常要收費(fèi)。自行收集所需數(shù)據(jù)，比如用爬蟲工具爬取點(diǎn)評(píng)網(wǎng)站的商家評(píng)分、評(píng)價(jià)內(nèi)容等，或是直接自己人肉收集（手工復(fù)制下來），亦或是找一個(gè)免費(fèi)問卷網(wǎng)站做一份問卷然后散發(fā)給你身邊的人，都是可以的。這種方式受限制較少，但工作量/實(shí)現(xiàn)難度相對(duì)較大。如果你是在職人員或是實(shí)習(xí)生，我建議你不要用任何現(xiàn)在公司的數(shù)據(jù)。保證數(shù)據(jù)的安全性，不對(duì)外泄露公司的任何非公開數(shù)據(jù)，是數(shù)據(jù)分析師的基本職業(yè)道德。實(shí)在非要用（例如你要在面試中展示你在以前公司做過的數(shù)據(jù)報(bào)告），請(qǐng)將一切有意義的內(nèi)容，包括但不限于各種數(shù)字、競(jìng)品及本品名稱、時(shí)間、用戶屬性全部打碼并轉(zhuǎn)成pdf格式，只留圖形和敘事邏輯描述內(nèi)容。Step3：數(shù)據(jù)清洗在工作中，90%以上的情況，你拿到的數(shù)據(jù)都需要先做清洗工作，排除異常值、空白值、無效值、重復(fù)值等等。這項(xiàng)工作經(jīng)常會(huì)占到整個(gè)數(shù)據(jù)分析過程將近一半的時(shí)間。如果在上一步中，你的數(shù)據(jù)是通過手工復(fù)制/下載獲取的，那么通常會(huì)比較干凈，不需要做太多清洗工作。但如果數(shù)據(jù)是通過爬蟲等方式得來，那么你需要進(jìn)行清洗，提取核心內(nèi)容，去掉網(wǎng)頁代碼、標(biāo)點(diǎn)符號(hào)等無用內(nèi)容。無論你采用哪一種方式獲取數(shù)據(jù)，請(qǐng)記住，數(shù)據(jù)清洗永遠(yuǎn)是你必須要做的一項(xiàng)工作。Step4：數(shù)據(jù)整理清洗過后，需要進(jìn)行數(shù)據(jù)整理，即將數(shù)據(jù)整理為能夠進(jìn)行下一步分析的格式，對(duì)于初學(xué)者，用Excel來完成這一工作就OK。如果你的數(shù)據(jù)已經(jīng)是表格形式，那么計(jì)算一些二級(jí)指標(biāo)就好，比如用今年銷量和去年銷量算出同比增長率。鑒于你是第一次做數(shù)據(jù)報(bào)告，建議你不要計(jì)算太多復(fù)雜的二級(jí)指標(biāo)，基本的同比、環(huán)比、占比分布這些就OK。如果你收集的是一些非數(shù)字的數(shù)據(jù)，比如對(duì)商家的點(diǎn)評(píng)，那么你進(jìn)行下一步統(tǒng)計(jì)之前，需要通過“關(guān)鍵詞-標(biāo)簽”方式，將句子轉(zhuǎn)化為標(biāo)簽，再對(duì)標(biāo)簽進(jìn)行統(tǒng)計(jì)。Step5：描述分析描述分析是最基本的分析統(tǒng)計(jì)方法，在實(shí)際工作中也是應(yīng)用最廣的分析方法。描述統(tǒng)計(jì)分為兩大部分：數(shù)據(jù)描述和指標(biāo)統(tǒng)計(jì)。數(shù)據(jù)描述：用來對(duì)數(shù)據(jù)進(jìn)行基本情況的刻畫，包括：數(shù)據(jù)總數(shù)、時(shí)間跨度、時(shí)間粒度、空間范圍、空間粒度、數(shù)據(jù)來源等。如果是建模，那么還要看數(shù)據(jù)的極值、分布、離散度等內(nèi)容。這次我們是零基礎(chǔ)做數(shù)據(jù)報(bào)告，那么就不用考慮后一類數(shù)據(jù)了。指標(biāo)統(tǒng)計(jì)：用來作報(bào)告，分析實(shí)際情況的數(shù)據(jù)指標(biāo)，可粗略分為四大類：變化、分布、對(duì)比、預(yù)測(cè)；變化：指標(biāo)隨時(shí)間的變動(dòng)，表現(xiàn)為增幅（同比、環(huán)比等）；分布：指標(biāo)在不同層次上的表現(xiàn)，包括地域分布（省、市、區(qū)縣、店/網(wǎng)點(diǎn)）、用戶群分布（年齡、性別、職業(yè)等）、產(chǎn)品分布（如動(dòng)感地帶和全球通）等；對(duì)比：包括內(nèi)部對(duì)比和外部對(duì)比，內(nèi)部對(duì)比包括團(tuán)隊(duì)對(duì)比（團(tuán)隊(duì)A與B的單產(chǎn)對(duì)比、銷量對(duì)比等）、產(chǎn)品線對(duì)比（動(dòng)感地帶和全球通的ARPU、用戶數(shù)、收入對(duì)比）；外部對(duì)比主要是與市場(chǎng)環(huán)境和競(jìng)爭(zhēng)者對(duì)比；這一部分和分布有重疊的地方，但分布更多用于找出好或壞的地方，而對(duì)比更偏重于找到好或壞的原因；預(yù)測(cè)：根據(jù)現(xiàn)有情況，估計(jì)下個(gè)分析時(shí)段的指標(biāo)值。描述分析的產(chǎn)出是圖表，下一個(gè)步驟的內(nèi)容將基于這些圖表產(chǎn)出。Step6：洞察結(jié)論這一步是數(shù)據(jù)報(bào)告的核心，也是最能看出數(shù)據(jù)分析師水平的部分。一個(gè)年輕的分析師和一個(gè)年邁的分析師拿到同樣的圖表，完全有可能解讀出不同的內(nèi)容。舉個(gè)例子：年輕的分析師：2013年1月銷售額同比上升60%，迎來開門紅。2月銷售額有所下降，3月大幅回升，4月持續(xù)增長。年邁的分析師：2013年1月、2月銷售額去除春節(jié)因素后，1月實(shí)際同比上升20%，2月實(shí)際同比上升14%，3月、4月銷售額持續(xù)增長?？吹絻烧叩膮^(qū)別了嗎？2013年春節(jié)在2月，2012年則在1月，因此需要各去除一周的銷售額，再進(jìn)行比較。如果不考慮這一因素，那么后續(xù)得出的所有結(jié)論都是錯(cuò)的。挖掘數(shù)字變化背后的真正影響因素，才是洞察的目標(biāo)。再舉個(gè)例子：這張圖是一個(gè)用戶行為聚類的結(jié)果，人群被聚成四類。前三類人群可以很清楚的得出結(jié)論：他們是某一種游戲主機(jī)的用戶。那么第四類人群，是什么人群呢？年輕的分析師：第四類人群是游戲主機(jī)的狂熱愛好者，他們交易頻率遠(yuǎn)高于一般用戶。年邁的分析師：第四類人群是二手販子，否則誰沒事一年內(nèi)會(huì)搞將近7臺(tái)索尼主機(jī)放家里。很明顯，年邁的分析師由于具備豐富的行業(yè)經(jīng)驗(yàn)，能迅速看穿數(shù)據(jù)背后的真實(shí)情況，得出正確的洞察結(jié)論，這也是為什么我在step1里一再強(qiáng)調(diào)要找你熟悉或感興趣的領(lǐng)域/行業(yè)，缺乏業(yè)務(wù)經(jīng)驗(yàn)，很可能你的洞察結(jié)果是完全錯(cuò)誤的。以上這兩個(gè)洞察的例子本身比較簡單，但通常來說，即使是復(fù)雜的數(shù)據(jù)報(bào)告，也是由一個(gè)個(gè)相對(duì)簡單的洞察結(jié)論組成的，這其中涉及到問題的分拆，邏輯線的建立等一系列內(nèi)容。作為初學(xué)者，做到自己力所能及的程度就好。總結(jié)一下，所謂洞察，就是要越過數(shù)據(jù)，去推測(cè)和理解真實(shí)情況。單純描述數(shù)據(jù)，誰都會(huì)做，根據(jù)數(shù)據(jù)得出有價(jià)值的結(jié)論，報(bào)告才有意義。Step7：報(bào)告撰寫都到這一步了，相信各位對(duì)數(shù)據(jù)報(bào)告也不再陌生了。這一步中，需要保證的是數(shù)據(jù)報(bào)告內(nèi)容的完整性。一個(gè)完整的數(shù)據(jù)報(bào)告，應(yīng)至少包含以下六塊內(nèi)容：1、報(bào)告背景2、報(bào)告目的數(shù)據(jù)來源、數(shù)量等基本情況分頁圖表內(nèi)容及本頁結(jié)論各部分小結(jié)及最終總結(jié)下一步策略或?qū)厔?shì)的預(yù)測(cè)其中，背景和目的決定了你的報(bào)告邏輯（解決什么問題）；數(shù)據(jù)基本情況告訴對(duì)方你用了什么樣的數(shù)據(jù)，可信度如何；分頁內(nèi)容需要按照一定的邏輯來構(gòu)建，目標(biāo)仍然是解決報(bào)告目的中的問題；小結(jié)及總結(jié)必不可少；下一步策略或?qū)厔?shì)的預(yù)測(cè)能為你的報(bào)告加分。還覺得復(fù)雜么？我再換一種說法：各位