如今，數據分析在各行各業中都扮演著非常重要的角色。工作的需要使得很多小白開始自學數據分析了！其實數據分析不像很多人想的那樣高深莫測，留心工作，處處有數據，處處有分析！
如果你是想要入門數據分析的小白，很推薦豆瓣高分入門書籍《深入淺出數據分析》。這本書用職場中常見的場景，來表達什么是數據分析，如何做分析，以及好用的分析工具。這本書對小白非常友好，簡單易懂，大多是用插畫、圖表等形式表達要點。
二刷這本書，深受啟發，梳理了這本書的精要內容，在這里分享給大家，希望大家能快速入門！
第1章：數據分析引言-分解數據
1. 數據分析流程
1）確定：通過與客戶溝通，確定問題
2）分解：將問題劃分為可管理、可解決的組塊
3）評估：評估分解組塊的關鍵就是比較
4）決策：將分析形成報表，供制定決策
2. 反思心智模型，開始新一輪分析
分析過程中的錯誤或不完整信息，會導致決策失誤。而這些信息是源于個人對外界的假設和確信的觀點，也就是心智模型。因此，需要盡量明確你的心智模型，仔細斟酌各類影響因素。更重要的是，要基于數據得出觀點，而不是個人猜想。在進一步明確數據和信息后，可以按照上述的數據分析流程開始新一輪的分析啦！
第2章：實驗-檢驗你的理論
1. 咖啡銷量下滑原因分析
1）提出問題：在過去半年里，星巴仕銷量持續下降，原因是什么？???
2）數據來源：市場客戶調查，邀請客戶對影響銷量的五個因素（選址、咖啡溫度、員工熱情、咖啡價值、偏愛去處）進行打分。
3）數據分析：利用比較法得出，咖啡價值得分一落千丈！
4）得出結論：咖啡價值的下降導致銷量下降。
問題來了！Soho區是一個富人區，區經理認為這里沒有人認為星巴仕缺乏價值。哪里出現了問題？是觀察分析法中的混雜因素!
混雜因素就是研究對象的個人差異，它們不是你試圖進行比較的因素，但會導致分析結果的敏感性變差。本例中的混雜因素是店址。也就說，不同店址客戶對五因素的評分傾向是不同的，比如Soho富人區的咖啡價值得分明顯高于其他區域。因此，要分區域來重新審視數據，發現東岸區的價值感得分最低，Soho區則一切正常，其他區域在一定范圍內波動。現在最重要的問題是，采取哪種策略能夠有效提高銷量？記得采用控制變量法，排除混雜因素！
2. 咖啡銷量下滑策略分析
1）目的：驗證哪種策略最有效，策略一為降價，策略二為游說顧客“星巴仕很有價值”；
2）分組：將大的地理區域分成小的地理區域，隨機將這些微區域分成控制組和實驗組；
3）實驗：控制組維持現狀一個月，實驗組1降價一個月，實驗組2游說顧客一個月；
4）結果：控制組與實驗組1的營業收入持平，實驗組2的收入立即上升。
第3章：最優化-尋找最大值
1. 利潤最大化問題
我們的橡膠夠生產500只橡皮鴨或400條橡皮魚，我們的時間夠用來生產400只橡皮鴨或300條橡皮魚。如果想讓產品在下個月上架銷售，我們的產量都不會高于400只橡皮鴨和300條橡皮魚。每只橡皮鴨的利潤是5美元，每條橡皮魚的利潤是4美元，求如何安排橡皮鴨和橡皮魚的產量才能使得利潤最高？
解：設橡皮鴨數量為X只，橡皮魚數量為Y條
目標函數：
約束條件：
求解工具：Excel的求解器（solver）
2. 按照分析目標校正假設
上述的利潤最大化問題分析看似完整，但實際利潤卻跌穿地板！由于其約束條件對實際情況進行了簡化，當缺失某一個重要的假設條件，分析結果就可能毀掉。而上述問題恰好忽略了人們的需求偏好，導致分析結果不盡人意。
現在，觀察近年來橡皮鴨和橡皮魚的銷量情況，發現橡皮魚的銷量一般不超過50條。在完善約束條件后，重新求得最優解。
第4章：數據圖形化-圖形讓你更精明
1) 畫圖前提：準備數據，若數據過于龐雜，只須記住目標，目光停留在和目標有關的數據上，無視其他。
2) 畫圖目的：數據圖形化的根本在于正確比較，其意義在于圖片中隱含的數據，而不是炫目的設計。
3) 畫圖進階：圖形多元化，優秀的圖形都是多元圖形，即對3個以上的變量進行比較。
4) 畫圖工具：R
第5章：假設檢驗-假設并非如此
1. 問題
電膚公司是一家手機“皮膚”制造商。手機巨頭Podphone公司即將發布一款手機，時間待定。電膚公司必須在手機發布前的一個月開始生產手機皮膚，才能趕上手機銷售的第一波。當前的任務是電膚公司何時生產新手機皮膚？
2. 搜集證據
通過搜集產品發布信息，梳理這些信息中體現的變量關系，分為正相關和負相關關系。
3. 提出假設
4. 假設檢驗
1）假設檢驗的核心是證偽，即剔除無法證實的假設，排除錯誤假設。
根據資料可排除1和假設5
2）對于假設2-4，借助診斷法找出否定性最小的假設，判定哪個假設最強。
得出假設3為最強假設
3）新證據來了：Podphone公司召開了新手機打樣慶祝會，新證據使得假設2變為最強假設！
4）根據最新分析結果采取行動吧！
第6章：貝葉斯統計-穿越第一關
1. 條件概率與貝葉斯規則—蜥蜴流感病毒案例
研究表明總人口中有1%的人患有蜥蜴流感。已知若某人已患蜥蜴流感，試驗結果為陽性的概率為90%，若某人未患蜥蜴流感，試驗結果為陽性的概率為9%。假定以1000人為基礎進行計算：
2. 回憶貝葉斯公式：
這個公式看似復雜，但在實際應用中，n一般為2，也就是說把B劃分為正反兩面，情況就簡化很多了。另一方面，要熟記一個公式：,這個條件概率公式簡單好記，應用廣泛，且有助于理解貝葉斯公式！
第7章：主觀概率-信念數字化
1. 問題
投資公司的分析師們對投資計劃的分歧很大，分歧主要體現在六個方面：（1）俄羅斯下一季是否會補貼石油業？2）俄羅斯是否會收購歐航航空公司？3）越南今年是否會減稅？4）越南今年是否會鼓勵外國投資？5）印尼旅游業今年是否會翻身？6）印尼政府是否會投資生態旅游？
分析師們對這六個方面的判斷不同，眾說紛紜，爭論越發激烈。他們對這六個假設的用詞有：可能，極不可能，可能性更大，有可能，可能不，不可能。。。如何讓概率用詞更精確？分析師們的觀點是否真的差異巨大？
2. 用主觀概率體現信念
主觀概率是指個人對某事的確認程度，一般用于預測孤立事件但缺乏可靠數據的情況下。現在，需要將各種說法轉換為數據！
接著，可以用圖形（如散點圖）直觀表現每一種說法的概率傾向。同時，可以用“標準偏差”分析數據點與平均值的差距。主觀概率偏離平均值的標準偏差越大，分析師們在假設成立的可能性方面的分歧越大。
3. 新的消息改變初始概率
最新消息：俄羅斯宣布售出所有油田，稱對商業失去了信心。這條新聞可能會導致投資價值大幅縮水，降低假設一的主觀概率，另一方面，這個新聞可能只是俄羅斯的一種策略，實際上他們并不打算出售油田。接下來，要確定在得到這條消息的前提下，分析師們對假設一的概率會有什么變化？
貝葉斯規則是修正主觀概率的好辦法：H代表俄羅斯會（不會）補貼石油業，E代表新的證據。則：
拿到新的數據后，重新分析~
第8章：啟發法-憑人類的天性做分析
1. 問題
邋遢集是由數據邦市市政府資助的一個非盈利團體，他們進行公開宣傳，勸說人們不要亂扔垃圾。他們把最近的工作結果匯報給了市政府，但市政府需要知道垃圾量減少了多少，否則就會削減資金！
2．難題
難題是垃圾量的減少無法定量計算出來，沒有一個統一的散亂垃圾計量模型。垃圾的定量計算看似走不通。
3. 方法
人們以極快速度作出的決定或不憑借任何數據作出的決定，往往靠的是直覺，直覺一般看到的只有一個選項。通過發散式思維的思考，即啟發法，可以得出多個選項。現在用啟發法確定用哪些變量分析能夠更全面地描述邋遢集的績效。
站在市議員的角度考慮他們會如何評估邋遢集的工作，用啟發法構思如下：
在利用啟發法確定重要因素后，搜集數據，包括環衛工人問卷、公眾問卷等。給市議員一個定量的報告和回復。
第9-11章：加薪要求分析
第9章到11章都是圍繞加薪問題展開地。第9章基于源數據來分析主動提出加薪要求是否有利于提高加薪幅度；第10章利用散點圖和回歸方程分析了提出多高的加薪幅度比較合適；第11章則對回歸分析的誤差和改善提出了建議。三章之間的關系如思維圖所示，思維圖下面則是對每一章重點的提煉。
第九章：直方圖-數字的形狀
1. 問題描述
年底了，星巴仕的員工希望加薪，但他們不確定是否應該主動提出加薪要求，想要通過研究進行加薪結果預測。現在手頭有歷年加薪記錄的數據，包括員工的編號、得到的加薪幅度、性別、年份、是否提出過加薪等字段。
2. 數據處理
1）提取并匯總數據。即從總數據中提取信息，將數據分解成易于管理的較小數據塊。在該例中，得出加薪幅度、性別、年份等有用字段。
2）數據圖形化。直方圖是一種功能強大的圖形，它可以顯示出數據點在數值范圍內的分布情況。在該例中，直方圖顯示出了獲得每種加薪幅度的有多少人。
3）直方圖描繪工具。用R繪制加薪幅度的頻數分布直方圖，分析了不同年份的加薪幅度、不同性別的加薪幅度、是否主動提出過加薪要求下的加薪幅度等情況。
4）得出結論。對加薪數據的不同子集進行直方圖分析后，看得出獲得大幅度加薪全靠提要求。
第十章：回歸-預測
1. 問題
在確定了要提出加薪之后，下一個關鍵問題是該提出多少的加薪幅度呢？員工需要一個“加薪計算器”來預測加薪幅度。
2. 基于散點圖的回歸分析
每一個員工的要求加薪幅度和實際加薪幅度是一個數據點，這些數據點可以畫出散點圖。在散點圖中用回歸線（最準確地貫穿數據點的一條線）來表現要求加薪與實際加薪之間的關系，并得出回歸方程：，其中，X代表要求加薪幅度，Y代表實際加薪幅度。
3. 基于回歸方程的預測
上述的回歸方程可以預測人們的實際加薪幅度，“加薪計算器”設計完成！
第十一章：誤差-合理誤差
1. 問題
員工根據回歸方程的預測向老板提出加薪要求，但員工們收到的反饋卻差異很大。A員工要求5%，結果加了10%；B員工要求8%，結果加了7%；C員工要求25%，結果加了0%。這是哪里出現了問題？回歸方程是否靠譜？
2. 原因分析
不管多優秀的預測模型，都會存在偏差，我們把這種實際結果與預測結果之間的偏差叫做機會誤差，又稱為殘差。而對殘差的分析是優秀的統計模型的核心。首先我們分析殘差存在的原因：
1）源數據不全面：我們是從源數據得出回歸方程，源數據的“要求加薪幅度”字段并沒有超過22%的例子。因此，該回歸方程也不適用于要求加薪幅度超過22%的員工。問題描述里的C員工要求加薪幅度為25%，顯然超出了模型的預測范圍。
2）回歸線的貼合程度差異：在加薪幅度低于10%的時候，該回歸線與數據的貼合程度很高。而加薪幅度在10%到22%的區間，該回歸線便與數據點有較大的偏移。因此，對于要求加薪幅度在10%以上的員工，該回歸方程的預測準確度會降低。
3. 優化方法
1）定量地指出誤差：我們需要一個統計值來體現數據點與回歸線的平均偏移量。均方根誤差描述的了回歸線周圍的分布情況，有了均方根誤差，就能告訴客戶實際結果與預測結果之間可能有多大差距。通過R計算均方根誤差為2.5%，這時可以在回歸方程下方備注：該公式只在加薪要求介于0%到22%之間時有效。大部分加薪結果都會落在高于或低于預測結果2.5%的范圍內。
2）分割方程來管理誤差：由于要求加薪在0%-10%之間的數據與回歸線的重合程度較高，而10%以上的數據與回歸線的貼合程度很低。可以以10%為分界線，建立兩個回歸方程，即：當要求加薪幅度低于10%，使用公式1；當要求加薪幅度高于10%，使用公式2
,同時注明兩個方程的誤差范圍。
第12章：關系數據庫-你能關聯么？
1.? 問題描述
《數據邦新聞》雜志社想找出在每一期刊物上刊登文章的最優數量。
2.? 問題分析
1）源數據獲取：現有四張獨立的電子表格，分別是銷量（期號和銷量）、期數（期號和出版日期）、文章（文章編號、期號、）、作者。他們之間是相互關聯的。
2）關聯比較對象：我們的目的是對比不同文章數量對銷量的影響，因此，再數據庫管理軟件中，通過“期刊”表將“銷量”表與“文章”表關聯起來。
3）分析比較對象：利用散點圖描述文章數和銷量之間的關系。
第13章：整理數據-井然有序
這本書是數據分析的入門書籍，沒有難懂的技術與理論，而是分析生活中的實際問題，輕松易懂！但若要深入學習數據分析，這恐怕是遠遠不夠的，需要我們在實踐中進步了，加油吧！
