《深入淺出數據分析》通過模擬業務案例，結合統計知識，介紹了數據分析的分析過程，是一個很有幫助的數據分析入門指導書籍。

一.分解數據，挖掘信息

案例：結合Acome公司貌潔保濕霜的銷量數據，提升保濕霜銷量
知識點1：分析模型：確定——分解——評估——決策
分析過程如下：
1.確定問題
首先在明確本次數據分析的目標后，需要確定目標存在的問題。也可以說解決了這些問題，就能實現目標。如：
目標：提升保濕霜銷量
問題：目前保濕霜銷售存在什么問題？哪些地方可以提升銷量？
方法：通常通過與客戶的溝通，來明確這些問題。
2.分解
需要對目前掌握的數據和問題進行分解分析，將大問題化為小問題，從數據中尋找相關因子。
分解問題：將大問題分解為小問題

分解問題

發散思維

3.評估
評估方法——“比較”，比較因果之間，因子之間，時間維度的比較，通常能發現一些數據規律。
下表“匯總數據”分析可以得出的結論：
1）.12月/1月/2月，總銷量與目標銷量之間的差距較大
2）.12月/1月/2月，降價對于目前銷量的提升沒有太大的作用
3）.廣告費的降低，可能帶來了銷量的下降；社會網絡費增加并沒有帶來直觀的銷量增長。

匯總數據

下表持續對銷量明細數據分析發現：
1.泛美批發商的銷量可觀，但它與其他經銷商的性質不同，詳細分析發現它的市場客戶群體與目前廣告營銷的客戶群體不同，是男性客戶群體。

明細數據

泛美公司銷量明細數據

通過數據分析，提升銷量的方法可能有兩種：1.擴大對目前客戶群體的廣告投入 2.增大對男性客戶群體的影響，可以是廣告宣傳或其他途徑的宣傳等。
4.決策
結合實際的業務情況，進行清晰明了的決策。

二.檢驗你的理論

案例：解決星巴仕公司銷量下降的危機
知識點1：觀察法——比較觀察，排除混雜因素
知識點2：實驗法——控制組，對比驗證
1）.通過用觀察法，對比各區域及匯總數據，能發現：咖啡價值在非富人區明顯下降，而在富人區不變

用戶調研問卷數據

案例中的結論數據

三.尋找最大值

知識點：最優化問題，最大值
方法：
1找到決策變量（即你可以控制的因素）
2找到變量的約束條件（即決策變量受約束的條件）
3找到目標及目標函數
4羅列約束條件組合，求解目標函數（實際上運用Excel 的solver最優規劃來實現計算）

案例：浴盆寶12月的橡皮鴨和橡皮魚的生產計劃，使企業的利潤最大
求解過程如下：
已知約束條件：每只鴨利潤＄5，每只魚利潤＄4，下個月最多生產400只鴨或300條魚，橡皮的總供應量為50000g，每只鴨需要100g橡皮，每只魚需要125g橡皮
決策變量為：橡皮鴨的數量，橡皮魚的數量
目標：利潤最大
方法：利用solver工具，如圖所示（需要列出目標的計算公式，需求量大計算公式），得出結論
注意：上述的約束條件中未考慮橡皮鴨和橡皮魚的市場銷量情況，可以結合往年的歷史銷量數據預測橡皮鴨的銷量，如果增加這個條件，則在solver 的約束條件中增加一行條件，如橡皮鴨小于50等

規劃求解過程

四.數據圖形化

案例：新軍隊優化網站的需求：如何從紛繁雜亂的數據中讓信息脫穎而出
知識點1：散點圖——利用散點圖探索原因，分析因果關系
方法：
1.解決雜亂的數據的方法是：進行正確的比較。如本例中將影響目標的因素都進行清晰的對比
2.利用散點圖，表達1個因素與目標之間的關系
3.當影響目標的因素較多時，這個時候可以運用多元散點圖來表達。如下圖：橫軸表示因素影響，縱軸表示單一元素對頁面間的影響

多元散點圖

五.假設檢驗-證偽法

案例：預測podphone公司新手機的上市時間，為電膚公司的生產計劃做準備
知識點1：相關關系網絡圖：分析多個因子之間及因子與結果之間的關系圖
知識點2：假設檢驗法：核心是證偽（證明假設錯誤），若假設無法直接排除，則可借助診斷性找出否定最小的假設
方法：
1.可以利用外界的文字信息進行歸納整理，分析因子之間，因果之間的關系圖，如下圖。因果關系通常不是線性的，用這種網絡正負關系圖，能幫我們較快的梳理思路，

案例中的因子關系圖

2.一般預測某一個結論，會先預設幾個假設，結合目前掌握的證據，證明假設錯誤，就可以排除錯誤的假設。若假設無法排除，可基于證據的證明強弱對假設進行排序，選擇最可能的假設條件作為預測結論，如下圖所示。當然，若有新的證據進入，再次對假設條件作判斷。

假設否定證據排序

3.假設檢驗的思路：
A：整理證據，分析證據鏈關系
B：假設條件
C：根據證據證偽，排除假設
D：無法直接排除，根據證據對假設的否定順序排列，選擇最可能發生的假設；或者尋找新的證件，做出新的判斷。