“
0. 序言
”
寫在前頭，資料分析的魅力在于發現一些有趣的結論。這是一個故事：經過深入地分析了銷售資料，做了很多種不同的大膽假設，并小心檢驗了假設的合理性。
發現有一群男性使用者，他們用女性的保濕霜，來做剃須後的保養。這群人對産品的需求很特别，但是，他們并不宣揚自己的這種需求，導緻我們平時很難發現他們。
資料分析的故事從這裡開始.......
假設你的客戶（可能是你的上司，也可能就是你自己），給你發來一份銷售資料，他希望你分析分析，看看如何提高銷量。
你不妨先自己思考一下，當你接到這個分析任務的時候，你會怎麼做？然後再看看下面我是怎麼做的，這也是一種對比思維，促進自己多思考和總結，歡迎在文章下面留言分享你的想法。
“
1. 明确目标
”
上國中的時候，我們學過函數的概念，通常用 y = f(x) 來表示函數，它包含 3 個要素：自變量 x、因變量 y 和對應法則 f。我們可以把函數中的 y 了解為目标，把 x 了解為資料，把 f 了解為實作目标的方法，要找到合适的方法不容易，這需要對業務有深刻的了解。
資料分析的第一步，是明确業務的目标，關鍵在于搞清楚客戶關心的是什麼。如果未明确目标就進行資料分析，那麼就如同旅行沒有目的地，不知道終點在哪裡。
比如說，客戶的目标是提高銷量，但這還不夠明确，為了搞清楚客戶的真正意圖，你得了解更多的資訊，多問幾個「是多少」，使目标得到量化。例如：您希望銷量提高多少？
“
2. 應用思維
”
現實世界複雜多變，我們通常應用思維來了解業務的實際情況。
你的分析觀點往往來自于你的分析思維，是以正确地運用好分析思維是非常重要的。
參考《資料分析的 8 種思維》，首先，我們可以運用對比思維，對資料進行有效的對比，這是資料分析工作的核心方法之一。
其次，我們運用細分思維，對資料進行細分，關鍵是要找出高效的對比因子，先分次元，再分粒度。通過多個次元的細分，将對比的差異按粒度逐級鎖定，對問題進行定位，尋找問題的根源。
然而，問題的答案可能還是沒有找到，此時你可以運用溯源思維，密切關注更多的細節資料，想辦法從原始資料中進行追溯，思考使用者的行為特征，深入挖掘資料背後隐藏的資訊。
在資料分析的過程中，我們可以運用假設等思維，大膽假設，小心求證。無論是建構複雜的分析模型，還是進行簡單的資料決策，都要做出自己的設想和判斷。
最後，要做好心理準備，如果通過分析，發現資料有違你的假設，那麼就更加需要你進行詳細思考，仔細推敲，在這個過程中，你對使用者行為的了解也會逐漸加深，進而資料分析的功力也會得到增強。
“
3. 處理資料
”
假設經過整理後的銷售資料如下表：
我們用 Python 進行讀取并預覽資料。
通過觀察發現，資料中包含每天的實際銷量、目标銷量和目标完成率，為了從更加宏觀的層面，把握銷售的整體情況，我們按月份進行彙總，首先，在表格最前面的位置插入一列：月份。
然後按月份進行彙總求和，重新計算月度彙總的目标完成率，并将彙總結果儲存到 Excel 檔案中。
“
4. 分析推理
”
仔細觀察上面的月度彙總資料，你會發現，與 7 月份進行對比，8 月份的銷量略有上升，但與目标進行對比，目标完成率反而下降，這是一個比較嚴重的問題。
為了搞清楚這個問題産生的原因，你可以先進行探索性的資料分析。
在 Python 中，有一個很實用的包：pandas-profiling，号稱用 1 行代碼就能生成資料分析報告。如果你還沒有安裝的話，推薦你在指令行運作一下：pip install pandas-profiling，然後在 Jupyter Notebook 中運作以下代碼：
這是一份比較詳細的探索性資料分析報告，上圖僅顯示了其中一小部分資訊，往下拉，可以看到每個變量的資料分布等情況。
繼續往下拉，還可以看到各個變量之間的相關性，從圖中能夠直覺地看到：實際銷量與目标完成率之間具有比較強的正相關性，這也很好了解，因為在目标銷量變化不大的情況下，實際銷量越高，目标完成率也就越高。
在做進一步的分析之前，你還需要熟悉業務的背景，假設公司經營的業務是在網上商城賣化妝品，提高 8 月份目标銷量，是因為 8 月份加大了廣告費的投入。但是，廣告的效果并沒有達到預期，是以目标完成率下降了。
對于「如何提高銷量」這樣一個大問題，我們很難直接回答，可以試着細分為小問題，例如：哪種促銷方式效果更好？我們的使用者希望得到什麼？
上面案例中的銷量資料，已經按時間的次元做了劃分，實際上，除了按時間次元進行細分以外，還可以嘗試很多種不同的細分次元。比如說，按地區的次元：省份、城市等等，按銷售管道的次元：京東、天貓等等。
現實情況往往是複雜的，需要你運用相關思維，理清各種關系。比如說，從廣告展示，到使用者點選，再到付款購買，形成一個銷售漏鬥，每個環節都有相應的轉化率名額。
為了尋找提高銷量的機會，你可以嘗試運用假設思維，列出一些假設情況，例如：假設換種促銷方式會怎麼樣？假設降低産品的價格會怎麼樣？
假設你經過深入分析，在原始資料中，發現一些購買保濕霜的男性使用者，而這些保濕霜原本是專門為女性使用者設計的。經過調研，你知道了這些男性購買化妝品的用途，原來他們是用保濕霜來做剃須後的保養，這恐怕是一個有價值的發現。
“
5. 提出建議
”
你懷着激動的心情，開始撰寫資料分析報告。此時你要記住，資料分析報告的重點，不是那些花裡胡哨的圖表，而是提出有效的行動建議。
除非将資料分析用于做出更好的決策，否則，資料分析将毫無用處。
是以，作為一名資料分析師，要想方設法提出有效的行動建議，為業務創造價值。
首先，你要清楚地知道，自己從資料中發現了什麼，要指出不确定因素，小心防範并想辦法填補知識的空白，盡量避免作出過頭的結論，對分析結果負責，積累自己的信用，讓客戶更尊重和信任你，并了解你的分析和判斷也具有局限性。
其次，你提出的行動建議，重點是要得到客戶的了解，鼓勵客戶以資料為基礎，進而作出明智的決策。
最後，在資料分析報告中，你需要簡明扼要地闡述分析成果，并提出建議改善的措施。
例如：我深入地分析了銷售資料，做了很多種不同的大膽假設，并小心檢驗了假設的合理性。我發現有一群男性使用者，他們用女性的保濕霜，來做剃須後的保養。這群人對産品的需求很特别，但是，他們并不宣揚自己的這種需求，導緻我們平時很難發現他們。是以，建議推出男性更容易接受的剃須保養産品，增加對這群人的廣告投放，我認為這将提高銷量。
“
6. 小結
”
本文介紹了分析資料、解決問題的一種思路。
首先，明确業務的具體目标。
其次，應用分析思維來了解業務的實際情況。
再次，用 Python 對資料進行彙總處理。
然後，綜合運用各種分析思維和分析工具，對資料進行分析推理。
最後，得出主要的分析結論，提出有效的行動建議。
限于文章的篇幅，本文并沒有深入探究具體的業務細節，如果你想了解更多分析資料的方法，請在文章下面留言告訴我。
下面是本文的思維導圖：