在纯数据中发现结论的方法

如果排除对业务的认知（可能根本没有过），忘记所谓的心智模型，单纯从数据中总结结论，该怎么做？

数据分析过程中有些不变的方法，可以让任何人显得像个分析师。

一、从度量入手

度量，有人叫指标，KPI，连续型变量等等，这不重要。只需要知道它是我们要统计的数即可。

只有一个变量时或一个变量一个变量观察时

1. 不废话，先排序

2. 看看有没有极大值，极小值

3. 绝对值看着乱，用相对值。例如，局部占整体比例（去掉小数点，数据干净立整）

4. 感觉分布不均时，计算平均数、中位数、众数、标准差（有点卷）

5. 也可以利用直方图，把度量按某组距分组。度量转成维度，再用此维度统计本度量

   得到，数据思维课中提到把数据分为4种（向上兼容，信息递减）     类别数据 - 性别     次序数据 - 排名     间隔数据 - 古代时辰     比例数据 - 销量

   套用此分法，度量转维度就是将比例数据转化为间隔数据

    两个变量一起观察时

1. 不废话，先对其中一个变量进行排序

2. 看看另一个变量是否一同增长或下降（寻找相关性），这里可以借助散点图

3. 没有相关性？转换为间隔数据看看，这就是象限法！

两个以上变量一起观察时

    除非你是水哥，常人就不要多个变量一起观察了。借助机器学习算法寻找潜在模型也可以，但不在这次讨论范围内。

二、从维度入手

维度，如果你用过SQL，那么Group By（团购）后边的字段就是维度；没用过也没关系，除了度量就是维度了。

时间维度

1. 不废话，计算相对值，同环比

   同环比就是找一个历史锚点对比当下时刻数据。历史锚点选择昨天，就是昨日环比；历史锚点选择去年今天，就是年同比。 按照这个逻辑，锚点也可以选择有意义的历史时刻。例如，疫情爆发前，或历史某重要节日（历史峰值）等

2. 利用折线看趋势，计算回归线。异常波动数据清晰可见

非时间维度，只有一个维度时或一个维度一个维度观察时

1. 如果知道事情发展的顺序，可以将维度中的信息排序，这就是漏斗模型

2. 利用基础认知对维度中的信息归类。例如产品维度中有桌子、椅子、铅笔、橡皮。按照材质归类为木质的、非木质的（背后可能是原材料供给的考量）；或大件、小件（背后可能是运输成本的考量）等

3. 结合度量对维度中信息分组。例如销量Top3为畅销品，其余为非畅销品；销量Top20%为头部产品，这就是二八定律。注意，这里的分组规则是根据度量选择的（动态），不同于2中从维度属性归类（静态）。

非时间维度，当有多个维度时

1. 维度之间有关系（地理，组织架构等），可以建立层级。同级别间比较，相对值可以用占比。

2. 维度间没关系，用笛卡尔积，将多种信息叠加起来，放大某组合的信号强度。例如运输方式（海运、空运），货物体积（大、小），组合后统计得出小件空运和大件海运ROI（时间成本+金钱成本）最高。（常识而已，这里只是举个栗子）

数据分析就是从数据中总结结论 这个结论在业务专家眼中甚至在常人眼中或许是朴素的，反常识的，或是惊艳的。在没有业务思路时，从纯纯的方法论出发，总比停滞不前要好，甚至好得多。