¿Cómo desarrollar capacidades de análisis de datos?
Por ejemplo, pensamiento de análisis de datos, pensamiento estructurado, pensamiento formulado, pensamiento sistémico de métodos de aprendizaje... Estas ideas pueden ayudarlo a analizar problemas desde un cierto ángulo, incluso si encuentra problemas desconocidos, a mantener una lógica clara;
Tener cierta capacidad de comprensión empresarial y ser capaz de entender las ideas de negocio que hay detrás del negocio. Sólo comprendiendo el problema se puede transformar en un problema de análisis de datos y saber cómo establecer objetivos de análisis y realizar análisis.
Conocimientos teóricos básicos: estadística matemática, principios de modelos, investigaciones de mercado recientes, etc.
Uso de herramientas de análisis convencionales: software ofimático común (Excel, PPT, mapa mental), bases de datos, herramientas de análisis estadístico, minería de datos, etc.
Capacidad para informar y visualizar datos. No importa cuán bueno sea el análisis de los datos, si no se pueden "expresar" de manera concisa y fácil de entender, los resultados se verán muy comprometidos.
Espera, espera, espera. ...
Entonces, ¿cómo deberían mejorarse estas habilidades? Hablemos específicamente sobre cómo desarrollar estas fortalezas básicas.
Comience con la teoría del análisis y la práctica de herramientas
1. Teoría del análisis
La teoría del análisis incluye: definir escenarios comerciales, determinar objetivos de análisis, construir un sistema de análisis y clasificando el índice central.
Lo que debemos hacer es, primero, aclarar qué tipo de escenarios comerciales, diferentes empresas tienen diferentes sistemas de análisis, luego, combinados con los problemas comerciales, determinar los objetivos del análisis, enumerar los indicadores centrales y luego recopilarlos; y organizarlos con los datos requeridos.
Libros recomendados: Gestión de Datos, Batalla Big Data.
Varios pasos del análisis de datos:
(1) Recopilación de datos
La adquisición de datos a menudo parece simple, pero requiere que los analistas comprendan los problemas en el negocio, es decir, convertir el problema en un problema de datos para resolver, como qué datos se necesitan y desde qué ángulo analizarlos, y luego recopilar datos después de aclarar estos problemas.
Este enlace requiere que los analistas de datos tengan un pensamiento lógico estructurado.
Libros recomendados: “El Principio de la Torre Dorada”, “Trilogía McKinsey: Conciencia, Herramientas y Métodos McKinsey”.
Herramientas recomendadas: herramientas de mapas mentales (Xmind, Baidu Mind Map, etc.)
(2) Procesamiento de datos
El procesamiento de datos requiere dominar herramientas eficientes:
Excel y habilidades de alto nivel:
Operaciones básicas, fórmulas de funciones, tablas dinámicas y desarrollo de programas VBA.
Normalmente repaso primero lo básico para saber qué es qué y luego encuentro algunos casos para practicar. Visite el foro de excelhome con más frecuencia, piense más en cómo usar Excel para resolver problemas, use bien los complementos y recuerde guardarlos.
Herramientas de informes profesionales:
(utilizadas por grandes empresas) Puede diseñar una plantilla general para la producción de informes diarios y puede comenzar siempre que sepa escribir SQL.
En comparación con Excel para la generación de informes, esta herramienta tiene menores requisitos técnicos y puede desarrollar rápidamente informes periódicos e informes dinámicos.
Uso de base de datos:
Dominio del lenguaje SQL (¡¡¡muy importante!!!), los más comunes incluyen Oracle, servidor SQL, My SQL, etc.
Aprender bases de datos distribuidas populares como hadoop y mejorar las habilidades personales será útil para buscar empleo.
(3) Análisis de datos
El análisis de datos a menudo requiere varios modelos de análisis estadístico, como reglas de asociación, agrupamiento, clasificación, modelos de predicción, etc.
Por lo tanto, es inevitable dominar algunas herramientas de análisis estadístico:
Serie LPSS: antiguo software de análisis estadístico, SPSS Statistics (algunas funciones estadísticas, investigación de mercado) y SPSS Modeler ( algo de minería de datos), no requiere programación, es fácil de aprender.
SAS: Software de minería clásico, que requiere programación.
r: El software de código abierto, este nuevo y popular software, procesa datos no estructurados de manera más eficiente y requiere programación.
Varias herramientas de BI: Tableau, PowerBI, FineBI, pueden realizar libremente análisis visuales de los datos procesados y los efectos de los gráficos son muy impresionantes.
Libros recomendados:
La serie "Di que un novato no puede analizar datos" es un libro introductorio, más adecuado para principiantes.
El combate real, las ideas, los métodos, las técnicas y las aplicaciones de la minería de datos y las operaciones de datos son muy sistemáticos y completos.
"Métodos de análisis cuantitativo y aplicaciones en investigación de mercados", editado por Jian Ming, Renmin University of China Press.
(4) Visualización de datos
Muchas herramientas de análisis de datos ya cubren la visualización de datos. Solo necesitan presentar e informar resultados de datos de manera efectiva, que se pueden mostrar en word\PPT\H5.
2. Práctica de herramientas
(1) Para principiantes, se recomienda comenzar con la herramienta Excel. Aquí tomamos Excel como ejemplo:
Aprender Excel es un proceso paso a paso;
Básico: procesamiento, impresión, consulta, filtrado y clasificación de datos de tablas simples.
Funciones y fórmulas: Funciones comunes, cálculos de datos avanzados, fórmulas matrices, referencias y funciones multidimensionales.
Gráficos visuales: visualizaciones de iconos gráficos, gráficos avanzados y complementos de gráficos.
Desarrollo de tablas dinámicas y programas VBA...
Visite más el foro excelhome, piense más en cómo usar Excel para resolver problemas, aprenda a usar varios complementos y llegar a ser competente en usted El uso de Excel ayuda.
Entre ellos, las funciones y las tablas dinámicas son los dos puntos clave.
Función
Funciones de Excel que se deben dominar al realizar plantillas de datos;
Funciones de fecha: fecha, mes, año, fecha, hoy, día laborable y día laborable fecha Se requieren funciones para crear plantillas de análisis. Puede utilizar funciones de fecha para controlar la visualización de datos y consultar datos dentro de un período de tiempo específico.
Funciones matemáticas: producto, rand, randbetween, round, suma, sumif, sumifs, sumproduct.
Funciones estadísticas: grande, pequeño, máximo, mínimo, mediana, modo, rango, conteo, conteo, conteo, promedio, promedio, promedio. Las funciones estadísticas juegan un papel importante en el análisis de datos, promedio, valor máximo. Se utilizan , valor mediano y módulo.
Funciones de búsqueda y referencia: elegir, coincidir, indexar, indirecto, columna, fila, vlookup, hlookup, lookup, offset, getpivotdata. No hace falta decir que, especialmente vlookup, básicamente no complica esta función.
Funciones de texto: buscar, buscar, texto, valor, concatenar, izquierda, derecha, mitad y len se utilizan principalmente en la etapa de clasificación de datos.
Funciones lógicas: and, or, false, true, if, iferror.
(¡La sociedad mencionada básicamente puede matar al 90% de los trabajadores administrativos de oficina!)
Tabla dinámica
La función de una tabla dinámica es generar información interactiva. informes de una gran cantidad de datos, tiene algunas funciones importantes: resumen, valores promedio, máximo y mínimo, clasificación automática, filtrado automático, agrupación automática, puede analizar proporciones, año tras año, mes a mes, ratios fijos; , fórmulas personalizadas, etc.
En realidad, buscar datos o informes + EXCEL + PPT parece ser el método principal.
Las herramientas, ya sean personal de negocios o analistas, pueden utilizar herramientas de recuperación automática de datos o herramientas de BI para generar informes, reduciendo el tiempo de operaciones repetidas.
En segundo lugar, aumentar la comunicación con el personal empresarial para comprender plenamente las necesidades empresariales. Cuando su nivel de negocio sea similar o incluso superior al de ellos, naturalmente sabrá cuáles son las necesidades reales detrás de sus palabras.
Finalmente, desde una perspectiva superior, la granularidad básica del informe es el indicador, que puede ordenar el sistema de indicadores básicos de la empresa, elaborar informes desde la perspectiva del análisis empresarial y estandarizar el trabajo del informe y reducir la redundancia del informe. Evite realizar un informe fácilmente. La estandarización incluye clasificación de indicadores, denominación de indicadores, calibre comercial, calibre técnico, métodos de implementación, etc. De hecho, el objetivo final es lograr coherencia en los datos de los informes, reducir el desarrollo repetido de informes y reducir la sobrecarga del sistema.
En su tiempo libre, puede complementar sus conocimientos de estadística matemática, aprender los lenguajes R y Python, aprender modelos de minería de uso común y convertirse en un analista senior.
¡Date prisa, pato!
Lo anterior es el intercambio de hoy. La capacidad de analizar datos suena grandiosa y abstracta. Aunque se trata de poder blando, ¡es un requisito estricto de la industria! Sólo cuando los cambios cuantitativos conduzcan a cambios cualitativos podremos hacer analogías paso a paso y el proyecto será cada vez más conveniente.