数据分析的目的&步骤
目的：
对过去发生的现象评估分析，找寻证据，在这个基础上对未来事物做预判，或指导未来行为
1、描述事物
2、提出问题或假设
5、方案输出
数据分析思路&技巧
明确分析目的
寻找问题根源，解释目前现象
寻找某种规律，指导目前产品
先总后分，逐层拆解
逐层拆分
一级拆分：利润=收入-支出；二级拆分：收入=单价*数量
关注细节，抽丝剥茧
细节的逻辑关系可能对结果产生终极影响
细节
年龄、文化、工作氛围、领导等因素都会对结果有影响
子主题 1
内外延伸，概念清晰
数据分析结论是所揭示的洞察的定型化总结
容易产生多种理解的概念要详细解释，不可以让概念产生歧义，衍生出错误的认知
识图的九个方法
辅助线
找差异，找变化
找奇异点，特殊群体
找转折点和拐点
找特征
找问题
what
who
when
where
how
找关系
找驱动
找规律
寻找规律（聚类）
步骤
1、确定聚类的标准变量
3、距离计算方法计算相似性
4、设计聚类的算法或者程序
5、计算类之间的差异性一级保证类与类之间的距离最大化
6、根据商业需要，判别聚成几类
7、解读及描述分类
8、验证及投入实际工作
9、持续检验，对业务效果评估
10、算法改进和调整
整体分析-结构
案例
组织资源分配
各类职工工资占比
不同公司：研发投入与销售收入对比
组成要素与组成方式（结构）影响事物的根本属性
微小的工资下降影响员工积极性
事物的构成除了与要素有关，还与组合方式及过程有关
同样面粉，做出来面包和馒头
调整数据模型要素，以适应新的环境需求
【预期】管理比【实际】激励更有效-基准
基准是判别事物的标准
不同属性的职工的薪资结构不一样，影响不一样
对比基准不一样，心理感受不一样
关键要素与非关键要素
关键要素是【核心功能】，非关键要素是【不可或缺】的其它要素
不同组织，不同场景，不同部门，关键要素与非关键要素有差异
销售部关键要素是卖东西
生产部就是生产产品
采购部：价格、品质、交期是采购部负责的
最佳组合
规划求解
资源有限，通过合理配置资源，让产出最大化
产出确定，通过合理资源配置，让投入最小化
技术
连续优化问题
无约束条件
非线性等式
非线性最小二乘
球面规划
不可微分规划
离散优化问题
DEA模型
结构化效率分析
案例
产品成本结构是否合理，效率是否足够高，与竞争对手差异
产品生产效率影响因素模型【人机料法环】
环境
人的环境
设备
工人心情
产品品质
工艺环境
积累各种模型，定制化设计，形成数据库
不用每次从0开始
不会有显著性遗漏
数据是表象，业务才是核心，数据是业务的一种体现。
【人】：对人性的理解和把控，对于数据分析非常重要
【规则】规则产生漏洞，漏洞吸引人性，人性引发业务操作，业务操作引发数据异常。这是连锁反应。
销售压货
【环境】对于行业的理解，对于管理的理解都非常重要
【管理】这不是数据分析书籍，更多的像是管理书籍
备注：这本书，就是可能引发数据分析师，多一些分析思路
