点击蓝字 关注我们
最近一些想入行数据分析师的小伙伴提到，自己是零基础的小白，对那些复杂的公式和统计软件感到无比陌生……
别担心！无论你是文科生还是数学小白，只要你愿意尝试，总能找到合适的入门方法！
这篇文章将为你解锁数据分析的基本秘方，让你从零开始，迅速掌握数据分析的技巧。让我们一起来看看怎么从小白变成数据分析达人吧！
1
数据分析到底是什么？
简单来说，数据分析就是对“数据”的工作。通过分析数据，找出业务中的问题，发现商业机会，为企业的运营、增长和发展提供建议和参考。
数据分析和大数据分析并不完全相同，所以不必对这个职位感到恐惧。即使是零基础，经过大约三个月的学习，也完全可以入门。
不过要注意：
如果你对数据不敏感，看到复杂的数据就头疼，那这个岗位可能对你来说有很大的挑战。
数据分析不再是专职技能，而是每个人都应具备的通用技能。即使你不打算做数据分析，学会它也会让你在职场上更具竞争力。是否从事这个工作，还要看你对数据的兴趣和热情。
2
数据分析通识
数据分析，是一种用合适的方法和工具对数据进行分类和解析的过程。通过这些分析，我们提炼出有价值的信息，最终得出有力的结论。
三大类型分析：
现状分析：深入挖掘现象背后的真实本质。
原因分析：在异常情况下探寻影响因素。
预测分析：探索未来的发展趋势与走向。
工具与流程：
虽然各种数据分析工具操作方法各不相同，但其核心流程是一致的：
1.数据统计（收集与汇总）
2.数据处理（公式与函数）
3.数据分析
4.图表展示
‼️
常用图表有哪些？
1.柱状图：用于做比较
柱状图(bar chart)，是一种以长方形的长度为变量的表达图形的统计报告图，由一系列高度不等的纵向条纹表示数据分布的情况，用来比较两个或以上的价值(不同时间或者不同条件)，只有一个变量，通常利用于较小的数据集分析。柱状图亦可横向排列，或用多维方式表达。
但柱状图并不是万能的，需要基于某一个主题比较数据量的变化，比如不同月份的新增用户，不同渠道的新增用户，但如果将活跃用户、留存用户、新增用户这三个维度放在一张柱状图里比较，就没有太大意义。
2.折线图：看数据变化的趋势
折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。
在折线图中，类别数据沿水平轴均匀分布，所有值数据沿垂直轴均匀分布。
折线图就像是一张能把数据“串起来”的画布，非常适合用来对比不同维度的数据。举个例子，如果你把新增用户、活跃用户和流失用户的变化趋势用三条曲线画在一起，你就能轻松地看到它们之间的互动关系。例如，你可以观察到新增用户激增是否对活跃用户有提升作用，或者流失情况是否变得更严重，从而全面评估活动的效果。
3.饼状图：用来看各部分的占比
饼状图和柱状图在应用上有一定的重合，例如不同渠道带来的新增用户量，饼状图和柱状图都可以表现，但饼状图看的是单一渠道转化用户的占比，柱状图更容易发现不同渠道转化用户的差距。
饼状图则专注于展示单一因素在整体中的占比。比如，你可以用饼状图来显示活跃用户在所有用户中的比例。不过，如果你尝试用多个因素制作饼状图，可能会让数据看起来有些混乱。4.散点图：用于2维数据的比较
散点图可以用于3维数据的表现，同时可以进行2维数据的比较。
当比较不同活动所带来的新增用户和留存用户时，使用散点图可能会更合适。你可以把留存用户放在横轴，新增用户放在纵轴，不同的点则代表不同的活动主题。这样你就能清晰地看到每个活动的用户转化和留存效果。为了让图表更清晰，我们通常会把数据量大的维度放在纵轴上，这样更容易在屏幕上展示。
5.气泡图：用户3维数据的比较
气泡图是对散点图的升级，通过散点图中点的大小来表现第三维数据，气泡图具有下列图表子类型：气泡图和三维气泡图气泡图与 XY 散点图类似，但是它们对成组的三个数值而非两个数值进行比较。第三个数值确定气泡数据点的大小。您可以选择气泡图或者三维气泡图子类型。
6.雷达图：思维以上数据的对比
雷达图是以从同一点开始的轴上表示的三个或更多个定量变量的二维图表的形式显示多变量数据的图形方法。轴的相对位置和角度通常是无信息的。雷达图也称为网络图，蜘蛛图，星图，蜘蛛网图，不规则多边形，极坐标图或Kiviat图。它相当于平行坐标图，轴径向排列。
雷达图的魅力在于它能够让你比较不同用户群体的特征，也可以帮助总结不同用户的特点。比如，你可以选一个关键指标，如下单金额，然后查看下单金额高的用户在浏览商品数量、使用时长等方面的表现。通过这些数据，你可以找到提升下单金额的有效方法，比如增加用户的商品浏览量。
总结：数据分析图表种类繁多，各有其独特的用途和优势。你还可以将不同图表结合起来使用，比如将柱状图和折线图组合在一起。柱状图展示关键节点的数据差异，而折线图则显示整体变化趋势。这样，你就能在一张图表上同时看到两个维度的数据对比，更全面地理解数据背后的信息。
