0.4 数据分析过程

数据分析过程本质上是：

1）将数据与实际业务进行结合，深入了解业务背景，明确需求。

2）将数据信息化、可视化。

3）转化为生产力，帮助企业获利。

图0.7给出一个数据分析过程。

0.4.1 业务理解

业务理解就是识别需求，识别信息需求是确保数据分析过程有效性的首要条件，可以为数据分析提供清晰的目标。识别信息需求是管理者的职责，管理者应根据决策和过程控制的需求，提出对数据分析的需求。识别需求要对数据敏感，树立正确的思维观，熟悉行业业务流程，主要目的是理解数据，解决分析什么问题。

经常有人提出这样一个问题：有一个非常有趣的数据，请问应该如何分析这些数据呢?

这个问题无法回答。因为同一组数据，不同的业务目标，会产生完全不同的分析方案，所以在不清晰业务目标的情况下，是没有办法回答这个问题的。

此时我们要反问另外一个问题：你的业务目标是什么?

在这个问题没有得到清晰回答之前，所有的数据分析都是无效的!这就是为什么说：数据分析的第一步，不是分析数据，而是梳理业务目标!

什么叫作梳理业务目标?就是：如果能说得清楚Y和X，就认为业务目标是定义清晰的，否则就不是。

Y是因变量。它是一个指标，用于刻画我们最关注的一个结果。如果研究客户流失，那么Y就是流失与否；如果关心客户花费，那么Y就是消费能力；如果关心客户细分，那么Y就是品牌的选择。

总而言之，你最关心什么，Y就应该是什么。这个事情看似简单，其实很难。例如，Y是客户是否流失，但是，怎么定义流失呢?

就移动公司而言，有的客户流失，非常容易界定，因为他到营业网点销号了，这个很清晰。但是，更多的用户采用的方式是：停止使用，不销号。从移动运营商的角度来看，只能看到这个用户最近不活跃了，但是不容易确信他是否真的流失了，或者有其他原因（例如，短期出国）。

那么怎么定义Y呢?在这方面，整个行业都没有特别好的办法。一个可以接受的做法是，如果一个用户连续3个月不使用服务，也不缴费，那就视作等同流失。这个定义得到的Y并不是最好的，但是，至少这是一个可以付诸实施，并且为行业所接受的Y。

X就是解释变量。它常常代表多个指标的集合，用于解释Y的结果。例如，Y是之前定义的客户是否流失，这是我们最关心的业务目标。接下来，人们渴望理解：为什么有的客户就流失了呢?而有的客户就没有呢?背后有没有系统性的规律?有没有什么因素或者特征可以解释Y?

例如，性别与流失（也就是Y）有关系吗?是否女性用户更加忠诚?如果这个猜测是有道理的，那么，性别就应该是X的一个分量。类似地，我们也可以思考：年龄有关系吗?消费习惯有关系吗?当前使用的产品有关系吗?等等。

这些思考能够帮助我们极大地丰富X，使它包含诸如性别、年龄、消费和产品等众多信息。如果说Y具体定义了我们的业务目标，那么X就决定了我们对业务目标理解的深度和广度。对于X的设计，需要创意，需要对业务有深刻的理解，以及天马行空的想象力。

总之，数据分析的第一步，不是分析数据，而是把业务问题定义清晰。判断的标准是： Y和X是否定义清晰。

0.4.2 指标设计

在实际工作中，业务问题定义永远都是模糊笼统的，如什么样的推荐者能够带来高（或者低）价值客户?但是，指标却是具体的。怎样把一个抽象的目标具体化?谁来起到桥梁的作用?那就是指标设计。好的指标设计能够把抽象目标具体化，而且具有直接的管理实践含义。

指标设计，首先要进行描述性统计分析：当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合、计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。

指标设计的核心任务是把原始数据转换为专家数据，使数据分析项目落地，包括对问题分解和对数据分解。

0.4.3 数据建模

有了专家数据就可以对数据建立模型。建立模型阶段主要是选择和应用各种建模技术，同时对它们的参数进行校准以达到最优值。在明确建模技术和算法后需要确定模型参数和输入变量。

在建模过程中，采用多种技术手段，挑选合适的变量参与建模。参与建模的变量太多会削弱主要业务属性的影响，并给理解分群结果带来困难；变量太少则不能全面覆盖需要考查的各方面属性，可能会遗漏一些重要的属性关系。输入变量的选择对建立满意的模型至关重要，应结合此次分析任务的目标，选择有重要业务意义并与数据挖掘目标密切相关的变量；被选择的变量应具备较好的数据质量，并且被选变量之间的相关性不宜太强。

不同的技术方案产生的模型结果有很大不同，而且模型结果的可理解性也存在较大差异。另外，对结果的分析和描述也很关键，不恰当的描述会造成误导。需要指出的是，不同的商业问题和不同的数据分布属性会影响模型建立与策略调整，而且在建模过程中还会使用多种近似算法来简化模型的优化过程。因此还需要业务专家参与调整策略的制定，以避免不适当的优化造成业务信息丢失。

建立模型是一个螺旋上升、不断优化的过程，在每一次聚类结束后，需要判断聚类结果在业务上是否有意义，其各群特征是否明显。如果结果不理想，则需要调整聚类模型，对模型进行优化，称为聚类优化。聚类优化可通过调整聚类个数及聚类变量输入来实现，也可以通过多次运行，选择满意的结果。

0.4.4 分析报告

数据分析报告是根据数据分析原理和方法，运用数据来反映、研究和分析某项事物的现状、问题、原因、本质和规律，并得出解决问题办法的一种分析应用文体。好的数据分析报告是企业决策的重要依据，专业的数据分析报告能体现你的职场价值。数据分析报告回答分析结果如何?对决策的作用是什么?

分析报告的构成如图0.8所示，包括标题、目录、正文、总结与建议。