数据分析都有哪些常用的方法？这篇文章里，作者针对描述性分析、诊断性分析等内容做了总结和梳理，不妨来看一下。

上篇文章我们给大家介绍了数据分析中的一些误区，同时我们也给大家讲解了不同层级数据分析的岗位之间的区别及技能的盘点。

一、通用能力总结

1.初级的数据分析，就是工具人，会操作软件，能根据要求把数据进行整理归纳，以及一些基本的可视化呈现。他们具备的是软件操作能力，但这也给了很多人一个错误的认知，就是以为数据分析就是学软件，外面很多数据分析的课程也是在软件层面的教学.但你去学了往往会发现，自己还是无法解决工作的问题，职业发展没有提升。

2.中级的数据分析，工具的能力要求更高了，除了 excel 还要求有 sql 和 python，但更本质的区别是，她需要懂业务了，能发现业务现有的问题，并给出对应的解决方案。比如给销售部门做数据，是要懂销售策略，运营策略才能做好的。

3.高级的数据分析，就不再是局限于事后分析和现状分析，比如一个产品的销售数据不佳，中级的数据分析只能等这个结果出现之后再去做事后诸葛亮，但高级的数据分析就需要提前做出预判，实时进行干预。甚至不再局限于公司内部的数据，而是要分析外部的行业以及市场，来判断大的趋势是什么。

不过现在规范性分析应用比较少，因为需要需要机器学习等领域的高级技能，并不是所有公司都能具备的。再加上找合适的员工成本，这可是一比不小的支出啊。

二、数据分析的方法和目的

其实从很小的时候，从很小的时候，数据分析就伴随着我们了，只不过我们一直被数据分析所支配。小学的时候一年级我们就开始考试，每张卷子是 100 分。老师会给根据答题情况给每个人进行打分，根据分数来判断每个人成绩的好坏。

不仅如此，他还要根据分数对我们进行纵向的排名。这样老师就能更加清晰的知道谁学习好，谁学习不好。这个成绩单还会同步给我的家长，成绩单好的时候我就有糖吃，成绩单不好的时候就只有鸡毛掸子吃。

家长也是靠这一张小小的成绩单来决定对我们的态度。有一次我清楚的记得，上学期我考了 54 名，下学期我考了 52 名，我开开心心的把卷子拿给我的爸爸寻求夸奖，可是他却把我打了一顿，我当时百思不得其解，我明明进步了两名，为什么他还打我？长大了我明白我觉得进步是对比上学期的成绩，对比上学期的基础上，我是进步了。那我爸看全局思维放在全班进行对比，我还是个渣渣。爷俩根本不在一个维度嘛。

成绩单是什么呢？按我们的话来说，它其实就是输出了一份数据报告。通过给你打分，可以看出来你对各个学科的掌握程度。比如说你英语得了 100 分，语文得了 90 分，数学得了 80 分，物理得了 60 分，化学只得了 20 分。那看起来你很明显的要去补物理和化学啦，这就叫什么叫对症下药。

后来我又经历了很多模拟考，一模我考了 360 分。二模我考了 340 分。三模我考了 350 分。据三次平均成绩，我差不多中考能考高 350 分。为什么那小时候老师和老娘运用数据分析，它的目的是什么呢？通过对比，来提高我们成绩，这个才是老师的本质目的。

根据分析的方法和目的，分析可以被划分为描述性分析（descri-ptive analytics）、诊断性分析（Diagnostic analytics），预测性分析（predictive analytics）和规范性分析（prescriptive analytics）。那咱们就根据上面的例子分别来对号入座一下。

描述性分析（descri-ptive analytics）：

描述性分析包括数据收集、整理、制表、制图以及描述正要研究的事物的特征，这类分析以往被称为“报告”。描述性分析可能非常有用，但它不能解释某种结果出现的原因或者未来可能会发生的事情。

其实呢就是老师把我们的成绩，经过填入梳理整合然后输出了一张成绩单的意思。但是呢他只是能看到你现在的情况，无法解释你为啥成绩低，也没办法预测你是否能提高成绩啦～

诊断性分析（Diagnostic analytics）：

业务变好/变坏了，除了知道这个结果外，我们还需要通过数据进一步了解为什么会这样。

在诊断性分析中，就需要去分析业务结果和很多因素的相关性。当然，怎么能较快速地定位到分析哪些因素和结果的关系，要基于对业务的理解。可以大家一起头脑风暴分析业务数据，也可以去调研，或者深度访谈一些业务关键角色，让他们给一些输入，我们才可能知道从哪些维度去分析数据更合理。

比如说我现在这个成绩单，我化学得了20分。对，我现在已经知道我化学得了20分，那么为什么我英语能得100分，化学能得20分，是化学课开小差了？不喜欢化学？还是认真听了但是没听懂？

预测性分析（predictive analytics）：

预测性分析不仅可以对数据特征和变量（可以假定取消范围的因素）之间的关系进行描述，还可以基于过去的数据预测未来。预测性分析首先会确定变量值之间的关联，然后基于这种已知的关联预测另一种现象出现的可能性。

比如说预测性分析，在考试这个场景下怎么能体现呢？其实可以算概率，上学的时候老师肯定说过这样的话：这个题目每年都考，所以这个一定要掌握。这个题目已经几年没考了，今年很可能会考，所以这个也一定要掌握

这样的说法其实就是拍脑袋，严谨的数据分析，是可以通过统计，发现那些 100%会考的题，这样帮助你更有针对性的去准备考试，如果你 100%会出的题都还错，那当然要优先搞这种题，有时间再去搞那种概率性出现的题目。而不是眉毛胡子一把抓。

规范性分析（prescriptive analytics）：

规范性分析是更高层次的分析，如实验设计和优化等。就像医生会在出处方建议患者采取什么行动一样就比如说咱们考试，你数学考了 100 分，语文考了 80 分，英语考了 60 分，物理只考了 20 分。

这个时候我们可能会知道语文和英语还有物理是需要去提高的。但我们不能一上来就建议去提高物理分数，我们可以在提高各项分数之间做一个投入产出比的比较，然后再选择最优的学科去提高。

以上就是今天的内容了，看着上面的小故事觉得描述性分析，诊断性分析，预测性分析还有规范性分析，听着也不难啊。当然便于大家理解我们只是用故事串起来了，实际上工作中能做到其实是很不容易的！最后预告下咱们最后一篇了，下一篇咱们会给大家详细介绍数据分析对于我们个人及在公司中的重要意义。