《谁说菜鸟不会数据分析（入门篇）》总结

一、数据分析方法论

营销方面：4P、用户使用行为、STP理论、SWOT

管理方面的理论模型：PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等

PEST（宏观环境分析）
P(political)	政治环境（社会性质、执政党性质、方针、政策、法令）政治经济体制、财政税收政策、产业政策等
E(economic)	经济环境	宏观	GDP及其增长率、进出口总额、利率、税率、通货膨胀率、
		微观	消费价格指数、居民可支配收入、失业率、劳动生产率
S(social)	社会环境（人口、性别比例、出生率和死亡率、种族结构、生活方式、教育状况、城市特点、宗教信仰等）
T(technological)	技术环境（新技术的发明和发展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数和保护情况等）

v PEST——行业分析

v 5W2H——用户行为分析、业务问题专题分析

Why+what+who+when+where

How+how much

v 逻辑树——业务问题专题分析

要素化：相同问题总结归纳成要素

框架化：要素组织成框架，不重不漏

关联化：框架内的各要素保持必要的相互关系，简单不孤立

v 4P——可了解公司的整体运营情况

产品（有形产品、人员、组织、服务等）、

价格（需求、成本、竞争）、

渠道（生产到用户中间的各个环节）、

促销（广告、宣传推广、人员推销、销售促进）

v 用户行为理论——用户行为分析

用户使用行为的完整过程：

二、数据处理

1.数据清洗

v 清除不必要的重复数据

（1）Excel中的方法

Ø Countif(区域，条件）

编号	重复标记	第二次重复标记
A667708	1	1
A310882	1	1
A520304	1	1
A356517	1	1
A776477	2	1
A466074	3	1
A466074	3	2
A466074	3	3
A776477	2	2
A218912	1	1

Ø 利用excel的高级筛选功能

选择待筛选数据，‘数据’—排序和筛选中’高级’—勾选‘选择不重复的记录’

Ø 条件格式法

选中待筛选数据，‘条件格式’—‘突出显示单元格规则’—‘重复值’

Ø 数据表透视法

选中待筛选数据，分别拖至‘行’和‘数值’

（2）sql中

select Email from Person where Id in (select Id from Person group by Email having count(*)>=2)

（3）删除重复数据

Ø Sql

delete from person where Id not in (select * from (select min(Id) as Id from Person group by Email having count(*)>=1) a)

Ø Excel

选中待筛选数据，‘数据’—‘删除重复项’

v 填充缺失的数据

平均值/删除/模型训练出的数据/保留缺失记录（样本大，缺失占比小）

（1）EXCEL

Ctrl+G 定位空值

Ctrl+Enter 不连续区域中同时输入同一个数据或公式

查找和替换

v 检测逻辑错误的数据

Excel中：

If+countif

条件格式：标出逻辑错误的数据

or（逻辑值1，逻辑值2，...）

and（逻辑值1，逻辑值2，...）

2. 数据加工

v 数据抽取

主要工作：

Ø 合并字段

& 运算符

Concatenate(text1，text2，,text3，,text4......)

Text（text,格式）连接文本与数字时，指定数字的显示格式

Ø 截取部分字段（字段分列）

Excel中的分列

Ø 字段匹配

Vlookup(要查找的vlaue，单个区域期中第一列必须是要查找的值area，希望匹配的列序号，近似匹配1精确匹配0)

精确匹配就是指值必须相等

近似匹配指在待查找区域area的第一列找接近又不大于area的值

v 数据计算

加减乘除、自动求和、求平均值、

日期的加减法：

Today()	返回当前时间	2018/4/7
now()	返回当前时间	2018/4/7 9:55
Ctrl+;	返回当前时间	2018/4/7
Date(year,month,day)	返回指定日期（可用来进行加减）	=DATE(2017,2,8) 2017/2/8 =DATE(YEAR(G6)+10,MONTH(G6)+6,DAY(G6)+10) 2027/8/18（比上一个多了10年，6个月，10天）
Datedif(起始日子，结束日期，unit)	返回两个日期之间的年/月/日间隔数 Unit取值： Y:相差年份 M：相差月份 D:相差天数 YM:相差月份（忽略了年份和天数） MD:相差天数（忽略了年份和月份） YD:相差天数（忽略了年份）	=DATEDIF(G6,H6,"Y")&"年" 10年 =DATEDIF(G6,H6,"MD")&"天（忽略年份和月份的天数）" 10天（忽略年份和月份的天数） =DATEDIF(G6,H6,"YM")&"月（忽略年份和天数）" 6月（忽略年份和天数） =DATEDIF(G6,H6,"YD")&"天（忽略年份天数）" 191天（忽略年份天数） =DATEDIF(G6,H6,"D")&"天" 3843天

v 数据分组

vlookup

v 数据转换

‘选择性粘贴’—‘转置’

多选转化为0-1

=IF(ISNUMBER(HLOOKUP(find_value,area,列序号,0/1)),1,0)

=IF(ISNUMBER(SEARCH(find_value,with_text)),1,0)

v 数据抽样

Rand()函数

返回（0,1）的均匀分布随机数，每次计算工作表时都将返回一个新的数值

三数据分析方法

数据分析的作用：现状分析、原因分析、预测分析

三大作用对应的分析思路：对比、细分、预测