資料分析的基本方法
一、明確問題
對數據分析來說，最重要的不是數據分析本身，而是──問題。
也就是，你，到底想知道什麼？
提出問題的能力比解決問題的能力更重要。
對於這句話，我深以為然。
在數據分析方面，這句話顯得格外明顯。
同一件事情，不同的人會從不同的方向和角度提出不同的問題。清晰、明確和具體的問題會讓數據分析本身變得簡單和有效。
很多數據分析之所以困難，很大的原因就在於，問題的不清晰與不具體。
二、解析問題
問題的答案來自哪些維度的資料？
這些數據是否全部都能得到原始數據？
如果全部都能得到原始數據，那麼可以進入埋點階段了。
如果有些數據不能得到原始數據，可以判斷一下，是否透過簡單的計算可以得到結果。如果可以，那麼，就可以進入埋點取得資料階段了。如果簡單的計算無法得到結果，那麼，就需要將問題分解成一些簡單的小問題。
總之，問題的解析，有兩個關鍵點，一個是那些維度的資料決定了問題的答案，另一個就是盡可能地取得原始資料。
之所以要盡可能地取得原始數據，是因為，在我以前大量的數據分析的經驗，太多和太複雜的計算，最終得到的結果比較容易偏離實際情況，也就是失真的機率會比較大，失真度也會比較大。
當然，這一點並不是絕對的，如果演算法夠嚴謹，也可以考慮複雜計算獲取結果的方法。
三、取得數據
1、埋點
埋點，是一件很有技巧的事情，也是一件很容易產生混亂的事情。最好能有一個統一的埋點規劃和管理。
2、爬數據
不說了。
3、用戶調查
不說了。
四、數據視覺化和對比
數據分析的結果都是要視覺化出來的，只有這樣才能看出問題，得到答案。
數據的視覺化，常常遇到的一件事，就是用什麼樣的圖表？
一個資料表，可以用長條圖、可以用折線圖、甚至也可以用餅狀圖等等。這時候，如何選擇？
對比。
這就是選擇圖表的標準。
數據的可視化主要是為了對比。只有對比，才能發現問題，找到答案。
對比，有兩種，一種是同一張圖表中的資料的對比，例如，一張長條圖，很明顯可以看出某一維度資料的多少/大小等。
另一種就是多張圖表的對比，可以看出很多很多事情。
所以，使用哪種圖表進行視覺化，取決於要比較什麼數據和如何比較。
