數據整理分析方法

數據整理分析方法

　　我們要使學(xué)生會(huì )進(jìn)行簡(jiǎn)單的數據整理，能把整理的數據填入統計表。下面小編為你整理的數據整理分析方法，希望對你有所幫助！

　　數據整理分析方法

　　1、聚類(lèi)分析

　　聚類(lèi)分析指將物理或抽象對象的集合分組成為由類(lèi)似的對象組成的多個(gè)類(lèi)的分析過(guò)程。聚類(lèi)是將數據分類(lèi)到不同的類(lèi)或者簇這樣的一個(gè)過(guò)程，所以同一個(gè)簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。聚類(lèi)分析是一種探索性的分析，在分類(lèi)的過(guò)程中，人們不必事先給出一個(gè)分類(lèi)的標準，聚類(lèi)分析能夠從樣本數據出發(fā)，自動(dòng)進(jìn)行分類(lèi)。聚類(lèi)分析所使用方法的不同，常常會(huì )得到不同的結論。不同研究者對于同一組數據進(jìn)行聚類(lèi)分析，所得到的聚類(lèi)數未必一致。

　　2、因子分析

　　因子分析是指研究從變量群中提取共性因子的統計技術(shù)。因子分析就是從大量的數據中尋找內在的聯(lián)系，減少決策的困難。因子分析的方法約有10多種，如重心法、影像分析法，最大似然解、最小平方法、阿爾發(fā)抽因法、拉奧典型抽因法等等。這些方法本質(zhì)上大都屬近似方法，是以相關(guān)系數矩陣為基礎的，所不同的是相關(guān)系數矩陣對角線(xiàn)上的值，采用不同的共同性2估值。在社會(huì )學(xué)研究中，因子分析常采用以主成分分析為基礎的反覆法。

　　3、相關(guān)分析

　　相關(guān)分析(correlation analysis)，相關(guān)分析是研究現象之間是否存在某種依存關(guān)系，并對具體有依存關(guān)系的現象探討其相關(guān)方向以及相關(guān)程度。相關(guān)關(guān)系是一種非確定性的關(guān)系，例如，以X和Y分別記一個(gè)人的身高和體重，或分別記每公頃施肥量與每公頃小麥產(chǎn)量，則X與Y顯然有關(guān)系，而又沒(méi)有確切到可由其中的一個(gè)去精確地決定另一個(gè)的程度，這就是相關(guān)關(guān)系。

　　4、對應分析

　　對應分析(Correspondence analysis)也稱(chēng)關(guān)聯(lián)分析、R-Q型因子分析，通過(guò)分析由定性變量構成的交互匯總表來(lái)揭示變量間的聯(lián)系�？梢越沂就�一變量的各個(gè)類(lèi)別之間的差異，以及不同變量各個(gè)類(lèi)別之間的對應關(guān)系。對應分析的基本思想是將一個(gè)聯(lián)列表的行和列中各元素的比例結構以點(diǎn)的形式在較低維的空間中表示出來(lái)。

　　5、回歸分析

　　研究一個(gè)隨機變量Y對另一個(gè)(X)或一組(X1，X2，Xk)變量的相依關(guān)系的統計分析方法�；貧w分析(regression analysis)是確定兩種或兩種以上變數間相互依賴(lài)的定量關(guān)系的一種統計分析方法。運用十分廣泛，回歸分析按照涉及的自變量的多少，可分為一元回歸分析和多元回歸分析;按照自變量和因變量之間的關(guān)系類(lèi)型，可分為線(xiàn)性回歸分析和非線(xiàn)性回歸分析。

　　6、方差分析

　　又稱(chēng)“變異數分析”或“F檢驗”，是R.A.Fisher發(fā)明的，用于兩個(gè)及兩個(gè)以上樣本均數差別的顯著(zhù)性檢驗。由于各種因素的影響，研究所得的數據呈現波動(dòng)狀。造成波動(dòng)的原因可分成兩類(lèi)，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。方差分析是從觀(guān)測變量的方差入手，研究諸多控制變量中哪些變量是對觀(guān)測變量有顯著(zhù)影響的變量。

　　實(shí)驗數據的處理自然離不開(kāi)繪制成表。那么，常見(jiàn)的實(shí)驗數據處理表格體現方式分為兩種：列表法和作圖法。

　　列表法就是將一組實(shí)驗數據和計算的中間數據依據一定的形式和順序列成表格。列表法可以簡(jiǎn)單明確地表示出物理量之間的對應關(guān)系，便于分析和發(fā)現資料的規律性，也有助于檢查和發(fā)現實(shí)驗中的問(wèn)題，這就是列表法的優(yōu)點(diǎn)。設計記錄表格時(shí)要做到：

　　(1)表格設計要合理，以利于記錄、檢查、運算和分析。

　　(2)表格中涉及的各物理量，其符號、單位及量值的數量級均要表示清楚。但不要把單位寫(xiě)在數字后。

　　(3)表中數據要正確反映測量結果的有效數字和不確定度。列入表中的除原始數據外，計算過(guò)程中的一些中間結果和最后結果也可以列入表中。

　　(4)表格要加上必要的說(shuō)明。實(shí)驗室所給的數據或查得的單項數據應列在表格的上部，說(shuō)明寫(xiě)在表格的下部。

　　作圖法是在坐標紙上用圖線(xiàn)表示物理量之間的關(guān)系，揭示物理量之間的聯(lián)系。作圖法既有簡(jiǎn)明、形象、直觀(guān)、便于比較研究實(shí)驗結果等優(yōu)點(diǎn)，它是一種最常用的數據處理方法。作圖法的基本規則是：

　　(1)根據函數關(guān)系選擇適當的坐標紙(如直角坐標紙，單對數坐標紙，雙對數坐標紙，極坐標紙等)和比例，畫(huà)出坐標軸，標明物理量符號、單位和刻度值，并寫(xiě)明測試條件。

　　(2)坐標的原點(diǎn)不一定是變量的零點(diǎn)，可根據測試范圍加以選擇。坐標分格最好使最低數字的一個(gè)單位可靠數與坐標最小分度相當�？v橫坐標比例要恰當，以使圖線(xiàn)居中。

　　(3)描點(diǎn)和連線(xiàn)。根據測量數據，用直尺和筆尖使其函數對應的實(shí)驗點(diǎn)準確地落在相應的位置。一張圖紙上畫(huà)上幾條實(shí)驗曲線(xiàn)時(shí)，每條圖線(xiàn)應用不同的標記如“+”、“×”、“·”、“Δ”等符號標出，以免混淆。連線(xiàn)時(shí)，要顧及到數據點(diǎn)，使曲線(xiàn)呈光滑曲線(xiàn)(含直線(xiàn))，并使數據點(diǎn)均勻分布在曲線(xiàn)(直線(xiàn))的兩側，且盡量貼近曲線(xiàn)。個(gè)別偏離過(guò)大的點(diǎn)要重新審核，屬過(guò)失誤差的應剔去。

　　(4)標明圖名，即做好實(shí)驗圖線(xiàn)后，應在圖紙下方或空白的明顯位置處，寫(xiě)上圖的名稱(chēng)、作者和作圖日期，有時(shí)還要附上簡(jiǎn)單的說(shuō)明，如實(shí)驗條件等，使讀者一目了然。作圖時(shí)，一般將縱軸代表的物理量寫(xiě)在前面，橫軸代表的物理量寫(xiě)在后面，中間用“～”聯(lián)接。

　　六大數據分析的常見(jiàn)方法

　　1、對比分析法

　　對比分析法是一種常見(jiàn)的數據分析方法。通過(guò)數據分析比對，能告訴你過(guò)去發(fā)生了什么（現狀分析）、告訴你某一現狀為什么發(fā)生（原因分析）、告訴你將來(lái)會(huì )發(fā)生什么（預測分析）。

　　對比分析法是指將兩個(gè)或兩個(gè)以上的數據進(jìn)行比較，分析它們的差異，從而揭示這些數據所代表的事物發(fā)展變化情況和規律性。對比分析法的特點(diǎn)是：可以非常直觀(guān)地看出事物某方面的變化或差距，并且可以準確、量化地表示出這種變化或差距是多少？

　　對比分析法可分為靜態(tài)比較和動(dòng)態(tài)比較兩類(lèi)。靜態(tài)比較是在同一時(shí)間條件下對不同總體指標的比較，如不同部門(mén)、不同地區、不同國家的比較、也叫橫向比較，簡(jiǎn)稱(chēng)橫比；動(dòng)態(tài)比較是在同一總體條件下對不同時(shí)期指標數值的比較，也叫縱向比較，簡(jiǎn)稱(chēng)縱比。

　　這兩種方法既課單獨使用，也可結合使用。進(jìn)行對比分析時(shí)，可以單獨使用總量指標、相對指標或平均指標，也可將它們結合起來(lái)進(jìn)行對比。比較的結果可用相對數表示，如百分數、倍數等指標。

　　注意事項：

　　指標的口徑范圍、計算方法、計量單位必須一致，即要用同一種單位或標準去衡量；對比的對象要有可比性；對比的指標類(lèi)型必須一致。無(wú)論絕對數指標、相對數指標、平均數指標，還是其他不同類(lèi)型的指標，在進(jìn)行對比時(shí)，雙方必須統一。

　　2、關(guān)聯(lián)分析法

　　關(guān)聯(lián)分析法是一種十分實(shí)用的分析技術(shù)，是從大量數據中發(fā)現項集之間有趣的關(guān)聯(lián)和相關(guān)關(guān)系，從而描述一個(gè)事務(wù)中某些屬性同時(shí)出現的規律和模式。

　　關(guān)聯(lián)分析的一個(gè)典型例子是購物籃分析，這是一個(gè)很有趣的典型案例：美國學(xué)者Agrawal在發(fā)現啤酒和紙尿褲經(jīng)常一起出現在顧客購物籃中后，進(jìn)行了研究，發(fā)現原因出自“奶爸”這一群體。首先，從時(shí)間上，周末比工作日購買(mǎi)紙尿褲喝啤酒的頻率更多；其次，爸爸們喜歡看體育節目，而且更愛(ài)邊喝啤酒邊看，且美國的體育節目多在周末扎堆。所以，當周末母親需要給孩子換紙尿褲時(shí)，通常會(huì )讓正在看球的奶爸去買(mǎi)。奶爸出去買(mǎi)紙尿褲，會(huì )順便帶些啤酒回來(lái)。

　　世間萬(wàn)物之間多多少少會(huì )有一些關(guān)聯(lián)，通過(guò)關(guān)聯(lián)分析法，我們可以通過(guò)數據挖掘，將這些關(guān)聯(lián)規則挖掘出來(lái)。

　　3、漏斗分析法

　　漏斗分析法是一個(gè)適合業(yè)務(wù)流程比較規范、周期比較長(cháng)、各流程環(huán)節涉及復雜業(yè)務(wù)過(guò)程比較多的管理分析工具。例如漏斗圖用于網(wǎng)站中某些關(guān)鍵路徑的轉化率的分析，不僅能顯示用戶(hù)從進(jìn)入網(wǎng)站到實(shí)現購買(mǎi)的最終轉化率，同時(shí)還可以展示整個(gè)關(guān)鍵路徑中每一步的轉化率。

　　單一的漏斗圖無(wú)法評價(jià)網(wǎng)站某個(gè)關(guān)鍵流程中個(gè)步驟轉化率的好壞。我們可以利用之前介紹的對比分析法，對同一環(huán)節優(yōu)化前后的效果進(jìn)行對比分析，或對同一環(huán)節不同細分用戶(hù)群的轉化率作比較，或對同行業(yè)類(lèi)似產(chǎn)品的轉化率進(jìn)行對比，等等。

　　4、帕累托分析

　　帕累托分析又稱(chēng)ABC分類(lèi)庫存控制法，平常也稱(chēng)之為二八定律。二八定律是20世紀初意大利統計學(xué)家、經(jīng)濟學(xué)家維爾弗雷多·帕累托提出的：在任何特定群體中，重要的因子通常只占少數，約20％，而不重要的因子則占多數，約80％，因此只要能控制具有重要性的少數因子即能控制全局。二八定律與 ABC 分類(lèi)法大致相同，都是少數項目貢獻了大部分價(jià)值。不同之處是ABC 分類(lèi)法將對象分三類(lèi)，而二八分析則為 A、B 兩類(lèi)，A 類(lèi)品牌商品占總體的一小部分，貢獻了 80%的銷(xiāo)售額。

　　ABC分類(lèi)的核心思想：少數項目貢獻了大部分價(jià)值。以款式和銷(xiāo)售量為例：A 款式數量占總體 10% ，卻貢獻了 80% 的銷(xiāo)售額。

　　按照ABC分組對產(chǎn)品進(jìn)行分類(lèi)，根據產(chǎn)品的效益將其分為三個(gè)等級，這樣就可以有針對性地投放不同程度的資源，以達成產(chǎn)出最優(yōu)效益的目的。

　　5、留存分析法

　　留存分析是一種用來(lái)分析用戶(hù)參與情況的分析模型，可以用來(lái)衡量產(chǎn)品對用戶(hù)價(jià)值的高低。留存分析應該能夠靈活配置，通過(guò)留存率能夠判斷產(chǎn)品每一個(gè)步驟對客戶(hù)的粘性，通過(guò)留存分析，能夠宏觀(guān)把控用戶(hù)生命周期內產(chǎn)品的改善點(diǎn)。留存不僅是個(gè)可以反映客戶(hù)粘性的指標，更多地反映產(chǎn)品對用戶(hù)的吸引力。

　　按照不同周期，留存率分為三類(lèi)：

　　日留存：

　　第一種是日留存，日留存又可以細分為以下幾種：

　　次日留存率：（當天新增的用戶(hù)中，第2天還登錄的用戶(hù)數）/第一天新增總用戶(hù)數；

　　第3日留存率：（第一天新增用戶(hù)中，第3天還有登錄的用戶(hù)數）/第一天新增總用戶(hù)數；

　　第7日留存率：（第一天新增用戶(hù)中，第7天還有登錄的用戶(hù)數）/第一天新增總用戶(hù)數；

　　第14日留存率：（第一天新增用戶(hù)中，第14天還有登錄的用戶(hù)數）/第一天新增總用戶(hù)數；

　　第30日留存率：（第一天新增用戶(hù)中，第30天還有登錄的用戶(hù)數）/第一天新增總用戶(hù)數。

　　周留存：

　　第二種是周留存，以周度為單位的留存率，指的是每個(gè)周相對于第一個(gè)周的新增用戶(hù)中，仍然還有登錄的用戶(hù)數。

　　月留存：

　　第三種是月留存，以月度為單位的留存率，指的是每個(gè)月相對于第一個(gè)周的新增用戶(hù)中，仍然還有登錄的用戶(hù)數。

　　6、客戶(hù)畫(huà)像分析法

　　客戶(hù)畫(huà)像分析是衡量客戶(hù)價(jià)值和客戶(hù)創(chuàng )造利益能力的重要工具和手段，通過(guò)將典型客戶(hù)信息標簽化，來(lái)更好地對其開(kāi)展營(yíng)銷(xiāo)活動(dòng)。

　　RFM模型通過(guò)R（Rencency）近度、F（Frequency）頻度、M（Monetary）額度三個(gè)指標將客戶(hù)劃分為8個(gè)類(lèi)別。

　　通過(guò)RFM，我們可以把客戶(hù)分為8類(lèi)，然后就能方便公司針對不同的特征的用戶(hù)產(chǎn)出相應的營(yíng)銷(xiāo)策略。

【數據整理分析方法】相關(guān)文章：

數據整理分析教學(xué)實(shí)錄07-01

銷(xiāo)售數據的分析方法07-25

數據分析與辦公軟件：數據分析方法07-10

配件庫存分析數據的方法07-10

多維數據分析方法04-07

傳統數據分析方法09-20

銷(xiāo)售數據分析的方法07-03

銷(xiāo)售數據分析方法07-03

數據分析常用方法07-26

數據分析技巧和方法07-10