????????數(shù)據(jù)分析小白往往在學(xué)了一大通數(shù)據(jù)分析工具，比如Excel/SQL/Python /java/SPSS什么的之后總感覺分析數(shù)據(jù)沒思路，一是沒有數(shù)據(jù)可供你分析，網(wǎng)上找的一堆數(shù)據(jù)都不是你“理想”的數(shù)據(jù)形態(tài)，因為學(xué)習(xí)用的數(shù)據(jù)好像都是恰好是解決學(xué)習(xí)的那個部分知識，別的問題都沒有，很“干凈"；二是你自己爬數(shù)據(jù)或者找公司內(nèi)部的數(shù)據(jù)，發(fā)現(xiàn)不是格式有問題就是完整度缺失，又或者沒法用一些成熟的方法去套。

????????這個時候可能就會想是不是自己還不會什么竅門或者方法論呢？一去4某度、某乎搜索會發(fā)現(xiàn)五花八門的答案，各種大拿的高贊答案說一樣都一樣，說不一樣好像都不一樣，甚至你會看到，有說統(tǒng)計方法論（比如描述分析、回歸分析、判別分析、時間序列）、商業(yè)方法論（PEST、波特五力模型、SWOT、4P、5W2H），還有說的簡單明了的，平均分析法、對比分析法、交叉分析法、趨勢分析法、結(jié)構(gòu)分析法，也有名字高深點的，CRISP-DM、SEMMA、挖掘9律、DMAIC方法、AOSP-SM。

????????你會傻傻分不清到底誰說的才是對的呢？實際上，你的判斷需要基于對答主的職位和行業(yè)等背景，因為方法論本身是抽象的，具體到各個行業(yè)各個崗位經(jīng)過長期實踐總結(jié)而來的一種流程或體系，所以因人而異，看你今后往哪個領(lǐng)域發(fā)展而著重搞懂這個領(lǐng)域的“方法論”。

????????從行業(yè)來說，商業(yè)領(lǐng)域和工業(yè)領(lǐng)域的數(shù)據(jù)類型、存儲方式、數(shù)據(jù)量不同，方法論自然不同。對于職位來說，對于業(yè)務(wù)運營只需要知道常用分析思路，比如對比、趨勢、占比、異常；對于初級數(shù)據(jù)分析師而言，先需要記住各種分析法，以及結(jié)合分析工具怎么實現(xiàn)；對于高級數(shù)據(jù)分析師而言，需要掌握商業(yè)方法論、回歸分析、判別分析、時間序列等等。

????????數(shù)據(jù)分析師和數(shù)據(jù)挖掘工程師又是不同的概念，對于數(shù)據(jù)挖掘工程師而言，不僅需要掌握各種數(shù)據(jù)挖掘模型，比如邏輯回歸、支持向量機(jī)、線性回歸、貝葉斯模型、決策樹模型、集成學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)，還需要掌握真正的“方法論”，也就是CRISP-DM、SEMMA、挖掘9律等等。

????????為什么這么說？因為數(shù)據(jù)分析實際上并沒有業(yè)界普遍接受的方法論，甚至都不能叫方法論，只能說對某種分析方法大家各有各的叫法，比如數(shù)據(jù)分析師比較熟悉的理論——"AARRR模型"，對用戶運營叫“增長模型”或是“海盜模型”，對數(shù)據(jù)分析師叫"AARRR模型"或漏斗模型，對數(shù)據(jù)產(chǎn)品經(jīng)理來說叫“客戶生命周期模型”。甚至對這些方法來說只是解決某個局部問題的，相當(dāng)于搭建一個網(wǎng)站，各種各樣的組件只能叫方法，有的人用了一系列組件把它總結(jié)一個流程，另一個也總結(jié)一個流程，但它們都不是公認(rèn)的標(biāo)準(zhǔn)。然而對于數(shù)據(jù)挖掘（更常用于大數(shù)據(jù)或工業(yè)界），是有業(yè)界公認(rèn)的完整解決項目標(biāo)準(zhǔn)的，比如CRISP-DM、SEMMA。做產(chǎn)品的、做用戶的、做數(shù)據(jù)的面向的對象不同，思路自然是不同的。所以作為數(shù)據(jù)分析小白應(yīng)該正確甄別，各取所需。

????????下面我們詳細(xì)解釋一下我們能常見到的一些概念，你就能明白它們都是干什么用的，也就知道了你需要哪些、怎么用。

1.統(tǒng)計方法論（不是方法論，只是方法）

????????這類方法論主要包括描述分析、回歸分析、判別分析、時間序列分析、ARIMA模型、ABtest等從統(tǒng)計學(xué)來的術(shù)語。無論是數(shù)據(jù)分析還是數(shù)據(jù)挖掘都是從數(shù)據(jù)里發(fā)現(xiàn)某種規(guī)律，也就是從樣本數(shù)據(jù)（你所能得到的數(shù)據(jù)都是樣本數(shù)據(jù)）來推理總體數(shù)據(jù)（總體是永遠(yuǎn)無法被全部看到的）的某些規(guī)律或特征，然后我們再利用這些規(guī)律來預(yù)測指導(dǎo)我們還未得到的但是想得到的另一部分樣本數(shù)據(jù)的特征，比如大數(shù)據(jù)殺熟，就是利用它掌握你已有的數(shù)據(jù)來判斷你的行為規(guī)律。而統(tǒng)計學(xué)是最早形成關(guān)于數(shù)據(jù)問題的研究的專門學(xué)問，所以現(xiàn)在很多方法大都來源于統(tǒng)計學(xué)。

????????賈俊平老師的《統(tǒng)計學(xué)》定義了數(shù)據(jù)分析方法可分為描述統(tǒng)計和推斷統(tǒng)計兩種方法，描述統(tǒng)計研究的是數(shù)據(jù)如何收集、處理、匯總、圖表描述、概括與分析等，推斷統(tǒng)計是研究如何利用樣本數(shù)據(jù)推斷總體數(shù)據(jù)。這可以說是最權(quán)威的定義了。

我們常說的描述統(tǒng)計分析都是這里的一方面，分別對數(shù)據(jù)的分布狀態(tài)、數(shù)字特征和隨機(jī)變量之間關(guān)系研究。我們需要根據(jù)數(shù)據(jù)類型和對象數(shù)量來確定所用方法。下面這張圖比較清楚展示各種方法：

????????統(tǒng)計推斷是基于描述性統(tǒng)計基礎(chǔ)上的方法，主要是參數(shù)估計、假設(shè)檢驗、隨機(jī)過程和判別分析，它解決問題的步驟與上面相比更加復(fù)雜和系統(tǒng)。下面這張圖展示了這些方法：

2.商業(yè)方法論（不是方法論，只是方法）

????????這類包含了很多成熟了方法模型，不僅有PEST、波特五力模型、SWOT、4P、5W2H，還有波士頓矩陣、SPACE矩陣、三四矩陣等等，這些分析模型大都是商業(yè)實踐總結(jié)出的經(jīng)典模型，它們的實用性和針對性很強(qiáng)，從品牌、營銷、管理、戰(zhàn)略、用戶角度提煉出的抽象模型。它給我們提供了分析問題的思路，但是對大部分?jǐn)?shù)據(jù)從業(yè)者來說是用不到的，而針對咨詢公司或大公司的管理者。這就是這些分析方法對數(shù)據(jù)從業(yè)者的定位，大家都需要了解，但是一輩子可能都用不到。還有一個問題是這些模型雖然也是基于數(shù)據(jù)，但是數(shù)據(jù)從業(yè)者計算、挖掘這種利用數(shù)據(jù)，而是管理者或?qū)＜一跀?shù)據(jù)的經(jīng)驗判斷。下面這張圖展示了這些經(jīng)典方法：

????????當(dāng)然，如果你是”PPT“級別的數(shù)據(jù)分析師，這些商業(yè)模型套路是要準(zhǔn)備的，顯得高大上，但是往往不“實用”。

3.常用“方法論”（不是方法論，只是方法）

????????接下來就是數(shù)據(jù)分析小白耳熟能詳?shù)某Ｓ谩胺椒ㄕ摗绷?。如果功課做得好的，張口就來——平均分析法、對比分析法、交叉分析法、趨勢分析法、結(jié)構(gòu)分析法、異常分析法、關(guān)聯(lián)分析、聚類分析、漏斗分析、杜邦分析等等，還有很多。對于運營、HR、財務(wù)、數(shù)據(jù)分析師等來說最容易使用也是最常使用的。但是有一個問題是什么時候用什么，該用哪些不該用哪些常常會讓人疑惑，也沒人告訴你有什么標(biāo)準(zhǔn)。但是作為數(shù)據(jù)分析自己還是需要一個分類標(biāo)準(zhǔn)，把經(jīng)常性的方法整理歸類，方便日后再使用，你有了全部分析方法就會避免遺漏了分析角度。下面這張圖展示了這些方法的應(yīng)用角度：

????????我們在分析數(shù)據(jù)時，往往應(yīng)該從描述、比較、趨勢、占比、相關(guān)等角度進(jìn)行，而且這些角度也不是孤立的，會產(chǎn)生多重作用和功能。我們分析趨勢也會進(jìn)行比較，看結(jié)構(gòu)時也會進(jìn)行比較或者看趨勢。

3.挖掘方法論（業(yè)界公認(rèn)的標(biāo)準(zhǔn)，是方法論）

????????厘清了上面的各種“方法論”之后，我們再來看實際“方法論”長什么樣。不同于上面五花八門的方法，下面這些數(shù)量不多，但是是用的比較成熟的理論。主要有CRISP-DM、SEMMA、挖掘9律、DMAIC方法、AOSP-SM等。先來看一個數(shù)據(jù)：

????????這張圖是著名的數(shù)據(jù)科學(xué)技術(shù)網(wǎng)站KDnuggets上民意調(diào)查得到的關(guān)于數(shù)據(jù)分析、數(shù)據(jù)挖掘的方法論（methodology）的排名?？梢钥吹脚旁诘谝晃坏木褪荂RISP-DM，第三位SEMMA,第二位的“My own"表示的是自己的方法論。下面這張圖左邊是另一個數(shù)據(jù)科學(xué)網(wǎng)站的排名，你也可以看到CRISP-DM排在第一位，而且長期排在第一位?？梢钥吹狡鋵崒τ诜椒ㄕ?，數(shù)據(jù)從業(yè)者其實是有特定指認(rèn)的，不是所有的方法都叫方法論。

????????什么是CRISP-DM？它的全稱(cross-industry standard process for data mining), 即為"跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程"。此KDD過程模型于1999年歐盟機(jī)構(gòu)聯(lián)合起草的數(shù)據(jù)挖掘項目的標(biāo)準(zhǔn)化方法，也是業(yè)內(nèi)公認(rèn)的數(shù)據(jù)挖掘與分析的通用方法論。它的主要流程如下圖展示：

????????通過了解CRISP-DM，我們應(yīng)該明白了所謂的方法論是什么，它是一個完整、通用、可行的流程和框架，無論是數(shù)據(jù)分析還是數(shù)據(jù)挖掘，都有這么一個商業(yè)理解、數(shù)據(jù)收集、數(shù)據(jù)處理、分析/建模、應(yīng)用/部署的過程。

????????實際上，我們想找方法論無非就是想搞清楚我該做什么、怎么做、怎么確保它是正確的，也就是說想建立一套自己的分析/挖掘套路，那么其實對于數(shù)據(jù)分析師還是數(shù)據(jù)挖掘工程師都可以從先這個流程建立自己的框架。然后需要用到什么具體的方法可以從上面找，一步一步組合，就可以形成自己的方法論。下面結(jié)合上面的各種分析方法提供了一個簡要的流程框架：

????????需要注意的是，CRISP-DM是一個環(huán)形過程，而這個過程雖然是是線性過程，但實際上也需要反反復(fù)復(fù)驗證和調(diào)整。這里所有介紹都只是框架，把幾乎所有分析、挖掘方法都囊括進(jìn)來。我將在后續(xù)文章里逐一介紹這些方法和模型如何使用，并且還會有完整案例。

????????最后歡迎大家關(guān)注我，我是拾陸，搜索公眾號“二八Data”，更多技術(shù)干貨持續(xù)奉獻(xiàn)。