数据分析45讲，数据分析原则有哪些

如何才能成为一名合格的数据管理者呢？本文总结了四种演变表：原始数据表、数据源表、计算分析表、结果报告表。让我们一起来看看它，因为它可能会帮助您更好地管理数据流程。

标题：很多时候，当老板要求我们提交【数据分析报告】时，我们会感到困惑。 “老大，你在做什么？请说清楚，数据分析报告的目的是什么？”？ ”

事实上，老板的真实需求是：

文本：

小明是一位忙碌的助理。我的电脑上保存了很多报告，包括各个业务经理的报告。当我的老板索要数据结果报表时，他是最忙的，总是忙到深夜。 “1.总裁，为什么你每次要的数据都不一样？上次我要的是月收入与去年相比，这次我要的是毛利润增长率。2.这位经理连报表都不会做。”这是一张表格。上面堆满了各种数据，还有各种连接的单元格。”

这里，小明直接使用业务经理上报的数据表作为原始数据表，每次都根据老板的分析要求临时准备数据表，结果很忙，效率很低。要解决这个问题，需要从源头控制入手，根据数据表对数据分析流程进行一一管理。

为了满足数据管理的需求，我们首先要明确，呈现数据结果不可能一蹴而就，呈现管理结果是一项数据运营任务，需要严格的流程管理。这个流程管理涉及到四个演化表（只有对这四个表的透彻理解和严格管理才能保证数据操作的结果准确有用）。

1、原始数据表原始数据表是各个流程的开始，因此数据表的统计内容必须完整、规范。完整性是指数据的准确性，标准化是指数据后期的适用性。原始数据表的管理分为以下几项。

1、表规格表-1

表1是一位管理人员上传的数据表。小明可以直接用这张表作为原始数据表吗？

答案是不。根据上表和管理逻辑，小明做了以下调整：

1) 填写字段

表2

与表1相比，表2多了两个字段：成本和利润金额。除了计算销售数字外，主管还可以计算总成本、利润金额和利润率对应的数据。

当然，这并不意味着添加两个字段就可以完成所有数据；如果原始数据表中的统计字段缺失，以后尝试填充它们将导致多次返工，意味着这种情况会发生。

2）规范域

表3

与表2相比，表3中我们将sales方法中检查表示字段值的三个字段的方式改为检查一个字段与三类字段值的逻辑是否一致。

有些人可能会认为这种方法看起来不太好，并且将其显示为复选框并不直观。但你要思考的是这张表的状态是什么，如果是原始数据表，最终会作为数据源表参与数据分析，但总之就是vlookup 、 sumif 、 countif 等涉及到计算逻辑，但是现在标准化了吗？数据格式类型是不是更方便一些，以后想用延展性吗？

3）去掉多余的表名，使用单层表头。

表4

与表3相比，表4删除了重复的表名和多层表头。表格中每一列的单个标题可以完整表达该列的含义，因为多行标题不方便理解。多行标题也无法帮助您稍后组织表中的数据。

4) 禁用合并单元格

表5

与表4相比，表5对综合分类项进行了拆分。为什么原始数据表中禁止使用合并单元格？合并单元格除了第一行以外都是有值的，其他行其实都是空值，这是有原因的。如果您对此数据进行透视数据或筛选数据，此时您会注意到需要再次更改该数据的分类字段。这对以后的使用非常不利。

5) 删除重复的总行

表6

与表5相比，表6删除了[Total row]。如果你把自己提供的表当作别人的【原始数据表】，那么【总计行数】不但没有作用，还会影响后面的数据。

6) 取消空行和空列

空行和空列会影响后续数据分析操作期间的数据和操作。因此，原始数据表不能有空行或空列。

7）一格，一属性

表7

在表7 中，一些数据管理者更喜欢向字段添加其他操作属性，例如操作属性的ABC 分类。当这些数据作为【数据源】导入系统并进行分析时，将会影响后续的交易。

表8

如果表8的数量列中也放置了单位，则您知道该列中的数据是文本格式而不是数字格式。即使你想进行数据操作，你也做不到。此时拆分列会使事情变得更加复杂。

8) 使用正确的数字格式

表9

对于表9中的日期等格式，您必须先输入正确的日期格式，然后才能进行相应的数据分析。

2、管理标准业态一旦标准化，就是万里长征的第一步。数据处理需要严谨、准确的数据。在这里你需要实施管理实践。

1) 定义您的数据[必填字段]

在实际的管理过程中，我们会看到在不同的阶段会产生一些数据。有些字段不一定包含具体的字段值（尤其是B端业务）。如果某些字段不清楚而人们填写了这些字段，则填写报告的人可能没有完整填写表格。

因此，在上述情况下，需要定义数据【必填字段】。如果数据分析和后续数据报告需要特定数据，则需要此数据。

例如：

领导想知道“某年某月”的数据，那么就需要年份和月份，领导需要知道“应收账款”、“实际存款”、“ ‘差额’、‘坏账’]等。对于数据，[应收账款]、[已付收入]和[收入状况]为必填字段。收入状态可以是一个值，也可以用支付收入为0 来表示。主要取决于管理方法。从上面的解释可以看出，如果想要满足老板的要求，就应该严格要求数据控制者严格填写数据【Filler】。

2）明确谁将输入数据以及谁将审查数据

如果尚未确定填写数据的人员，则很有可能无人填写【原始数据表】或无法及时填写。这也是一个费力又艰难的过程。

如果多个人为同一部门录入数据，或者跨部门录入数据，则很可能会出现数据重复或数据错误的情况。随着越来越多的人输入数据，出错的可能性呈指数级增加。

在数据提交者之上增加一个“数据审核者”，每个“数据分析师”不一定是直接向“数据提交者”报告的领导者，所以数据的准确性需要由“数据分析师”来判断。申请人是否经营一家企业？这显然是不现实的，所以您应该为您的业务数据设置Data Reviewer，以确保数据的准确性。数据审核者可以是数据提交者的经理或提供数据的人。下一步是捕获业务数据并与部门和人员协作。

3）数据管理规则的制定

数据录入规则

必须为数据输入的及时性、输入字段值的定义等制定输入规则。没有规则，但是输入数据且不进行选择的人可以记录各种内容。

数据审核规则

必须制定数据审核的审核规则。尤其是审核的及时性问题，比如数据是否可以结转到下一步，是否可以安全地作为数据分析的数据源。

数据传输规则

对于数据来说，如果有数据处理和数据应用，就需要定义数据传输规则。例如，由于时间传输的及时性，数据传输过程中范围和人员可能会发生变化。

例如，如果第一阶段数据提交者输入数据，而第二阶段数据处理者发现数据不正确，则控制者变为A。第二层数据处理器可以直接修改数据。 B、第一步数据发送方返回数据。纠正。

许多管理者选择A 是为了效率。恭喜。原始数据表可能不正确。这是因为确定数据错误的过程也需要严格。如果第二个人有权力随意改变第一个人的数据，首先，两个人之前的对应关系就不再得到保证，其次，第一个人的数据的准确性就不再得到保证。第三方。如果只有两个人传递数据，谁保证第二个人改变的数据的准确性？

因此，数据并不算太麻烦，如果输入错误，只需返回并重新输入即可。这就是为什么财务管理如此要求和复杂。

数据错误率奖惩规则

为了实施适当的规则，需要错误率奖励和惩罚规则。比如说，除非减少错误率，比如仓库发货的错误率或者门店销售数据的错误率，如果没有奖励或惩罚规则，管理者的努力肯定会急剧增加。

第二，在错误率方面，我们应该重点惩罚谁[数据审核人员]或[数据录入人员]?这个问题的答案请看我们的第三篇文章《数据运营模型》我会解释。

4) 监测数据准确性

人类会犯错误，系统是由人类编码的，内部记录规则和算法规则可能是错误的。因此，需要定期监测数据的准确性。当然，如果前三点做得好的话，这个任务在时间和精力上的成本并不是很高。

2、管理了数据源表后，可以立即进行数据分析吗？为什么我还有另外一个数据源表？

您可能听说过很多花哨的术语，例如[数据处理]和[数据挖掘]。其实，将这些翻译成通用语言，意味着如果不想及时进行数据分析，就必须对原始数据表进行【数据处理】，并且不想反映结果数据分析，如果是，则需要对原始数据表进行数据处理。如果被批评，就需要对原始数据表进行数据处理和数据挖掘。

1、数据处理数据处理的逻辑是为了让【原始数据表】更容易进行数据处理和后续分析。

例如：

输入数据的格式为[年、月、日]。如果后面想做月度数据分析，可以在数据源表中添加月份字段（当然，月份字段可以不用）。当一个人在【源数据表】中填写重复字段时，年、月、日数据被分成三个字段，如果这个人违抗填写，那就由管理层负责。 ）

输入者输入了进货价格和销售价格，但考虑到效率，我应该输入毛利，还是编辑【数据源表】？当然，你可以把这个交给【数据分析表】来处理，但是如果你有【数据源表】的话，以后分析的时候可以直接重复引用，这样可以节省很多计算逻辑和量的计算.关联。

…………

这方面还有很多其他例子。数据处理是一个连续的过程，因此原始数据表不应有太多冗余字段，而数据分析表可以减少处理逻辑。

2. 数据挖掘数据挖掘是发现某些数据背后的关系。

1）例如，财务定义“应收账款”和“实际应收款”中的数据包括多种状态类型的数据：“待收集的交易”、“已收到但未开票的交易”、“状况不佳的交易”，可以看到有。债务]。

在许多情况下，如果直接定义应收账款- 实际应收款并且未收到差异，公司将质疑数据控制者。

2）例如，公司在定义毛利率时，会根据多个报表目标和场景的需要，选择性地添加供应链流程中的返利进行计算。因此，如果数据管理员简单地计算【销售额】-【进货价格】=【毛利】，在某些情况下，最终可能只是等待业务部门的反驳。

3）比如销售数据的话，很多人会分析销售数据的毛利润、毛利率、客均支出、同比对比等。有些可以计算单品率、会员复购率、面积效率等。如果您更高级，您还可以发现数据背后的更多管理逻辑。

…………

上面我可以举很多例子。您会发现，为了做好[数据挖掘]并成为真正的数据管理专家，数据经理需要对业务有很好的了解。

3、数据分析表很多表兄弟姐妹或者研发人员都会对Excel数据函数或者算法逻辑的应用着迷。当然，这些考验的是应用特定工具的人的逻辑和技术能力，但如果你在【数据分析表】上花费太多时间，你可能在其他三个表上花费的时间太少；最终【数据性能报告】表】如果要求达不到上级满意的程度，数据管理人员就会消耗大量的时间，最终会被迫熬夜或者加班。

因此，在创建“数据分析表”时，首先要了解它提供的是“数据结果报告表”，并且“数据结果报告表”的结论方向明确、简单。第一，数据工作者不需要承担任何成本。钱太多了，到了【数据分析台】大显身手的时候了。我们将在数据分析的第二部分“Excel数据分析”中详细解释这一点，并告诉您如何利用函数和数据透视表来节省工作时间。

1、明确分析方向在进行数据分析时，必须时刻意识到这是一份数据支撑的【数据结果报告】。如果对方是一家公司的老板，他们应该关注什么级别的数据？如果对方是公司高管，你会关注什么级别的数据？如果对方是部门领导，你会关注什么级别的数据？如果对方是企业的项目经理，你会关注什么级别的数据？您会关注哪些数据？我们会关注数据吗？

图1

例如，在图1中，企业需要向部门领导报告收入数据。这个时候你需要弄清楚对方想要什么吗？他想通过数据分析达到什么目的？

此时，可以从三个方面入手：

1）数据情况分析

请告诉我们的领导，数据收入的现状如何。

2) 改进的数据管理

告诉领导当前出现了哪些重要的管理问题，哪些可以有效改进，并通过有效利用领导的资源在会议上推动改进措施。

3）经营业绩预测建议

请告诉我们的领导，目前的业务状况如何。您对未来有何预测？我们应该优化什么？优化预测怎么样？

2、调整分析维度在数据分析过程中，我们发现数据的分析维度可能是多样的。同时，数据分析的某些维度不一定是有规律的，在这种情况下，需要调整《数据分析表》的分析方向，最终满足《数据结果报告表》的要求。

1）增加数据的维度

例如图1中，您还可以将客户维度数据分析引入到您当前的数据分析中。

2）调整数据维度

例如，图1中的业务预测表明，在数据分析过程中，我们发现该州的收入趋势不规律（即时间维度不具有分析性）。根据每个州的收入份额进行调整。各类型所占比例可以反映不同省份和地区不同业态的不同发展状况。根据您所在的州或地区进行特定于业务的调整。

4. 数据结果报告表在回归开始时，数据结果报告表需要以下内容：

整个过程概览：原因、过程、结果、建议，以报告形式完整呈现：清晰的框架结构，清晰的内容，图片和文字，清晰的结论，可行的建议或解决方案交付计划。此时我意识到，创建一个图文结合的PPT或者更好的Excel就可以满足上述要求。创建【数据结果报告】时，请勿使用过长的word文档。

同时，管理者将能够根据数据得出结论并提出管理优化建议，而不是简单地粘贴数据结果。

在这种情况下，您不符合数据控制者的资格。

如果您想成为一名更好的数据管理者，请了解作者的四个表格，以不断优化您的周期并改进您自己的数据流程管理。

本文最初发表于@peafun 的《人人都是产品经理》上。它禁止未经授权的复制

标题图片来自Unsplash，并获得CC0 许可。

人人产品经理平台仅提供信息存储空间服务。