什麼是數據分析（Data Analytics）？
數據分析這個術語是指分析原始數據以得出結論的一門科學。許多數據分析的技術和流程已被自動化成機械過程和算法，這些過程和算法可以處理原始數據以供人們使用。企業及其他實體可以使用數據分析來優化性能並最大化利潤。這是通過使用軟體和其他工具來收集和分析原始數據來完成的。
關鍵要點
- 數據分析是分析原始數據以得出結論的一門科學。
- 數據分析幫助企業優化性能、更高效地運行、最大化利潤或做出更多策略性決策。
- 數據分析的技術和流程已被自動化成機械過程和算法，這些過程和算法可以處理原始數據並供人們使用。
- 數據分析的各種方法包括描述性分析、診斷性分析、預測性分析和前瞻性分析。
- 數據分析依賴於各種軟體工具，包括電子表格、數據可視化、報告工具、數據挖掘程序和開源語言。
理解數據分析
數據分析是一個涵蓋許多不同類型數據分析的廣義術語。任何類型的信息都可以經過數據分析技術進行分析，以獲得可以用來改進的見解。數據分析技術可以揭示出否則在大量信息中可能會被忽略的趨勢和指標。這些信息可以用來優化流程，以提高業務或系統的整體效率。
例如，製造公司經常記錄各種機器的運行時間、停機時間和工作隊列，然後分析數據以便更好地計劃工作負荷，讓機器運行接近最大容量。
數據分析可以做的不僅僅是指出生產中的瓶頸。遊戲公司使用數據分析來設置玩家的獎勵時間表，以保持大多數玩家活躍。內容公司使用許多相同的數據分析來讓您點擊、觀看或重新組織內容，以獲得更多的查看或點擊。
數據分析的重要性
數據分析很重要，因為它有助於企業優化其性能。將其應用於業務模型意味著公司可以通過識別更高效的業務方式來幫助降低成本。公司還可以使用數據分析做出更好的業務決策，並幫助分析客戶趨勢和滿意度，這可能導致新產品和服務的產生和改進。
數據分析的步驟
- 確定數據需求或數據如何分組。數據可能按年齡、人口統計、收入或性別分開。數據值可能是數值的，也可能按類別劃分。
- 收集數據。這可以通過各種來源完成，如計算機、在線來源、攝像機、環境來源或人員。
- 整理數據以便分析。這可能發生在電子表格或其他可以接收統計數據的軟體上。
- 在分析數據之前清理數據。這是通過去重和確保沒有錯誤並且數據不完整的過程。這一步有助於在數據送到數據分析員進行分析之前糾正任何錯誤。
數據分析的類型
- 描述性分析：描述在某個時間範圍內發生了什麼。例如，查看數量是否增加？本月銷售是否比上月強？
- 診斷性分析：側重於為什麼會發生某些事情。這涉及更多的多樣化數據輸入和一些假設。例如，天氣是否影響了啤酒銷售？最新的營銷活動是否影響了銷售？
- 預測性分析：這轉向預測近期可能會發生的事情。例如，最後一次炎熱的夏天銷售情況如何？有多少天氣模型預測今年夏天會炎熱？
- 前瞻性分析：建議一個行動方案。例如，如果這五個天氣模型的測量結果平均超過58%，則我們應該增加夜間班次並租用額外的儲罐以增加產量。
數據分析技術
數據分析依靠許多軟體工具來協助數據分析，包括電子表格、數據可視化、報告工具、數據挖掘程序和開源語言。數據分析迅速發展的技術能力，以及廣泛的數學和統計方法，使數據分析員有更廣泛的軟體工具來幫助獲取數據、存儲信息、處理數據和報告結果。
- 回歸分析：這包括分析一個或多個自變量和因變量之間的關係。自變量用來解釋因變量，說明自變量的變化對因變量的影響。
- 因子分析：這包括將一個複雜的數據集中的變量減少為更少的變量。這一操作的目標是嘗試發現隱藏的趨勢，這些趨勢否則會更難被看到。
- 群組分析：這是將數據集拆分為相似數據組的過程，通常是按顧客人口統計劃分。這允許數據分析員以及其他數據使用者進一步深入了解特定數據子集的數字。
- 蒙特卡洛模擬：建模不同結果發生的概率。它們通常用於風險緩解和損失預防。這些模擬包含多個值和變量，通常具有比其他數據分析方法更大的預測能力。
- 時間序列分析：跟蹤隨時間變化的數據，鞏固數據點的價值和數據點的發生之間的關係。這種數據分析技術通常用於發現周期性趨勢或做出財務預測。
數據分析工具
數據分析的技術能力快速發展，除了廣泛的數學和統計方法處理數據，數據分析師還有廣泛的軟體工具來幫助獲取數據、存儲信息、處理數據和報告結果。
數據分析總是與電子表格和 Microsoft Excel 有著鬆散的聯繫。數據分析師經常與原始編程語言交互以轉換和操作資料庫。
數據分析師在報告或傳達結果時也有幫助。Tableau 和 Power BI 是數據可視化和分析工具，用於編譯信息、執行數據分析並通過儀錶板和報告分發結果。
其他工具也在不斷出現以幫助數據分析師。SAS 是一個分析平臺，可以幫助進行數據挖掘。Apache Spark 是一個開源平臺，適用於處理大型數據集。數據分析師擁有廣泛的技術能力，可以進一步提高他們為公司提供的價值。
數據分析的角色
數據分析可以通過突出模式來提高各行業的運作效率和性能。實施這些技術可以讓公司和企業獲得競爭優勢。我們來看看數據分析的過程，分為四個基本步驟。
- 收集數據：正如名稱所示，此步驟涉及從廣泛的來源收集數據和信息。各種形式的信息然後被重新創建為相同的格式，以便最終進行分析。這個過程可能需要相當多的時間，比任何其他步驟都多。
- 資料管理：需要一個資料庫來包含、管理和提供對收集的數據的訪問。數據分析的下一步因此就是創建這樣一個資料庫來管理信息。儘管有些人或組織可能會將數據存儲在 Microsoft Excel 電子表格中，但 Excel 在這方面是有限的，更適用於財務等基本分析和計算。關聯資料庫比 Excel 更適合作為資料存儲。它們允許儲存更大的數據量，並允許有效訪問。關聯結構允許表格一起使用。結構化查詢語言（SQL）是用於操作和查詢關聯資料庫的計算機語言。SQL 授是於1979年誕生，可以輕鬆地與關聯資料庫交互，從而對進行查詢、構建和分析數據集。
- 統計分析：第三步是統計分析。它包括將收集和存儲的數據解釋為模型，這些模型希望能夠揭示出可以用於解釋未來數據的趨勢。這是通過開源編程語言如 Python 實現的。更具體的數據分析工具，如 R，可以用於統計分析或圖表建模。
- 數據展示：數據分析過程的結果是旨在共享的。最後一步是將數據格式化，使其可以被他人特別是公司內負責增長、分析、效率和運營的個人所理解和利用。擁有訪問權限對股東來說也是有利的。
數據分析的意義和用途
數據分析提供了企業成功概率的關鍵組成部分。收集、分類、分析和展示數據可以顯著提高和利益社會，尤其是在醫療保健和預防犯罪等領域。但是數據分析的用途對於尋求在隔壁公司的競爭中獲得優勢的小企業和初創公司同樣有利，儘管規模更小。
數據分析的重要性
將數據分析應用於業務模型意味著公司可以通過識別更高效的業務方式來幫助降低成本。公司還可以使用數據分析做出更好的業務決策。
四種數據分析的類型
數據分析分為四個基本類型。描述性分析描述在某個時期內發生了什麼。診斷性分析更多地側重於為什麼會發生某些事情。預測性分析轉向預測近期可能會發生的事情。最後，前瞻性分析建議一個行動方案。
誰在使用數據分析？
數據分析已被多個行業所採用，例如旅行和酒店業，在這些行業中，周轉速度可能很快。醫療保健是另一個結合使用大量結構化和非結構化數據的行業，數據分析可以幫助快速做出決策。零售業也使用大量數據來滿足顧客不斷變化的需求。
總結
數據分析幫助個人和組織在不斷依賴信息和收集統計的世界中利用數據。使用各種工具和技術，可以將一組原始數據轉化為有用的、教育性的見解，從而推動決策和深思熟慮的管理。