前段时间很多朋友留言学习一些数据分析的基础知识，一定要安排给我们热爱学习的同学。所以从这周开始，我们会时不时的给大家一些数据分析的入门知识，希望大家能理解和热爱数据分析。

今天我们主要和大家分享的是数据统计分析策略的相关知识，大家喜欢的朋友可以收集学习一下~

一般来说，数据统计分析策略主要分为三类，包括描述性统计分析、探索性统计分析和推理性统计分析。这三种策略都是由浅入深，让我们一步步掌握统计分析策略。

01

描述性统计分析

1）释义

根据百度的解释，描述性统计是指借助均值、百分比等各种数据表达的统计，进行单因素分析。它侧重于对数据的描述，比如描述你看到的一张图片。同平均水平的内容、可行范围、数据波动等。数据分析师可以更好地理解数据，掌握数据的全貌。

描述性统计分析是数据分析过程中的基本环节，但也非常重要。因为操作简单，是下一步数据分析的前提。

2）案例1

给你举个生活中的例子。开始

老板日常跟员工对话的场景。

老板：小丽，帮我查一下今年9月份网站的流量数据。

小丽：……（可能会想：老板你究竟想看什么数据？页面访问量（PV）还是用户访问量（UV）？你都没说明白，我怎么操作？）

但问题是，小丽不可能不给老板数据，所以，最好的办法就是两个数据都给，这样，小丽就能减少被老板批评的概率了。

那么，接下来小丽需要做的，就是通过描述性统计分析，将网站的PV和UV展现在表格中，像下图一样，并为这组数据附上简单的情况分析：

上图就是我们常用的基本统计指标，包括每天的PV和UV。接下，我们就要写上一些关键性的解读指标了。拿PV举例，我们就应该补充：比如，

日均PV为：41072.87次；

月内最多的一次访问量为：49,847次

月内最少的一次访问量为：30,471次；

月内有1/4天数的PV：在36791.5次以下；

标准差为：5,685.52；

……

需要注意的是，表格中的下四分位数，即统计学意义的25%分位点，上四分位则为统计学意义的75%分位点。最终，我们要提给老板数据表，应该还包括：

综上述，该案例就是一个典型的描述性统计分析。我们要做的，就是针对数据的统计结果做简单的描述，表达出数据的统计特征。

3）案例2

此外，如果我们想更加直观的呈现数据效果，还可以通过图形的方式，来描述数据的内部规律。

举个电商公司的例子：我们需要统计某电商平台，近一个月在各支付渠道的付款比例；或者我们需要分析用户年交易额的分布特征。那么我们应该怎么做呢？

我们先来说说支付渠道比例。通过数据统计并整合渠道，并计算各渠道占总付款渠道的比例，就可以形成如下图形：

接下来我们说说全年的用户交易额的分布特征。假设用户的总交易金额存在严重的不平衡，交易额在2000元以内的用户最多，且占到绝对优势；几乎所有用户的交易额都在10000元以内，超过10000元的用户极少，那么，我们就可以根据相应的数据比例，绘制出如下的曲线：

通过两条曲线的对比，我们可以发现它们的吻合度并不是很高，故可以进一步断定，该数据的分布并非正态分布。

由此可以得出结论：在日常的学习或工作中，数据分析人员需要掌握描述性统计分析的内容，包括：数据的频数分析、集中趋势分析（如：均值、中位数、众数等）、离散程度分析（如：标准差、极差、变异系数等）、分布特征（如：偏度值，峰度值等）以及一些基本的统计图形（如饼图、直方图、箱线图等）。

通过这些基本的统计描述方法，我们可以进一步的了解企业的业务，并了解企业地发展状况等。并且，掌握描述性统计分析方法，还能为企业决策提供有力的支持方案。

02

探索性统计分析

1）释义

通过百度词条，我们了解到：

探索性统计分析主要是通过探索，来发现数据背后隐藏的内在规律和联系。通常情况下，我们还可以利用探索性统计分析，去挖掘数据中出现异常的原因。

比如，当我们需要研究某些变量之间，是否存在一定的相关性；研究两组样本之间是否存在显著的差异性；探索企业内某指标是否达标的原因（如：曝光量、广告点击率、支付成功率、某支付渠道占比等）；探索企业内某指标未来的变化趋势等。

2）案例分析

对于从业者来说，探索性统计分析策略在工作中的应用是非常频繁的。因为我们可以通过该策略，帮助企业了解数据中不易发现的内在价值和联系，并通过借助数据可视化的技术，将问题的答案图形化，便于管理层直观地发现数据中有意思的信息。

为使读者更好地理解探索性统计分析的应用，这里举三个通俗易懂的小例子：

（1）探索汽车的速度与刹车距离之间的关系；

（2）探索《泰坦尼克号》里，男女乘客在一等舱内的票价，是否存在差异；

（3）探索某电商的交易量在PC端和移动端之间的比例变化。

下面，我们逐一的来分析这几个案例中，变量之间的关系。

案例1：

我们都知道，散点图可以直观地展现两者之间的某种内在关系（如线性关系、非线性关系或无相关关系）。所以，在探索汽车的速度与刹车距离之间的关系时，我们可以先画出散点图来。如下：

从图中我们可知，随着行驶速度的增加，刹车距离也在增加。它们之间属于正相关的线性关系。

（思考：这种正相关的线性关系，可否通过某个具体的函数来表达呢？大家可以思考一下，我们也会在后面介绍推断性统计分析时，为大家解惑。）

案例2：

我们都知道，箱型图最大的作用是：既可以直观地展现数据的对比，又可以识别出数据中的异常样本点。所以，在探索《泰坦尼克号》男女乘客在一等舱内的票价是否存在差异时，我们可以选择箱线图来进行描述。

如图，纵轴表示男女性别，横轴表示乘客的票价，在两个箱线图的中间箱体部位，都有一个明显的分界线，那就是中位数。

由上图可知，两个箱线图的中位数并没有近似垂直对齐，两者存在显著差异，说明男女乘客的票价存在显著差异。

由于篇幅限制，我们会在下一篇中，给大家分享剩下的篇幅。喜欢这些内容的话，请继续关注我们哦~