资讯

历史

科技

环境与自然

成长

游戏

财经

文学与艺术

美食

健康

家居

文化

情感

汽车

三农

军事

旅行

运动

教育

生活

星座命理

数据分析入门必看！数据分析5方法、11种工具分享

创作时间:

作者:

@小白创作中心

数据分析入门必看！数据分析5方法、11种工具分享

引用

来源

https://welly.tw/blog/data-analysis

近年来，数据分析师在就业市场中备受瞩目，数据分析师的技能可应用在许多领域及面向，因此无论是大企业，还是小公司，都需要懂得数据分析的人才。那么究竟数据分析是什么？数据分析是通过大量数据与资料，整理出数据背后可能产生的问题。本文将为你详细介绍数据分析的基础知识、流程、方法、工具以及其在不同行业的应用。

数据分析是什么？数据分析重要性、3 大应用面向报你知

（一）数据分析重要性

数据分析（Data analytics），又称为资料分析，网路上经常有人混用Data anaytics 及 Data analyze 这 2 个词，但因为 Analyze 是动词，所以若想查找英文资料，还是要用名词 Data analytics 搜索才正确唷！

数据分析是指透过大量数据与资料，整理出数据背面可能产生的问题。然而，要在一片数据海中寻找问题并不容易，若以航海来比喻，数据分析师通常都需要先釐清问题，将问题当成指南针，再到数据海中寻找问题的解答。

充分了解问题后，我们可以将数据分析的工作简单理解为「用数据说话」，数据分析师透过数据，让数据背後的意义实际呈现出来，进而提供各种问题的解答，改善或解决现有问题，甚至提前预测未来可能发生的問題。

（二）3 大应用数据分析的面向

1.了解客户

透过蒐集客户资料，针对客户做数据分析，可以将客户分类，包含：年龄、性别、职业、偏好、行为、消费能力等，未来将可针对不同客户的喜好做营销，将可更精准的向客户营销公司商品或服务，提高客户的购买机率，进而达到更高的获利。

2.优化作业流程

透过蒐集公司内部的资料，可以釐清公司有哪些效率不彰的问题，进而针对该问题提出解决方案，以降低公司营运的成本，提高公司的获利，比如对运输业来说，透过数据分析来拟定最快的运输路径，就可以直接减少运输的燃料成本、司机人力成本。

3.研发

想要研发出高销量的商品，前提是要够了解市场需求，透过数据分析，可以筛选哪些商品极具潜力，或市场其实有一定需求但尚未被满足，此时针对该市场需求研发产品，就可以避免研发成本被浪费，同时提高公司的获利。

数据分析流程＆方法有哪些？数据分析 5 步骤、方法一次看

（一）数据分析师的工作有哪些？数据分析有哪些步骤？

数据分析的步骤不少，一般来说，有数据分析四步骤、数据分析五步骤 2 种说法。但严格来说，数据分析流程可拆解为 5 个步骤，会较为仔细，每一步骤都有其重要性，每一步骤都要做到，才能有效达成数据分析的目的。

数据分析步骤 1：定义问题与蒐集资讯

对数据分析师来说，最重要的一步，是在分析前先定义问题，比如：为何这季销售状况不佳？确认想釐清的问题后，再蒐集分析问题所需的资料，用问卷、网页 cookie 或追踪程式等数位工具蒐集资料，来建立数据资料库。

数据分析步骤 2：处理

资料蒐集完成後，可能会有不同形式，因此数据分析师需要将资料先进行处理，让资料之间可以互相比对参考，比如将 2 笔不同时间单位的资料，换算成相同时间单位，这样才方便后续进行数据分析。

数据分析步骤 3：储存

资料蒐集完成後，资料的储存与管理也是一件非常重要的事，这个步骤如果可以做得完善，未来要从资料库中重新提取资料，就会非常方便。

数据分析步骤 4：分析

将资料放进数据分析的工具中，进行我们需要的分析，产出具分析结果，一般来说，数据蒐集越多，分析结果就会越准确，下方会再更深入的为大家介绍分析方法。

数据分析步骤 5：使用

数据分析结果出来后，数据分析师需要将资料视觉化，让人可以轻松理解产出的所有资讯，或是了解将来的可以确切优化的流程在哪里。

（二）5 大常见数据分析方法

数据分析工具中通常内建许多种类的资料分析方法，数据分析师可依照资料的特性，选择适合分析的工具，以产出具合适合的数据分析结果，以下就为大家介绍常见的 5 种资料分析方法。

分组分析法

先建立一个区分标准，将相同标准的资料分为一组，再比对不同组别的数据，举例如，将市场用价格区间分成不同组别，分为：低价位、中价位、高价位，来比对不同价位的业绩量。

结构分析法

结构分析经常用於做市场占有率分析，也就是比对总体与某部分的佔比关系，当某商品的市占率越高，就代表该商品在市场是具有权威性的指标商品。

交叉分析法

就像生物课或化学课的实验设计，交叉分析法是需要找出一个特定变因，来比较 2 项资料的差异，进而釐清关键变因的差异，是否就是造成特定结果的原因。

杜邦分析法

杜邦分析法是由美国杜邦公司创造的一种分析法，透过蒐集公司财务资料与营运资料，来比对并寻找这 2 项资料内部有关的链接，进而找出可能存在的营运盲点。

漏斗分析法

漏斗分析法是使用营销漏斗的概念来进行分析，营销漏斗分为：关注、兴趣、考虑、购买，这 4 项环节，说明了一位消费者购买的完整流程，因此这个方法就是在研究营销漏斗每一个环节的转换率，去分析是哪一个环节流失了较多客户，又或者哪一个环节转换率很高、客户几乎都有进行消费，进而釐清营销漏斗转换时的细节。

数据分析入门该从何开始？3 个方向开启数位分析之路！

若想要开始数据分析自学，建议先从了解资料分析入门的思维开始，之后再学习基础的数位分析工具，以下为你介绍学习数据分析应该会的几项工具与思维，也会教你如何选择适合自己的数据分析课程。

（一）培养分析思维

认识各种数据分析方法与背后逻辑，了解何种情况该使用何种分析方法，若想要从理论著手，会建议搭配书籍阅读。

以下推荐一本数据分析书籍《商业智慧与大数据分析》，由沧海书局出版，内容包含理论与实作，更重要的是本书主要以商业应用为目标，会以商用的角度来介绍数据分析知识，以及如何应用在商业管理当中，对于想要快速上手数据分析概念的人来说，会非常实用。

（二）学会基础的数据分析工具－Excel

了解数据分析概念后，接著就是学习操作数据分析工具，建议先摸熟 Excel。

Excel 是最基础的数据分析工具，网路上有很多影片资源，可以先透过 Excel 学习基础分析技巧，并搭配网路上的数据分析範例来参考，先见习专业的数据分析都是如何做，然後试著自己使用 Excel 操作看看，在参考几个资料分析範例之后，相信就会对数据分析有个基础的概念了！

（三）选择符合自身的数据分析线上课程

建议对数据分析还没有概念的人，先从概念课上起。目前网路上有許多线上课程可以挑選，大致包含 2 种，包含：商业类型的数分析课程、特定工具类型的分析课程。

前者包含数据分析概念课、数据分析师的心法课程等，主要是教数据分析的逻辑、概念；后者则是特定工具的专门课程，比如：Google 数据分析课程、Python 程式语言课程、BI 工具课程等。

若想要透过课程学习，数据分析课程会推荐先从概念课上起，有了大概的观念，并且实际操作过几次后，再针对自己需要加强的部分选购适合的专门课程，增加实力！

数据分析工具有几种？5 大步驟所需工具一次整理給你！

数据分析的整个流程中都需要不同工具，随着进行至不同流程，就会有对应的分析工具或数据分析软件来处理不同阶段的资料，对应市场需求，甚至还有数据分析 APP 可供使用，以下会介绍数据分析 5 大步骤常见的使用工具。

（一）蒐集资料

常见工具：SQL、Python、Google 表单、Survey Cake 等。

SQL：SQL 是数据分析研究人員及工作人員经常使用的工具，具备高度专业性，但语法与英文极类似，即便没有程式背景，只要英文基础不错，也有机会可以很快上手。
Python：Python 为强大且免费的开源系统，学会撰写程式码后，使用程式抓取资料的能力十分出众，且后续若出现问题时，也有许多学习资源与社群可询问与讨论。
Google 表单：Google 表单深为大众所知的表单系统，作为蒐集资料的基础工具，在 Google 后台的设计也简单易懂，不需要程式背景、不需特地学习也可以轻松使用。
Survey Cake：Survey Cake 不需程式背景即可轻松上手，在前台及后台都具备非常好的介面设计。

（二）资料处理

常见工具：Excel、Apache Hadoop 等。

Excel：Excel 是一款非常好上手的工具，若只是要分析少量数据，就非常适合使用 Excel，但若要分析巨量数据，Excel 就会卡顿。
Apache Hadoop：Apache Hadoop 可以从各装置中取用资料，并共享各个装置中的储存空间，同步处理与储存大量资料。

（三）资料储存

常见工具：Excel、SQL 、Python、Hive Systems 等。

Excel：Excel 作为大众熟知的表格工具，适合储存少量资料。 SQL：SQL 可以架构出一整套管理资料库的系统，让众多使用者同时使用同一个资料库，从中提取或删除资料。
Python：Python 具备扩展性高的特色，因此可拿来架构资料库，仰赖 Python 基础而强大的功能，以 Python 架构建构的资料库，往往能满足一般使用需求。
Hive Systems：Hive Systems是建构在 Apache Hadoop 上的分散式储存工具，可以批次处理大量资料。

（四）资料分析与建模

常见工具：程式语言 Python 数据分析工具、R 語言数据分析工具、Excel 工具、SPSS 数据分析工具等。

Python：利用 Python 进行数据分析，是许多较进阶的数据分析师会采用的方式，若本身已有程式基础，使用 Python 做数据分析不会太困难，建议先参考一些网路上的 Python 数据分析範例，再来使用 Python 做数据分析练习。
R 語言：R 語言属于免费开源的程式语言，在做统计分析上有许多套件可以使用，对使用者来说非常方便，若想做出漂亮的统计分析模型，那麼 R 語言会是你的好朋友，唯一的缺点是没有程式背景的人在学习、使用上会比较困难。
Excel：Excel 也是常见的数据分析工具，若对程式语言不熟悉，可优先从学习 Excel 来分析简单数据开始，而若想用 Excel 做数据分析，网路上有许多 Excel 数据分析课程与 Excel 数据分析教学可以看，建议多做一些 Excel 数据整理的练习，充实自己的作品集！
SPSS：SPSS 是需要付費的软件工具，但其友善的介面设计十分容易上手，适合对数据分析领域不熟悉的朋友。

除了付費软件之外，网路上也有免费数据分析工具可以使用，这些免费的资料分析工具也可帮助新手练习，若觉得免费软件功能不够用了，再考虑买软件，也比較不会浪费钱。

（五）资料视觉化

常见工具：Tableau 、Power BI 等。

Tableau 数据分析工具：Tableau 数据分析工具采用问题式去生产出数据图表，可以很直观的选择想问的问题，直接产出图表，对于没有数据分析基础的新手来说，可以用最快的方式上手，且图表配色上更和谐漂亮，重视图表美观的话可以使用。
Power BI 数据分析工具：使用者使用Power BI 数据分析工具时，必须先选择数据与分析方式后，才能进行数据分析，在使用逻辑上比较像 Excel，所以若是熟悉 Excel 的使用者，想学习 Power BI 可以更快衔接。

如果要比较这 2 个数据可视化 BI 工具，可以说Tableau 的可视化功能，跟 Power BI 资料可视化的功能其实是一样，端看个人使用习惯决定，但如果想进入数据分析师业界，最好 2 种都学习，因为通常每间公司习惯使用的工具不一，2 种都学就可能比别人拿到更多工作机会。