为什么要进行数据分析

为什么要数据分析,对论文有什么意义？

目的

数据分析的目的是将大量看似杂乱的数据中隐藏的信息进行浓缩和提炼，以找出研究对象的内在规律。 在实际应用中，数据分析可以帮助人们做出判断，从而采取适当的行动。 数据分析是有组织、有针对性地收集数据、分析数据并将其转化为信息的过程。

该流程是质量管理体系的支撑流程。 数据分析流程必须正确应用于产品的整个生命周期，从市场研究到售后服务和最终处置，以提高效率。 例如，设计师在开始新的设计之前，必须进行广泛的设计研究并分析数据以确定设计方向。 因此，数据分析在工业设计中起着极其重要的作用。

数据分析是一种统计方法，其主要特点是多维性和描述性。 一些几何方法有助于揭示不同数据之间的关系，并绘制统计信息图，以更简洁地解释该数据中的主要信息。 其他人则用于收集数据以找出同质的内容，从而更好地理解数据。

数据分析可以处理大量数据并确定其中最有用的部分。 近年来该学科的成功很大程度上归功于制图技术的进步。 这些图可以通过直接分析数据来突出难以捉摸的关系，更重要的是，与经典统计方法不同，这些表示独立于基于现象分布的“先验”想法。

数据分析的数学基础在20世纪初就已经建立，但直到计算机的兴起才使实际操作成为可能，并推动了数据分析。 数据分析是数学和计算机科学的结合。

如果以固定的时间点作为数据分析的粒度单位，则称为时间序列分析，是主要用于销售数据的业务分析的方法之一。

专业软件统计与分析，包括：直方图、相关系数、协方差、各种概率分布、采样与动态模拟、集合均值估计、均值推断、线性与非线性回归、多元回归分析、移动

在商业智能方面，有Cognos、StyleIntelligence、Microstrategy、Brio、BO和Oracle，以及国内产品如YonghongZ-SuiteBI套件等。

参考：百度百科-数据分析

为什么要学商业数据分析

第一个作用：让数据说话

业务分析最重要的作用之一就是用数据来量化当前的情况，用清晰度来消除任何歧义。 例如，销售商品是一件看似简单的事情。 如果没有数据，我们只能笼统地说：我觉得销量不错。 交易系统中是否记录了订单ID、产品名称、产品原价、产品实际交易价格、产品交易数量、参与促销活动以及支付用户ID。 你可以非常准确地知道：销量是多少、哪些用户来购买、卖出了多少件商品。

除了直接记录外，还可以根据上述数据进行二次处理，以获得更有价值的信息。

第二个作用：用数据来判断

商业分析的第二个最重要的作用是用数据代替感受。 所有的商业判断都离不开标准。 但商业中的标准往往是根据具体情况随意制定的。 做事连标准都没有，大家都是凭自己的感觉去做。

使用未经分析和测试的标准来指导业务运营往往会带来灾难。 我们也看到太多了，出了问题就拍头，做事就拍胸，出了问题就拍大腿，做完就拍屁股。 《孙子兵法》云：夫不能怒而起兵，将不能怒而攻。 做好商业分析是抑制主观冲动、回归理性的有效方法。 例如，上面的场景实际上对应了三大类判断标准。 我们可以用分析的方法来检验这些判断标准是否合理，是否有更好的标准可以使用。

虽然很多时候商业判断本身并不一定是理性和客观的产物，但成功的商业运作也是激情、冲动、创造力甚至运气的结果。 但经过分析，我们至少可以给出一个客观的参考，让决策者在冲动之前能有一个常识性的认识。 毕竟冒着生命危险活下来的人很少，但是死得很惨、很惨的人却有很多。

第三个作用：用数据找原因

这是人们普遍认可的商业分析的作用1。 需要注意的是，业务分析探究问题的原因，而不是仅仅依赖内部系统数据。 例如，如果出现销售问题，往往可以通过内部数据来确定问题发生的时间、在哪个地区、在哪个门店以及哪个产品。 之后，应使用其他分析方法。 产品滞销可能是由于商店管理混乱、核心销售流失、消费者不喜欢以及竞争产品下架等原因造成的。 这些因素没有在内部记录。 这使得仅通过查看图标很难得出结论。 问题的真正原因必须通过市场走访、员工访谈、消费者研究和竞品比较来确定。 同样，营销活动、运营计划、生产采购等。 都可以用同样的方法来分析。

第四个角色：用数据来评估

这就是人们普遍认可的商业分析的角色*2。 例如，评价一项销售能力时，不仅要看销售额，还要考虑销售退货、毛利率、客户服务满意度、批发客户数量、违规行为（抢客户、不规范提交订单、分单）等。 ，ETC。 当评价维度有多个时，应进行综合评价。 目前，您可以通过统计方法进行专家评估或神经网络模型来压缩评估变量并获得综合评分，以更好地判断销售能力。 同样，产品、商店、供应商资质等。 都可以用同样的方式来评估。

第五个角色：用数据进行预测

这是人们普遍认可的商业分析的角色*3。 例如，销售预测对于销售部门、市场部门、供应链和售后部门来说是非常有必要的。 销售高峰意味着供应链采购和售后服务的工作量将成倍增加。 当销量最低的时候，营销部门要想办法提高销量，销售部门要努力去落实。 您可以使用统计方法或机器学习方法来预测销售额并在以后分享。 应该指出的是，经济预测不同于农业、社会学和经济预测。 商业环境正在发生本质变化。 因此，预测基础更不可靠，预测条件经常变化。 所以商业预测更多的是有参考价值，预测效果不如农业、社会学、经济学。