令狐沖在華山學藝時，雖然勤學苦練，但是終不得法，在機緣巧合之下，得到風清揚老前輩的真傳，練成獨孤九劍之後，才名震江湖。雖然笑傲江湖的故事情節是虛構的，但從令狐沖蛻變的過程可以看出，練武需要祕籍。資料分析也有一本傳世祕籍，只有六字，這就是《資料化管理》中提到的六字箴言、資料分析的三板斧：對比、細分、溯源，具體來說：

• （1）對比就是成對的比較，分為橫向對比和縱向對比，橫比是指和“他人”比較，比如，兩家公司的離職率；縱比是指按照時間維度，和“自己”比較，比如，一家公司去年和今天的離職率。
• （2）細分是指分維度、降低粒度來分析資料，分維度是指增加維度，比如，離職率按照部門維度來分析；降低粒度是指降低資料聚合的程度，比如，離職率不按年份，而按照月份來統計。
• （3）溯源是指在對比、細分鎖定到具體維度和粒度之後，依然沒有結論，那就需要檢視原始資料，洞察資料，從資料中尋找靈感。

無對比，不分析

資料放在那裡，是沒有意義的，只有比較起來，才體現出資料分析的價值。無對比，不分析，對比在資料分析中地位，不言而喻。對比其實很簡單，就是把A和B比較，但是，沒有可對比性的對比一定是耍流氓。資料沒有可對比性，就沒有資料分析。指標的可對比性，可以從四個“一致”原則來評估：

• 物件一致：比較的物件一致
• 時間屬性一致：指標的時間屬性一致
• 定義和演算法一致：對分析物件的定義和計算方法一致
• 資料來源一致：統計的資料樣本一致

有時，指標的值不重要，是否具有可比性才是關鍵，這四個一致性原則分別是指：

1. 物件一致是可比的最基本原則，番茄的銷量和豬的銷量是不可比的，這其實就是因為比較的物件不一致。

2. 時間屬性比較特殊，物件所在的季節、月份等時間屬性要有可比性，例如，一家便利店冬季雪糕的銷量，和夏季沒有可比性，因為物件的時間屬性不同，但做銷量的同比是可以的。

3. 物件的定義和演算法要一致，舉個例子，青年的定義：

• 中國國家統計局：15-34週歲
• 中國共青團：14-28週歲

當統計青年人數佔總人數的比例時，中國國家統計局和中國共青團的做出的指標，肯定是不同的。

4. 所作的分析中，資料來源不同，資料的可比性就會大打折扣。

在做對比分析時，要記住三個“要”：對比要可比、差異要顯著、描述要全面。

• 對比要可比：對比分析要有可比性
• 差異要顯著：組間差異要顯著，組內差異要細微，常用的顯著性檢驗有T檢驗和方差分析；
• 描述要全面：當刻畫一組資料時，不僅要描述這組資料的一般水平（均值），還要考慮到這組資料的波動水平。如果波動很大，一般水平對資料總體的代表性就會很差。只考慮一般水平而不考慮波動和差異，會使資料的可信度大大縮水。

細分，增加分析的深度

細分體現在增加維度和降低粒度上。一個維度是資料表的一列，通常情況下，維度是指定性資料，例如，產品提供的服務的型別、使用者分佈的地域等。在分析資料時，增加分析的維度，改變看待問題的視角，能夠在更細分的級別上分析資料，洞察到更多的知識，增加資料分析的深度。例如，新使用者的留存率，通過增加獲客來源的維度，可以監控各個來源的新使用者的留存率，把有限的經費使用到真正可以帶來有效轉化的地方。

粒度是資料的聚合程度，最細節的資料是不會聚合的原始資料。舉個例子，每日資料是原始資料，其粒度是日，資料的數量巨大，而每週的統計資料是對日資料的聚合，其粒度是周，資料的數量變成原來的1/7。

通過增加維度和降低粒度來細分資料，深挖資料，揭示資料中潛藏的規律。

溯源，從原始資料中獲得洞察

溯源，就是到細節資料中去，檢視原始資料，反思使用者的行為。在做資料分析時，一定要明白你分析得資料是二手的，還是一手的。一手資料是最原始的資料，包含的內容最豐富，但資料可能不規範。二手資料是經過處理的，甚至是分析之後的資料，這些資料可能是片面的、閹割的、面向特定主題的。由此得出的分析結果可能有失偏駁。

資料分析方法

基本的資料分析方法，主要有以下4個：

1. 對比分析

對比分析中，通常以時間和空間兩個維度選擇參照物，自我比較，從“歷史”到“現在”，形成時間序列，叫做縱向對比；時間屬性相同，與別的事物比較，空間不同，叫做橫向對比。

2. 分類分析

研究物件通常是由不同的分組，每個分組的屬性可能是不同的，一個分組也叫一個類別。如果能把所有的個體按照其特點和屬性分類，使類內的差異小、具有共性；使類間的差異大、具有個性，那麼分析的工作就是面向這幾個類別，而不是大量的個體。分類分析的價值就是用類別代替個體，找到個性所在。

3. 分佈分析

當對比的物件不是一個數值，而是一組資料值時，需要考察資料的集中和離散趨勢。

4. 相關分析

相關分析研究的是事物之間的聯絡，相關分析的價值，在於把關聯量化。發現事物之間的關聯，你發現了世界；而發現事物之間的因果關係，你能改變世界。

參考文件：