數據分析如何做?10分鐘了解數據分析,建立數據分析基礎認識!
Polly
20 min read
2024-06-25更新
# 行銷Marketing
數據分析師是這幾年職場熱門轉職選項之一,本文將帶你快速了解各種數據分析方法及數據分析工具,教你數據分析入門該如何開始,更會帶你看各產業中的數據分析應用實例,讓你快速成為數據分析達人!
數據分析是什麼?數據分析重要性、3 大應用面向報你知
近年來數據分析師在就業市場中非常火熱,數據分析的技能可應用在許多領域及面向,因此無論是大企業,還是小公司,都需要懂得數據分析的人才,那麼究竟數據分析是什麼?資料分析是什麼?就讓我們一起來看看吧!
(一)數據分析重要性
數據分析為何重要?數據分析(Data analytics),又稱為資料分析,網路上經常有人混用Data anaytics 及 Data analyze 這 2 個詞,但因為 Analyze 是動詞,所以若想查找英文資料,還是要用名詞 Data analytics 搜尋才正確唷!
數據分析是指 透過大量數據與資料,整理出數據背面可能產生的問題 。然而,要在一片數據海中尋找問題並不容易,若以航海來比喻,數據分析師通常都需要先釐清問題,將問題當成指南針,再到數據海中尋找問題的解答。
充分了解問題後,我們可以將數據分析的工作簡單理解為「用資料說話」,數據分析師透過數據,讓數據背後的意義實際呈現出來,進而提供各種問題的解答,改善或解決現有問題,甚至提前預測未來可能發生的問題。
(二)3 大應用數據分析的面向
1.了解客戶
透過蒐集客戶資料,針對客戶做數據分析,可以將客戶分類,包含:年齡、性別、職業、偏好、行為、消費能力等,未來將可針對不同客戶的喜好做行銷,將可更精準的向客戶行銷公司商品或服務,提高客戶的購買機率,進而達到更高的獲利。
2.優化作業流程
透過蒐集公司內部的資料,可以釐清公司有哪些效率不彰的問題,進而針對該問題提出解決方案,以降低公司營運的成本,提高公司的獲利,比如對運輸業來說,透過數據分析來擬定最快的運輸路徑,就可以直接減少運輸的燃料成本、司機人力成本。
3.研發
想要研發出高銷量的商品,前提是要夠了解市場需求,透過數據分析,可以篩選哪些商品極具潛力,或市場其實有一定需求但尚未被滿足,此時針對該市場需求研發產品,就可以避免研發成本被浪費,同時提高公司的獲利。
數據分析流程&方法有哪些?數據分析 5 步驟、方法一次看
(一)數據分析師的工作有哪些?數據分析有哪些步驟?
資料分析的步驟不少,一般來說,有資料分析四步驟、資料分析五步驟 2 種說法。但嚴格說來,數據分析流程可拆解為 5 個步驟,會較為仔細,每一個步驟都有其重要性,每一個步驟都要做到,才能有效達成數據分析的目的。
數據分析步驟 1:定義問題與蒐集資訊
對數據分析師來說,最重要的一步,是在分析前先定義問題,比如:為何這季銷售狀況不佳?確認想釐清的問題後,再蒐集分析問題所需的資料,用問卷、網頁 cookie 或追蹤程式等數位工具蒐集資料,來建立數據資料庫。
數據分析步驟 2:處理
資料蒐集完成後,可能會有不同形式,因此數據分析師需要將資料先進行處理,讓資料之間可以互相比對參考,比如將 2 筆不同時間單位的資料,換算成相同時間單位,這樣才方便後續進行數據分析。
數據分析步驟 3:儲存
資料蒐集完成後,資料的儲存與管理也是一件非常重要的事,這個步驟如果可以做得完善,未來要從資料庫中重新提取資料,就會非常方便。
數據分析步驟 4:分析
將資料放進數據分析的工具中,進行我們所需要的分析,產出分析結果,一般來說,數據蒐集越多,分析結果就會越準確,下方會再更深入的為大家介紹分析方法。
數據分析步驟 5:使用
數據分析結果出來後,數據分析師需要將資料視覺化,讓人可以輕鬆理解產出的所有資訊,或是了解將來可以確切優化的流程在哪裡。
(二)5 大常見數據分析方法
數據分析工具中通常內建許多種類的資料分析方法,數據分析師可依照資料的特性,選擇適合分析的工具,以產出最合適的數據分析結果,以下就為大家介紹常見的 5 種資料分析方法。
分組分析法
先建立一個區分標準,將相同標準的資料分為一組,再比對不同組別的數據,舉例來說,將市場用價格區間分成不同組別,分為:低價位、中價位、高價位,來比對不同價位的業績量。
結構分析法
結構分析經常用於做市場佔有率分析,也就是比對總體與某部分的佔比關係,當某商品的市占率越高,就代表該商品在市場是具有權威性的指標商品。
交叉分析法
就像生物課或化學課的實驗設計,交叉分析法是需要找出一個特定變因,來比較 2 項資料的差異,進而釐清關鍵變因的差異,是否就是造成特定結果的原因。
杜邦分析法
杜邦分析法是由美國杜邦公司創造的一種分析法,透過蒐集公司財務資料與營運資料,來比對並尋找這 2 項資料內部有關的連結,進而找出可能存在的營運盲點。
漏斗分析法
漏斗分析法是使用行銷漏斗的概念來進行分析,行銷漏斗分為:關注、興趣、考慮、購買,這 4 項環節,說明了一位消費者購買的完整流程,因此這個方法就是在研究行銷漏斗每一個環節的轉換率,去分析是哪一個環節流失了較多客戶,又或者哪一個環節轉換率很高、客戶幾乎都有進行消費,進而釐清行銷漏斗轉換時的細節。
數據分析入門該從何開始?3 個方向開啟數位分析之路!
若想要開始數據分析自學,建議先從了解資料分析入門的思維開始,之後再學習基礎的數位分析工具,以下為你介紹學習數據分析應該會的幾項工具與思維,也會教你如何選擇適合自己的數據分析課程。
(一)培養分析思維
認識各種數據分析方法與背後邏輯,了解何種情況該使用何種分析方法,若想要從理論著手,會建議搭配書籍閱讀。
以下推薦一本數據分析書籍《商業智慧與大數據分析》,由滄海書局出版,內容包含理論與 實作,更重要的是本書主要以商業應用為目標,會以商用的角度來介紹數據分析知識,以及如何應用在商業管理當中,對於想要快速上手數據分析概念的人來說,會非常實用。
(二)學會基礎的數據分析工具-Excel
了解數據分析概念後,接著就是學習操作數據分析工具,建議先摸熟 Excel。
Excel 是最基礎的數據分析工具,網路上有很多影片資源,可以先透過 Excel 學習基礎分析技巧,並搭配網路上的數據分析範例來參考,先見習專業的數據分析都是如何做,然後試著自己使用 Excel 操作看看,在參考幾個資料分析範例之後,相信就會對數據分析有個基礎的概念了!
(三)選擇符合自身的數據分析線上課程
建議對數據分析還沒有概念的人,先從概念課上起。目前網路上有許多線上課程可以挑選,大致包含 2 種,包含:商業類型的數據分析課程、特定工具類型的分析課程。
前者包含數據分析概念課、數據分析師的心法課程等,主要是教數據分析的邏輯、概念;後者則是特定工具的專門課程,比如:Google 數據分析課程、Python 程式語言課程、BI 工具課程等。
若想要透過課程學習,數據分析課程會推薦先從概念課上起,有了大概的觀念,並且實際操作過幾次後,再針對自己需要加強的部分選購適合的專門課程,增加實力!
數據分析工具有幾種?5 大步驟所需工具一次整理給你!
數據分析的整個流程中都需要不同工具,隨著進行至不同流程,就會有對應的數據分析工具或數據分析軟體來處理不同階段的資料,對應市場需求,甚至還有數據分析 APP 可供使用,以下會介紹數據分析 5 大步驟常見的使用工具。
(一)蒐集資料
常見工具:SQL、Python、Google 表單、Survey Cake 等。
- SQL:SQL 是數據分析研究人員及工作人員經常使用的工具,具備高度專業性,但語法與英文極類似,即便沒有程式背景,只要英文基礎不錯,也有機會可以很快上手。
- Python:Python 為強大且免費的開源系統,學會撰寫程式碼後,使用程式抓取資料的能力十分出眾,且後續若出現問題時,也有許多學習資源與社群可詢問與討論。
- Google 表單:Google 表單深為大眾所知的表單系統,作為蒐集資料的基礎工具,在 Google 後台的設計也簡單易懂,不需要程式背景、不需特地學習也可以輕鬆使用。
- Survey Cake:Survey Cake 不需程式背景即可輕鬆上手,在前台及後台都具備非常好的介面設計。
(二)資料處理
常見工具:Excel、Apache Hadoop 等。
- Excel:Excel 是一款非常好上手的工具,若只是要分析少量數據,就非常適合使用 Excel,但若要分析巨量數據,Excel 就會卡頓。
- Apache Hadoop:Apache Hadoop 可以從各裝置中取用資料,並共享各個裝置中的儲存空間,同步處理與儲存大量資料。
(三)資料儲存
常見工具:Excel、SQL 、Python、Hive Systems 等。
- Excel:Excel 作為大眾熟知的表格工具,適合儲存少量資料。 SQL:SQL 可以架構出一整套管理資料庫的系統,讓眾多使用者同時使用同一個資料庫,從中提取或刪除資料。
- Python:Python 具備擴展性高的特色,因此可拿來架構資料庫,仰賴 Python 基礎而強大的功能,以 Python 架構建構的資料庫,往往能滿足一般使用需求。
- Hive Systems:Hive Systems是建構在 Apache Hadoop 上的分散式儲存工具,可以批次處理大量資料。
(四)資料分析與建模
常見工具:程式語言 Python 數據分析工具、R 語言數據分析工具、Excel 工具、SPSS 數據分析工具等。
- Python:利用 Python 進行數據分析,是許多較進階的數據分析師會採用的方式,若本身已有程式基礎,使用 Python 做數據分析不會太困難,建議先參考一些網路上的 Python 數據分析範例,再來使用 Python 做數據分析練習。
- R 語言:R 語言屬於免費開源的程式語言,在做統計分析上有許多套件可以使用,對使用者來說非常方便,若想做出漂亮的統計分析模型,那麼 R 語言會是你的好朋友,唯一的缺點是沒有程式背景的人在學習、使用上會比較困難。
- Excel:Excel 也是常見的數據分析工具,若對程式語言不熟悉,可優先從學習 Excel 來分析簡單數據開始,而若想用 Excel 做數據分析,網路上有許多 Excel 數據分析課程與 Excel 數據分析教學可以看,建議多做一些 Excel 數據整理的練習,充實自己的作品集!
- SPSS:SPSS 是需要付費的軟體工具,但其友善的介面設計十分容易上手,適合對數據分析領域不熟悉的朋友。
除了付費軟體之外,網路上也有免費數據分析工具可以使用,這些免費的資料分析工具也可幫助新手練習,若覺得免 費軟體功能不夠用了,再考慮買軟體,也比較不會浪費錢。
(五)資料視覺化
常見工具:Tableau 、Power BI 等。
- Tableau 數據分析工具:Tableau 數據分析工具採用問題式去生產出數據圖表,可以很直觀的選擇想問的問題,直接產出圖表,對於沒有數據分析基礎的新手來說,可以用最快的方式上手,且圖表配色上更和諧漂亮,重視圖表美觀的話可以使用。
- Power BI 數據分析工具:使用者使用Power BI 數據分析工具時,必須先選擇數據與分析方式後,才能進行數據分析,在使用邏輯上比較像 Excel,所以若是熟悉 Excel 的使用者,想學習 Power BI 可以更快銜接。
如果要比較這 2 個數據視覺化 BI 工具,可以說Tableau 的視覺化功能,跟 Power BI 資料視覺化的功能其實是不相上下,端看個人使用習慣決定,但如果想進入數據分析師業界,最好 2 種都學習,因為通常每間公司習慣使用的工具不一,2 種都學就可能比別人拿到更多工作機會。
數據分析應用在哪些產業與面向?解析 3 大產業數據分析應用
數據分析在商業上應用的層面很廣,以下會舉例幾個例子,說明商業數據分析、行銷數據分析及數位行銷數據分析的應用實例, 讓你更了解數據分析在產業的應用情況!
數據分析應用 1. 金融
目前在股票交易與消費金融的應用上,都大量使用數據分析,特別是在消費金融領域中,各大銀行都有使用數據分析來優化與改善消費者的使用體驗,比如:國泰金、富邦金。
數據分析應用 2. 醫療
透過數據分析,醫療產業可以更即時的得知病人的情況,針對可能出現問題的病人做及時處置,目前醫療產業已將數據分析應用在監控早產與患病嬰兒的狀況。
數據分析應用 3. 行銷
行銷領域包含線上(即數位行銷)及線下行銷,這 2 種面向的行銷都可以使用數據分析來協助,線上行銷通常使用數據分析來預測消費者喜歡的物品,精準投放廣告,或推薦消費者喜歡的折扣訊息,來提升購買率,而線下行銷一樣可以透過分析消費者的偏好,將消費者可能會更樂意購買的商品,放置在店面醒目位置,來拉抬購買率。
想要找到一位具備專業的數據分析師並不容易,但 Welly 團隊有專業的數據分析團隊,可以為您找出最具潛力的 SEO 關鍵字,為您在競爭激烈的 SEO 排名中獲取更好的位置。
以上是數據分析的相關資訊,如果您喜歡我們的文章歡迎分享!若有其他問題也可以查看其他文章,如果您希望學習數位行銷領域的新知或收到 Welly 定期彙整的知識懶人包,則可以填寫下方申請表訂閱 Welly 的電子報喔!
Polly
品牌行銷經理
分享至
行銷理論
從行銷策略到多種行銷手法, 行銷人必學的理論文章以最淺顯易懂的方式呈現給你!
SEO 新知
Google 演算法更新、最新的 SEO 趨勢等, Welly SEO 都為你統整在這!
SEO Guides
想要提升網站排名, 先從了解 SEO 搜尋引擎優化的基本知識開始!