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！

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！