数据分析也讲究艺术

数据分析也讲究艺术，如何理解？

我们先来分析一下数据分析的流程：确定目标>收集数据>分析数据>可视化展示>评价。再思考其间参与的人员，谁来操作这些数据：数据分析师、业务员、IT人员。谁来需要这些分析：业务层、领导层、老板。

对于数据分析的痛点，分析师希望快、准确、最好能为清晰的逻辑分析提供帮助。业务层、领导层希望好看、直观，关键的指标能够展示得全面。

所以，基于这样的思考，数据分析的“艺术性”可理解为数据的行为艺术、分析的行为艺术和可视化艺术。

数据的行为艺术

数据的处理关键在于准确和严谨。数据最初从各系统采集、导入预处理、统计、挖掘，会涉及方方面面的问题，比如：

1、统一口径的问题

数据源存在于多系统，是统计口径不一的主要问题。统一口径的问题实质是数据管理的问题，关键在于改善统计方法，提高统计质量。填报、表单这类工具从源头规范数据。

例如，同一内容在不同系统不同的叫法；同一内容在不同系统不同的分类法；同一内容在不同系统不同的统计规则；手工数据都需要注意校验。

2、数据缺失

数据缺失的问题有人为、有字段问题。缺失值处理可以采用替代法（估值法），利用已知经验值代替缺失值，维持缺失值不变和删除缺失值等方法。具体方法将参考变量和自变量的关系以及样本量的多少来决定。

分析的艺术

分析关键在于方法，不同的分析相信不同的人由不同的方法。你可以吭哧吭哧粘贴复制到excel，进行简单的计算、出图，然后粘贴复制到PPT，只要数据是静态而准确的。也可以利用FineReport这样的报表工具做企业级常用的动态报表、复杂报表。

逻辑上，对比分析、分类分析、分布分析、相关分析这些基础的分析帮助在可视化呈现上有直观的展示。

可视化艺术

可视化的艺术不在于“炫”，而在于“人性化”。人们意识到数据上的重要性，却没有从文化上完成这样的转变，可视化可以帮助人们意识到这样的转变，从而达到实用的最终目的。

比如以上的信息化视图，色彩美观，但是帮助我获得有效的数据对比有困难。

如今数据图的复杂和创新主要源于展示维度的增加和形态的变化，希望数据的展示饱满而夸张。

但实际上，可视化数据关键在于信息的传递，让人一看就对数据、问题一目了然，其次再谈美观、功能。数据的展示现寻求直观再讲求全面，譬如以下用FineBI做的分析图。