很多数据分析师沉迷于复杂的机器学习算法，却忽略了数据分析最基础也最核心的能力——描述性统计。事实上，80%的商业分析问题，用描述性统计就能解决。

引言：为什么描述性统计是数据分析的“基本功”？

小张是一名刚入行的数据分析师，第一次拿到公司销售数据时，面对数万行密密麻麻的数字，他感到无从下手。客户满意度是上升还是下降？销售业绩的波动大不大？哪个客户群体贡献最高？

这些问题看似简单，但在数据面前，如果没有方法，就只是一堆数字。

描述性统计分析，正是解决这一困境的核心能力。描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、集中趋势分析、离散程度分析和分布形态，以及一些基本的统计图形。它不涉及推断或预测，其核心目的是“用简洁的方式呈现数据的核心特征”，将杂乱的原始数据转化为可理解的信息，回答“数据是什么样的”这一基础问题。

一、描述性统计的三大核心维度：数据画像的“三棱镜”

描述性统计的核心是通过量化指标揭示数据“是什么”，而非“为什么”，其指标体系可分为三大维度：集中趋势、离散程度和分布形态。

1. 集中趋势——数据的“中心锚点”

集中趋势反映数据的平均水平，是判断数据整体特征的首要工具。它回答了“数据的典型值是多少”这个问题。常用的集中趋势指标包括以下三种：

在实际业务中，这三个指标往往需要结合起来解读。例如，某公司员工薪资呈右偏分布（少数高管薪资极高），此时中位数（8000元/月）比均值（12000元/月）更能反映普通员工的真实薪资水平。

此外，在集中趋势分析中，还有一个重要的工具——四分位数。四分位数是通过Q1（25%分位数）、Q2（中位数，50%分位数）、Q3（75%分位数）将数据划分为四个等份的统计量。它是描述数据分布形态和识别异常值的有效工具。

2. 离散程度——数据的“波动范围”

离散程度衡量数据的分散程度，反映各变量值远离其中心值的程度。它回答了“数据之间的差异有多大”这个问题。离散程度是“风险评估”“稳定性分析”的关键环节。

常用的离散程度指标包括：

在实际应用中，标准差是业务分析中最常用的离散指标之一。例如，某连锁超市的日销售额标准差为2000元（均值为5万元），说明销售额波动可控；若标准差达1万元，则需排查门店运营问题。

案例：某金融平台通过四分位距筛选出“贷款金额超过Q3+1.5IQR”的客户，作为高风险群体重点审核，显著降低了坏账率。

3. 分布形态——数据的“形状密码”

分布形态是描述性统计分析中较为进阶的内容，它回答了“数据是如何分布的”这个问题。在统计研究中，常常假设总体数据服从正态分布，则需要利用偏度和峰度来判断样本数据是否符合这一假设。

分布形态的判断，主要包括以下几个方面：

偏态：指数据分布偏斜的程度，用偏态系数（SK）来测度。若偏态系数 > 0，数据呈右偏分布，即均值 > 中位数 > 众数；若偏态系数 < 0，数据呈左偏分布，即众数 > 中位数 > 均值。

峰态：指数据分布尖峭或平坦的程度，用峰态系数来测度。正态分布的峰度为0；峰度 > 0表示分布比正态分布更尖峭，数据更集中于均值附近；峰度 < 0表示分布更平坦，数据更分散。

理解分布形态，对于选择合适的分析方法和识别数据特征至关重要。

二、描述性统计的图表工具——让数据“可视化”

除了数值指标，描述性统计还离不开图表工具。CDA大纲中明确要求掌握以下统计图形：

在实际分析中，建议先用描述性统计数值指标（均值、标准差、偏度等）快速了解数据的基本特征，再用图表（直方图、箱型图）直观呈现分布形态，两者结合才能全面把握数据的“画像”。

三、变量的类型与计量尺度——描述性统计的“语言基础”

在进行描述性统计分析之前，必须先理解数据的变量类型。数据的计量尺度与变量类型是高频考点。数据的计量尺度和具体的统计方法息息相关，大致分为3类，分别是名义测量、次序测量和连续变量测量。

1. 分类变量（名义测量）

分类变量是最低的测量等级，其数值仅代表某些分类或属性，一般不做高低、大小区分。

典型示例：性别（1表示男性，2表示女性）、民族（1表示汉族，2表示回族等）。

描述性统计方法：频次/频数、百分比、累积频次与累积百分比（仅对顺序变量有意义）。

2. 顺序变量（次序测量）

顺序变量的量化水平高于分类变量，用于测量的数值代表了一些有序分类。

典型示例：受教育程度（1表示小学、2表示中学、3表示大学）、满意度等级（1表示满意、2表示一般、3表示不满意）。

描述性统计方法：众数、频次、百分比、累积频次与累积百分比、四分位差等。

3. 数值变量（连续变量测量）

数值变量的量化程度最高，其取值是采用一定单位的实际测量值。数值变量可进一步细分为：

间距测量：可进行加减运算，但不能进行乘除运算，因其“0”值不是物理上的绝对“0”。例如考试成绩——0分不代表完全没有知识。

比率测量：是最高级的测量等级，具有绝对意义的“0”值，可进行加减乘除运算。例如增长率、收入等。

描述性统计方法：中心水平（均值、中位数、众数）、离散程度（极差、标准差、方差）、分布形态（偏度、峰度）。

值得注意的是，分类变量、顺序变量、数值变量的量化水平是由低到高的。低水平变量的统计量可以用于高水平，但高水平变量的统计量不一定能用于低水平。例如，分类变量的统计量（如众数）可以用于连续变量，但反之则不成立。

四、实战演练：从一份“用户行为数据”完成描述性统计分析

背景

某电商平台运营团队需要了解用户的行为特征，以便制定精准营销策略。他们收集了1000名用户的以下信息：

任务：通过描述性统计分析，回答以下问题：

1. 用户的平均消费水平是多少？是否稳定？

2. 哪个会员等级的用户最多？

3. 不同性别用户的消费能力是否有差异？

4. 用户的年龄分布特征如何？

完整分析流程

第一步：数据准备与变量识别

检查数据质量：是否存在缺失值、异常值？年龄为负数或大于120岁需要处理

确认变量类型：会员等级是顺序变量（有等级关系，但差值不一定相等）

第二步：频数分析与分类变量描述

对于性别和会员等级等分类变量，使用频数分析：

结论：普通会员占比最高，钻石会员占比最低——提示运营资源应向会员升级转化倾斜。

第三步：集中趋势与离散程度分析（数值变量）

对月均消费金额进行集中趋势分析：

发现：均值 > 中位数，数据呈右偏分布，说明存在少数高消费用户拉高了平均值。运营应重点关注“腰部用户”，而非被少数高消费用户的数据迷惑。

离散程度分析：

标准差 = 580元 → 标准差较大，用户消费行为差异明显

变异系数 = 580 / 1250 = 0.464 → 数据分散度较高

第四步：分组对比分析（维度交叉）

按性别分组对比月均消费：

结论：男性用户的平均消费略高于女性，但中位数差距更大，说明男性用户中的高消费群体更突出。

第五步：分布形态分析与可视化

绘制年龄分布的直方图：

呈现左偏分布，年轻人（20-30岁）是主力用户群体

分布相对集中，说明目标人群明确，可针对性设计年轻化营销内容

第六步：综合分析结论

通过以上分析，可以得出以下业务建议：

1. 消费能力方面：用户月均消费1250元，但中位数仅980元，存在高端消费群体拉高平均值，建议分层运营——对高消费用户提供VIP服务，对腰部用户设计升级激励。

2. 会员体系方面：普通会员占32%，钻石会员仅15%，建议设计会员升级路径，引导普通会员向更高等级转化。

3. 目标人群方面：用户年龄集中在20-30岁，男性消费略高于女性，营销内容应突出年轻化和个性化。

这就是一套完整的“变量识别 → 频数分析 → 集中趋势与离散分析 → 分组对比 → 分布分析”的描述性统计分析实战流程。

下一步行动：

• 找一份真实的业务数据，练习识别各列数据的变量类型

• 用描述性统计方法（频数分析、集中趋势、离散程度、分布形态）快速了解数据的核心特征

• 结合直方图、箱型图等可视化工具，直观呈现数据分布



数字是杂乱的，但掌握描述性统计的人能让它们说出真相。

”

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0