京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析工具入门:左手SPSS,右手EXCEL_数据分析师
产品经理要会数据分析,大家基本都可以达成共识,如何做数据分析,可以写好几本书,这里从工具学习和使用角度说下如何进行数据分析入门。
通常来讲,二八原则在多个范畴适用,同样,在产品经理当中,相信80%的人在用EXCEL做数据分析,能满足80%的分析需求。
标题为右手EXCEL,因为80%的人右手比左手灵活,用工具也这样,先把常用的学会就好,至少一年级产品经理,赶快把EXCEL好好学习下。我在面试产品运营同学的时候,遇到说自己EXCEL用的好的,通常会问是使用哪个版本?否知道EXCEL最大可以处理多少条数据?行数与列数的极限分别是多少?常用哪些功能?哪些函数?举一个工作案例说说如何用EXCEL。
左手SPSS,为何是SPSS,因为从我个人角度出发,EXCEL+SPSS基本可以解决产品经理进行数据分析中的95%的问题,二年级产品经理,可以开始学习SPSS的数据分析。其实SPSS入门非常容易,学习能力强的,工作第一年,都可以开始初步学习了,而且有必要提前学习一些统计学基础知识。
我从什么时候开始学习SPSS?——这里感谢下我的大学计算机老师韦老师,1995年教我们学习计算机,学习SPSS数据统计分析,当时还是DOS版本SPSS/PC+,其实韦老师是北师大的心理学博士,不少人很奇怪我大学学习的是教育学和心理学,咋这么喜欢搞数据,韦老师是我的启蒙老师,学心理学,咋能不搞数据分析呢。还有当时的统计学课程梁老师,梁老师很漂亮,增强了我学习统计学的浓厚兴趣。我的本科毕业论文指导老师余欣欣,也是心理学博士,当时带我们做学习策略实验研究的课题,算是我完整参与的第一个研究项目,也是数据分析与挖掘的一次实战应用。
今天说下SPSS,先看两段介绍,分别来自百度百科、维基百科,两端文字介绍,个人认为维基百科的更加清晰。
SPSS——百度百科
SPSS是世界上最早的统计分析软件,由美国斯坦福大学的三位研究生Norman H. Nie、C. Hadlai (Tex) Hull 和 Dale H. Bent于1968年研究开发成功,同时成立了SPSS公司,并于1975年成立法人组织、在芝加哥组建了SPSS总部。1984年SPSS总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+,开创了SPSS微机系列产品的开发方向,极大地扩充了它的应用范围,并使其能很快地应用于自然科学、技术科学、社会科学的各个领域。世界上许多有影响的报刊杂志纷纷就SPSS的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价。
SPSS——维基百科
SPSS原名社会科学统计包(英语 Statistical Package for the Social Sciences),由于用户早已不限于社会科学界,2000年根据缩写改为“SPSS”。
1968年,美国斯坦福大学的3位研究生开发出最早的SPSS软件,当时主要面向中小型计算机和企业用户,产品统称SPSSx版。1975年,芝加哥成立了SPSS公司。1984年,SPSS公司首先推出了世界上第一个可以在DOS上运行的统计分析软件的PC版本,即SPSS/PC+版。后来又相继推出了Windows和Mac OS X等操作系统上的版本,并不断扩展软件的功能相关服务,形成了目前SPSS的基本面貌。2008年9月15日,SPSS 17.0 for Windows版发布。2009年7月28日,SPSS公司发表PASW(Predictive Analytics Suite Workstation)18.0,同时该公司也被IBM收购。
SPSS 18.0由17个功能模组组成:
上面的17个名词,看着很难的样子,一堆的名词,根据产品经理实际工作用的应用,归纳了一下,P2级别到P3级别产品经理学习如下功能就差不多可以解决日常工作中的90%数据分析与挖掘问题,哪些知识点呢,见下面的图。
SPSS目前的最新版本是SPSS Statistics 21.0。这里推荐两本比较实用的书籍,作者分别是薛薇和张文彤,另外张文彤在2004年出的初级版和高级版据说被很多大学采用作为教材。
学习这类工具的一大要点就是实践应用,看书,很快看完了,但没有实践的应用难以熟练,纸上得来终觉浅。学习工具,其实不难,难的是对产品数据的理解和应用,只懂分析工具,不了解产品与用户,是难以深入的,甚至会走入误区。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20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, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14