数据分析基础——Excel实现(新编21世纪高等职业教育精品教材·公共基础课系列)

1.1什么是数据分析数据分析（data analysis）是从数据中提取信息并得出结论的过程，它所使用的方法既包括经典的统计学方法，也包括现代的机器学习技术。数据分析涉及三个基本问题：一是所面对的是什么样的数据；二是用什么方法分析这些数据；三是用何种工具（软件）来实现分析。**个问题将在1.2中介绍，这里先介绍后两个问题。1.1.1数据分析方法计算机和互联网的普及以及统计方法与计算机科学的有机结合，极大地促进了数据分析方法的发展，并有效地拓宽了其应用领域。可以说，数据分析已广泛应用于生产和生活的各个领域。数据分析的目的是把隐藏在数据中的信息有效地提炼出来，从而找出所研究对象的内在特征和规律。在实际应用中，数据分析可帮助人们做出判断和决策，以便采取适当行动。比如，通过对股票交易数据的分析，你可以做出买进或卖出某只股票的决策；通过对客户消费行为数据的分析，电商可以精准确定客户，并提供有效的产品和服务；通过对患者医疗数据的分析，医生可以做出正确的诊断和治疗；等等。数据分析有不同的视角和目标，因此可以从不同角度进行分类。从分析目的看，数据分析可分为描述性分析（descriptive analysis）、探索性分析（exploratory analysis）和验证性分析（conf irmatory analysis）三大类。其中，描述性分析是对数据进行初步的整理、展示和概括性度量，以找出数据的基本特征；探索性分析侧重于在数据之中发现新的特征，是为形成某种理论或假设而对数据进行的分析；验证性分析则侧重于对已有理论或假设的证实或证伪。当然，这三个层面的分析并不是截然分开的，多数情况下，数据分析是对数据进行描述、探索和验证的综合研究。从所使用的统计分析方法看，数据分析可大致分为描述统计（descriptive statistics）和推断统计（inferential statistics）两大类。描述统计主要是利用图表形式对数据进行汇总和展示，并通过计算一些简单的统计量（诸如比例、比率、平均数、标准差等）进行分析，进而发现数据的基本特征。推断统计主要是根据样本信息来推断总体的特征，其基本方法包括参数估计和假设检验。参数估计是利用样本信息推断人们所关心的总体参数，假设检验则是利用样本信息判断对总体的某个假设是否成立。比如，从一批电池中随机抽取少数几块电池作为样本，测出它们的使用寿命，然后根据样本电池的平均使用寿命估计这批电池的平均使用寿命，或者检验这批电池的使用寿命是否等于某个假定值，这就是推断统计要解决的问题。实际上，数据分析所使用的方法均可以称为统计学方法。因为统计学（statistics）本身就是一门关于数据分析的科学，它研究的是来自各领域的数据，提供的是一套通用于所有学科领域的获取数据、分析数据并从数据中得出结论的原则和方法。统计学方法是通用于所有学科领域的，而不是为某个特定的问题领域构造的。当然，统计学方法不是一成不变的，使用者在特定情况下需要根据所掌握的专业知识选择使用这些方法，如果需要，还要进行必要的修正。1.1.2数据分析工具实际分析中的数据量通常非常大，有些统计学方法的计算也十分复杂，不用计算机处理和分析数据是很难实现应用的。在计算机时代到来前，计算问题使数据分析方法的应用受到极大限制。在计算机普及的今天，各种数据分析软件的出现，使数据分析变得十分容易，只要你理解统计学方法的基本原理和应用条件，就很容易使用统计软件进行数据分析。统计软件大致可分为商业类软件和非商业类软件两大类。商业类软件种类繁多，较有代表性的有SAS、SPSS、Minitab、Stata等。多数人较熟悉的Excel虽然不是统计软件，但也提供了一些常用的统计函数，并提供了常用的数据分析工具，其中包含一些基本的数据分析方法，可供非专业人员做些简单的数据分析。商业类软件虽有不同的侧重点，但功能大同小异，基本上能满足大多数人做数据分析的需要。商业类软件使用相对简单，容易上手，但其主要问题是价格不菲，多数人难以接受。此外，商业类软件更新速度较慢，难以提供*新方法的解决方案。