数据分析是指用适当的统计分析方法，对数据进行汇总并提取出有用的信息，从而为决策提供数据支持。当然你的决策可以是保持现状，可以是加大预算，可以是减少预算，可以使改变运营方向你所有的决策都需要有信息作为依托，而这些信息是从数据中提炼出来的。
数据又叫观察值，观察值是通过实验，测量，观察，调查等方式获取的结果以数量的形式展现。
那么如何把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律呢。盲目的数据分析无异于盲人摸象，所以要先明确你的目的，你想要得到什么样的信息？
是想要了解整个项目的状况以便下一步决策呢？
还是想要通过数据找到问题在哪里呢？
还是想要预测下某个事物未来会怎么样呢？
还是说不知道下一步要怎么做，想要通过数据进行指导呢？
还是想要通过数据验证某个想法呢？
所以按照目的对数据进行分类，可以分为五大类：
描述型数据分析
诊断型数据分析
预测型数据分析
指导型数据分析
探索型数据分析
验证型数据分析
1.描述型分析：发生了什么？
描述型分析是最常见的一种分析法。在业务中，它向分析师们提供业务的重要衡量标准的概览。
描述统计分析的指标通常如下：
a.描述数据的集中趋势：众数，中位数
b.面熟数据的离散趋势：最大最小值，极差，四分位差，方差与标准差.
c.数据分布的偏度与峰度.
电商里面有很多这样的案例，比如描述本店的流量结构是由哪些入口组成，哪个入口流量最大，哪个入口流量最小，平均流量又是多少，每个入口占比又是多少？通过这些数据就能很形象地了解流量结果的分布状况了
其他还有类似交易结构分析，关键词搜索数据，包括行业的很多数据都会用到描述型分析
2. 诊断型分析：为什么会发生？
这是描述型分析的下一步难题。通过评估描述型数据，诊断分析工具使得分析师们能够深入分析问题的核心原因。
像电商里的搜索数据下降，需要通过数据分析找出搜索下降的原因就是利用诊断性数据分析。
3.预测型分析：可能发生什么？
预测型分析主要是进行预测。某事件在将来发生的可能性，预测一个可量化的值，或者是估计事情可能发生的某个时间点，这些都可以通过预测模型完成。
预测模型通常运用各种可变数据来作出预测。数据成员的多样化与可能预测的目标是相关联的（如，人的年龄越大，越可能发生心脏病，我们可以说年龄与心脏病风险是线性相关的）。随后，这些数据被放在一起，产生分数或预测。
在一个充满不确定性因素的世界里，能够预测允许人们作出更好的决定。预测模型在很多领域都被用到。
电商里，我们经常会通过转化率，流量增长率，收藏率等数据预测未来销量从而针对性备货，也可以预测行业趋势等
4. 指导型分析：我需要做什么？
指导性模型基于发生了什么、为什么会发生以及一系列“可能发生什么”的分析，帮助用户确定要采取的最好的措施。很显然，指导性分析不是一个单独的行为，实际上它是其他很多行为的主导。
电商里我们经常需要通过行业分析来指导我们，选择什么样的类目，什么属性的产品，定什么样的价格段来实现最大化的价值。
5.探索型和验证型分析：这个到底对不对？
探索型分析和验证型分析是因子分析的两种不同形态。
在电商里我们经常会通过各个维度的数据去探索搜索权重的模型，或者验证某个维度对搜索权重影响的大小。
在了解了数据分析的类型之后各位小伙伴是不是数据分析有了新的理解呢？
接下来我会结合电商继续写一个系列和数据分析有关的文章，尽请关注。另外，想要私下交流电商问题的可以直接扫描下方二维码：
上边柯南，下边本王
♥一个一个来~~
