在开始数据分析前要问的 20 个问题

引言

商业智能如今已成为组织管理的核心，以提升其运营效率。大数据所带来的普遍潜力是相当明确的——能够获得重要的、可能独一无二的竞争建议，并从原始数据本身获得运营优势和突破。然而，这意味着在没有充分准备的情况下，可能会一头扎进数据分析，从而导致草率的结论，耗费资源，并制定出不当的策略。在准备进行数据分析时，必须提出正确的问题，以获得正确的分析视角。以下是每位数据从业者在开始分析数据之前都应该回答的20个问题。

理解目的

1. 分析的目标是什么？

首先要做的就是陈述相关分析的明确目标或目的。分析的目的是什么？目标是回答一个特定的问题，还是为某个问题提供解决方案，是找出假设的真伪，还是支持决策制定？明确目标在定义整个分析过程和恰当聚焦于实现预期目的方面起着关键作用。

2. 利益相关者是谁，他们的期望是什么？

了解利益相关者是谁以及他们的期望是一个重要的步骤。利益相关者可能有广泛的兴趣，从寻求一般信息的最高管理层到需要具体细节的技术部门。从上述情况来看，当你遵循利益相关者管理的后半部分定义时，你很有可能会获得最有效的结果。

数据收集

3. 你需要什么数据？

确定需要哪些数据才能实现你的分析目标。作为其中的一部分，有必要了解存在哪些变量、度量和维度。在早期阶段了解预期数据，可以确保收集到正确的数据，并避免后期产生许多不必要的循环。

4. 你将从哪里开始获取数据？

因此，数据源的识别至关重要。数据可以来源于组织的数据库和数据仓库、外部来源、公共领域、调查和实验。了解数据来源有助于理解数据的相对可信度以及如何检索数据。

5. 数据是开放的还是易于检索的？

在进行分析之前，数据的可用性同样重要。了解数据的模式和其他重要方面。数据有时可能因保密性、所有权甚至数据访问等因素而受限。在这种情况下，请区分可用性并制定计划，以免对您的分析产生负面影响。

数据质量和完整性

6. 数据集的质量如何？

数据质量保证检查可以包括比较数据的完整性、准确性、一致性和可靠性。因此，高质量的输入对于产生有效和可用的信息至关重要。概述您将如何处理数据清洗和预处理，以避免一些挑战。

7. 除了上述缺点，数据是否没有偏见？

数据中的偏差可能以抽样形式存在，其中选择数据的方式会影响收集到的数据、数据收集技术或收集到的数据源固有的偏差。在进行分析时，同样重要的是要处理这些偏差，以保持结论的可靠性。

数据管理

8. 关于缺失数据，你将如何管理需要你处理的方面？

在数据分析中，经常会遇到某些信息缺失的情况。选择一个处理方案，无论是归咎、排除还是使用任何其他适当的方法。所选择的方法实际上可能是决定结论的关键因素，因此应谨慎行事。

9. 将采用哪些设备和方法？

为了高效地分析数据，必须部署合适的工具和技术。需要考虑的一些方面包括分析类型、数据量以及与其他系统的集成。一些常用的数据分析工具包括Python、R、SQL、EXCEL以及Tableau和Power BI等数据分析软件。

分析方法

10. 你将使用哪些分析方法？

在这种情况下，特定技术的选择再次与分析目标和数据特征相关。你打算使用哪种类型的分析？这符合描述性、推断性、预测性或规范性分析的通用分类。诚然，选择合适的方法取决于所调查问题的特点，同样重要的是要了解每种方法的优点和局限性。

11. 你将如何确保你的结论是准确和真实的？

为了实现验证，需要确保研究产生的结果是可信和可靠的。这导致了一个计划，即采用交叉验证、假设检验或将结果与现有基准进行比较。它允许揭示可能的错误并有助于提高结论的可靠性。

伦理考量

12. 数据是否存在其他与伦理相关的问题？

伦理问题包括保护涉及数据安全的细节、不当使用数据以及使用礼貌、真实和准确的描述。遵守伦理规范有助于利益相关者建立信任，确保遵守法律规定并维护组织的声誉。

13. 这让我想到了你将如何确保数据隐私和安全

数据和信息的安全非常重要，尤其是在信息涉及敏感问题时。加密、匿名化和访问控制是保护数据不被访问或渗透的一些方式。

解释与沟通

14. 你认为在解释过程中将如何利用结果？

解释结果包括理解分析状态和意义，以及与所有潜在参数的关系。以前，在有充分理由之前，不要做出预测或判断。使用视觉效果和定性描述清晰地解释结果及其含义。

15. 你认为应该怎么做才能将结果传达给各自的利益相关者？

因此，良好的沟通对于确保您的分析被充分理解和实施至关重要。使用简单的语言、图表和行动计划，将信息调整到目标群体和听众。通过演示、报告或在线交互式仪表板传达您的分析结果可以大大改善它。

实际考虑

16. 描述分析的局限性相对容易；在这里，我将列出它们。

重要的是要指出，每项分析都会有局限性。这些可能由于数据质量差、分析中使用的方法的局限性，甚至分析之外的事件。了解局限性在它们可能影响结果或增加犯错几率的情况下是有用的，从而在未来预防它们。

17. 分析需要哪些输入？

定性和定量形式都包括时间、人员、软件和硬件。确定分析所需的资源可以为如何正确完成分析进行适当规划。必须评估指定团队的能力和经验以及该过程的预算。

18. 分析的时间框架是多久？

在时间框架内设定目标很重要，作为控制事件进程和遵守时间表的手段。这包括确定要进行的分析是简单还是复杂，是否有足够的数据进行分析，以及将分配给任务的团队的能力。为了防止迷失方向，可以设定某些目标并进行每周或每月会议。

分析后考虑

19. 了解研究结果将如何应用是否重要，以便学生和我自己能够充分准备？

正确理解结果将如何使用定义了分析的主题和范围。谁将进行研究，他们的目标是什么？结果将用于战略管理决策、促进运营变革还是用于相关学术期刊的分析？当分析与用途保持一致时，其效益将得到优化，分析将产生最佳结果。

20. 你将在多大程度上认为分析是成功的？

定义成功标准可以评估分析的有效性。这可以从准确性、相关性、利益相关者需求的充足性或目标和目的的实现程度等方面来衡量。因此，对结果进行持续评估和审查是一种万无一失的策略。

结论

因此，为了进行最有效和有针对性的数据分析，在开始之前提出正确的问题是绝对明智的。回答这20个问题，就可以为您的分析奠定坚实的基础，管理和避免可能的风险，并提高研究结果的质量和意义。请始终记住，充分的准备和规划过程是数据分析成功并产生洞察和结果的基础。