我数据分析的套路

经常读公众号文章的，或者在知乎关注我的同学都知道，我十分喜欢通过种种数据去揭露一个事实，而不是泛泛而谈，因为数据是不会说谎的，我以前写过很多数据分析的文章：

• 华为闪存门背后的水军

• 谁在为流量明星贡献流量？

• 知乎的高质量用户在流失吗？
  

一直有同学向我反馈：每天看你发的数据分析的文章，心里痒痒，十分想自己也学习做一篇，不知道路人甲是否能分享一下文章中所涉及到的技术点，以及这种文章的写作思路。

我很愿意，知识应当是共享的，人是在分享中进步的，所以今天我打算说一说自己的数据分析的写作套路。

01.确定问题

首先，应该明确自己要分析的问题，比如说：

• 鉴定淘宝上的某个商品是否有刷单行为

• 鉴定华为的 P10 门有没有请水军来公关

• 国产电影的整体质量近年是否在降低？

02.数据来源

现在我们已经知道了我们要去研究怎样的问题了，下一个很重要的问题就是数据来源哪里？抓怎样的数据？抓怎样的数据可以帮我我们解释我们提出的待分析的问题。

比如说我们想研究国产电影的整体质量近年是否在降低，那我们就要想：电影的质量是否可以量化？哪里可以有这几年的国产电影的数据？显然，豆瓣电影已经帮我们做到了这一点，于是我们只需要去把豆瓣的国产电影评分等信息全都提取出来即可。

又比如我们想研究淘宝的某个商品是否存在刷单行为，那我们就要想：刷单的行为有什么特征？显然，刷单的商品评论正常都会出现：短时间内突然出现超多商品评论，并且这些评论可能有很多是一样的内容。明确这一点，我们只需要去把这个商品的所有平均数据都提取出来。

通过上面两个例子，你应该会发现：IDEA很重要，要分析怎样的问题，数据来源哪里，因此通常第一步第二步是最重要的。

如何训练这种IDEA？我的建议是：多看看别人的数据分析的文章，如果可以的话强烈建议你经常性的做头脑风暴，尤其是你无聊无事可做的时候，我经常用来打发时间。

03.数据抓取

上一步已经确定了数据来源，巧妇难为无米之炊，有了数据我们才能进行分析，所以紧接着我们就要做数据采集。早期关注就关注公众号的同学应该对数据采集并不陌生，当然如果你还不太会，可以看我之前的文章：用Python爬网页需要了解什么背景知识 。

04.数据可视化

如果说确定问题是一个婴儿的雏形，那么数据就是他的身体内部构造，而可视化就是他的外表，可视化决定着这个婴儿的外貌，决定着别人是都喜欢你的可视化结果。

那么，如何做可视化？

如果你对Excle比较熟悉，并且你的可视化并没有涉及到太复杂的功能，那么我强烈推荐你使用Excle自带的图表功能。

如果你想要你的图表绚丽多彩，不妨试一试百度的唯一一款良心产品Echarts，图标多样并且灵活性很大，做出的也比较好看。

最后推荐一个我在每一篇数据分析文章中都用到的可视化工具Tableau，唯一的缺点是这是一个付费产品，好在如果你是学生，可以凭学生证免费使用。

05.再说一点

有很多同学说，不知道怎样的问题可以用数据来解释，怎样的问题无法用数据来解释。对此，我有一个建议：可以先抓取一些数据，对这些数据进行清理之后直接扔到 Tableau 里面，你会发现一些有意思的东西。

数据分析重点在IDEA，而这些IDEA是要经过不断的学习和思考的.