数据分析开篇之大有钱途

司空摘星原创

---

小白：星星，数据分析师都是很强悍的样子，他们都是什么人样的？

司空摘星：数据分析师大可安邦，小可治女票。他们的共通点就是用数据说话，而他们长相就千差万别了，比如他们可以是这样的：

司空摘星：或者是这样的：

小白：星星，这个分明是Sherlock Home！

司空摘星：福尔摩斯也是数据分析师好吗！

小白：好吧，就因为他是分析信息的是吧。那数据分析师的具体工作除了做侦探，还可以做什么？

司空摘星：侦探、策略分析员、数据挖掘、人工智能、股神、金融女神、高级助理、运营经理、骂街之王…

小白：几乎万能了，陆小凤都不是你对手了！

互联进一步聚合，对大量数据的分析必然会成为一个关键的策略部门的工作。像很多事物先是存在，然后再变得合理一样，数据分析师也会因为一些公司的实际需求而存在，然后从事的工作与技能也会不断地变得丰富与完善。

已经有一些机构根据自己的理解，定义了数据分析师应该掌握的技能，比如下面这个来自网上的图片：

小白：这个是大数据分析师，我想做个小数据分析师，也要弄一个圈的技能吗？

司空摘星：小有小的要求，不需要学一个圈的技能，但简单的几项是需要的。

这个图有一定的合理性，立志成为数据分析师的人，可以参考一下提到的技能要求。

作为数据分析的开篇，本文简单介绍几个常见的概念。

（1）均值

均值，指得是算术平均值，也就是总和除以个数（或其它单位的和）。平均值，是经常用到的概念，比如“平均每个同学可以分到2个苹果手机”、“下载的平均速度是1Mbps”、“一个月的花费平均是4千块”。

均值有一个缺陷就是在极端情况（极大与极小都很离谱时）存在时，平均出来的值就变得不合理，这也是投票取平均分时，可能会考虑把最高分与最低分去掉再作平均的原因。

这种缺陷的一个例子，看下面来自网络的图片：

平均工资有1800，而实际进去的话，分分钟钟命中员工一职，工资只有800。
这个也是平均值谬误的一个例子。

再看另一张图：

不同等级的收入的差距可能很大，假如收集到若干家庭的收入，并取平均值来代表普遍的家庭收入的话，很可能就是不靠谱的，因为富人是可能把穷人平均了的。

小白：如果意识到均值可能不合适，那可以怎么办呢？

司空摘星：比如你可以去掉极端值嘛，或者取每个区间的比例，或者用下面介绍的中值或众数。办法总是有的！

（2）中位数

中位数是大小值的分隔值，出现极大值或极小值都不影响到中位数，所以在这种极端的情况下，中位数是可用的一个参考值。

对于奇数个数的数值序列（已排序），中位数就是中间那个值。对于偶数个数的，中位数就是中间两个值的和除以2。

比如：1，2，3，4，5 中位数是3。

比如：1, 2, 3, 4, 5, 6 中位数是(3+4)/2=3.5。

（3）众数

众数，就是出现次数最多的值。可能一个众数都没有，也可能有多个众数。

比如：1, 1, 2, 5, 3, 5, 1 众数是1。

比如：5, 4, 6, 2, 5, 6 众数是5跟6。

所以，众数就是“大家都这样”，是具有一定参考意义的。

---

小白：就这些内容吗？星星，你不能学叶孤城啊，每次都只说一点点，然后就叫我加他的群。

司空摘星：正有此意！

小白：……

---