数据分析思维之分类分析法

一:分类分析的定义

分类是一种基本的数据分析方式，根据其特点，可将数据对象划分为不同的部分和类型，再进一步分析，能够进一步挖掘事物的本质

二:分组分析法的分类

根据指标的性质，分组分析法分为属性指标分组和数量指标分组。
1.属性指标分组分析法

按属性指标分组一般较简单，分组指标一旦确定，组数、组名、组与组之间的界限也就确定。例如，人口按性别分为男、女两组，具体到每一个人应该分在哪一组是一目了然的。

2.数量指标分组分析法

数量指标分组分析法是指选择数量指标作为分组依据，将数据总体划分为若干个性质不同的部分，分析数据的分布特征和内部联系。根据数据的性质(离散数据或者连续数据)，它分为单项式分组和组距式分组。

• 单项式分组

单项式分组一般适用于离散型数据*，而且数据值不多、变动范围较小的情况。每个指标值就是一个组，有多少个指标值就分成多少个组。如按产品产量、技术级别、员工工龄等指标分组。例如按照技术级别来分，有A、B、C三个组

• 组距式分组

组距式分组，这是个是适用在连续数据上，指数据的变化幅度较大的条件下，将数据总体划分为若干个区间,每个区间作为一组,组内数据性质相同,组与组之间的性质相异。这里的组距式分组，也会分为两种的，一个是等距分组，这种方法适用在连续数据分布相对均匀的;另一个是不等距分组，适用在连续数据分布不均匀的状态。具体使用见下文:

a.等距分组:
第一步:确定维度、组数;
第二步:确定各组的组距;组距=(最大值-最小值)/组数;
第三步:根据组距，将数据划归至对应组内

b.不等距分组
第一步:确定维度、组数;
第二步:根据需求确定各小组的上限与下限
第三步:依据小组上下限进行分组
第四步:评估分组后数据结构是否满足需求
第五步:若满足，则停止；若不满足，则调整，从第一步循环

三:分组分析的应用

1.一维分类
定义一个维度(标准)将数据分析，常用一维分类
性别:男、女
年龄分段:青年、中年、老年
客户价值:低价值、中价值、高价值
用户状态:沉默用户、活跃用户
一维分类常用柱形图来做统计，比如下面的某小学各年级向灾区的捐款情况

2.二维分类
数据按两个维度分类时所列出的表，是由两个的变量进行交叉分类的分布表，也称为交叉分析。这里是常用表格来做展示，如下图某产品12月用户年龄与价值分布，从图中能够清楚看出青少年并且高价值的用户分布最多，所以在后面做营销策略的时候，可以做重点关注。

2.多维分类

但是有时一维和二维并不能满足我们的需求，需要多维分类(和二维分类一样都是称为交叉分析)满足需要。如下图(Excel中的透视表):

左边包含了以天为单位时间维和产品维，可以使用展开按钮进行汇总和展开，就像是细分的操作；上面的表头部分分两层罗列了地域维和指标维，这样我们就可以用“总-分”的角度观察数据，这对数据分析非常有用。

比如说某一天的销售额或转化率出现了大幅的下滑，我们就可以结合各种维度寻找问题的原因，就是基于各种维度的细节数据，展开产品维观察当天的哪类产品销售出现了问题，然后结合地域维的交叉数据，可以定位哪类商品在哪个省份的销售出现了问题，这样就有效地将问题定位到了细节的层面，能够更好地发现问题，进而解决问题。所以交叉分析其实正是体现了分析“分而析之”的本意。