基于前段时间，很多小伙伴留言想学习一些数据分析的基础知识，小编一合计，必须给咱们爱学习的同学们安排，所以本周开始，我们会不定时的给大家分析数据分析的一些入门知识，希望大家都了解数据分析，能爱上数据分析。

今天，我们主要给大家分享的是数据统计分析策略的相关知识，喜欢的小伙伴可以收藏学习一下哦~

一般情况下，数据统计分析策略主要分为3类，包括：描述性统计分析、探索性统计分析和推断性统计分析。这三类策略是通过由浅入深的方式，让我们循序渐进的掌握统计分析策略。

1、描述性统计分析

1）释义

根据百度词条的解释：描述性统计是指，借助各种数据所表示的统计量，如均数、百分比等，进行单因素分析。它侧重于对数据的描述，比如：描述你看的一张图片。以内容的平均水平、可行范围、数据波动情况等，使数据分析人员更好的了解数据，掌握数据的全貌。

描述性统计分析在数据分析过程中，是基础环节，但是也非常重要。因为它虽然操作简单，但却是进行下一步数据分析的前提。

2）案例1

下面给大家举个生活中的例子，来解释下这个分析方法。

老板日常跟员工对话的场景。

老板：小丽，帮我查一下今年9月份网站的流量数据。

小丽：……（可能会想：老板你究竟想看什么数据？页面访问量（PV）还是用户访问量（UV）？你都没说明白，我怎么操作？）

但问题是，小丽不可能不给老板数据，所以，最好的办法就是两个数据都给，这样，小丽就能减少被老板批评的概率了。

那么，接下来小丽需要做的，就是通过描述性统计分析，将网站的PV和UV展现在表格中，像下图一样，并为这组数据附上简单的情况分析：

上图就是我们常用的基本统计指标，包括每天的PV和UV。

接下，我们就要写上一些关键性的解读指标了。拿PV举例，我们就应该补充：比如，

日均PV为：41072.87次；

月内最多的一次访问量为：49,847次

月内最少的一次访问量为：30,471次；

月内有1/4天数的PV：在36791.5次以下；

标准差为：5,685.52；

……

需要注意的是，表格中的下四分位数，即统计学意义的25%分位点，上四分位则为统计学意义的75%分位点。最终，我们要提给老板数据表，应该还包括：

综上述，该案例就是一个典型的描述性统计分析。我们要做的，就是针对数据的统计结果做简单的描述，表达出数据的统计特征。

3）案例2

此外，如果我们想更加直观的呈现数据效果，还可以通过图形的方式，来描述数据的内部规律。

举个电商公司的例子：我们需要统计某电商平台，近一个月在各支付渠道的付款比例；或者我们需要分析用户年交易额的分布特征。那么我们应该怎么做呢？

我们先来说说支付渠道比例。通过数据统计并整合渠道，并计算各渠道占总付款渠道的比例，就可以形成如下图形：

接下来我们说说全年的用户交易额的分布特征。假设用户的总交易金额存在严重的不平衡，交易额在2000元以内的用户最多，且占到绝对优势；几乎所有用户的交易额都在10000元以内，超过10000元的用户极少，那么，我们就可以根据相应的数据比例，绘制出如下的曲线：

通过两条曲线的对比，我们可以发现它们的吻合度并不是很高，故可以进一步断定，该数据的分布并非正态分布。

由此可以得出结论：在日常的学习或工作中，数据分析人员需要掌握描述性统计分析的内容，包括：数据的频数分析、集中趋势分析（如：均值、中位数、众数等）、离散程度分析（如：标准差、极差、变异系数等）、分布特征（如：偏度值，峰度值等）以及一些基本的统计图形（如饼图、直方图、箱线图等）。