数据分析从难易程度区分大致可以划分为5个层级，覆盖了数据整理、统计、机器学习的过程，数据分析后的决策环节不在本次讨论的范围。
Q1：SaaS销售人员拜访新客户次数的走势如何？
比如层级1，需要解的问题是量化现况。可以使用“叙述统计”、“数据可视化”等方法，把数据通过图表的方式表现出来，从中观察图表的数量、频次、波动、分布等等，这个层级主要是依赖可视化后的观察得以实现。
Q4：SaaS产品经理追踪哪些数据，才能知道用户下个月会不会取消订阅？
Q5：CEO该如何分配员工开发新客户，才能让营收最大化？
而层级4、5则是希望通过已有数据的样本，去预估未来数据的可能性/概率、最佳解或近似解，属于数据探索。
对于不同层级，需要面对的问题也不一样，可以层层递进，由易到难，逐一选择数据分析需要解的问题。在进入数据分析阶段，具备数据分析的层级结构认知尤为重要，这决定了你能够在对的时机做对的事情。
二、7种常见数据分析方法2.1总量分析
用于描述某个母群（population，指你想了解的集合体，可能是顾客或产品）或某个市场区隔，或者比较两个市场区隔的差异，是最常用、最简单的分析方法。
Q：哪些人会在酒庄办婚礼呢？
查阅过往3年、300位顾客的预约记录→分析性别、年龄、户籍地址→85%女性、平均年龄33岁、60%是当地人→如何针对这群人沟通、拓展业务？
观察2件或多件事情间的关系，期望能用一个因素解释或驱动另一个因素。
Q：为什么推出某个功能后，转化率会下降？
假设1：转化率跟浏览器有关。假设2：转化率跟有无网络信标（webbug）有关。
结论：
Chrome浏览器如果有网络信标，会造成转化率下降13%。Chrome浏览器造成转化率下降20%。60%的转化率下降仍然无法解释。
注：网络信标（webbug）是一个放在网页或电子邮件上的文件对象，用于监测用户的行为。
2.3趋势分析
Q：营收增长，但成长率却下降，原因出在哪？
步骤2，加入各产品、各渠道的营收和成长率。
观察结果：S成长率不断下降、M的站外成长率却在上升。
步骤3，量化影响。
观察结果：S占营收成长率下降的84%，必须集中心力采取行动。
2.4规模估计
在缺乏历史的情况下，以结构化的方法估算。通常用于进军新市场的企划，或是要了解未上市产品的销售潜力。
Q：想在广东某城市推广小学夏令营产品，怎么估算市场规模？
步骤1，分层。将问题切割，找出可能不同的市场区隔。
市区和郊区的小学密度可能不同
步骤2，设计方程式。确定哪些数值和因素可能影响正在估算的规模数值。
城市、人口和财富可能影响小学的数量
小学数量=城市数量x每座城市的人口数x每群人口的学校数量x财富因数（市区和郊区的财富对比）
步骤3，计算方程式。对方程式里的数值进行假设。
市区人口=50K，郊区人口=10K。
每10K人有1所学校，市区的财富是郊区的2倍。
市区小学估计值：20x50000x1/10000=200
郊区小学估计值：20x10000x1/10000=20
约有220所小学
2.5预测分析
分析目前和过去的事实数据，来预测未来的事件或行为，最常使用的统计技术是回归和分类。
Q：结账的转化率变低了，为什么？
利用逻辑回归建立模型（特别的回归形式，适用于因变数是二元性质，“有或没有”，此案例考量即为有转化或没转化）
因变数：想要预测的目标，如转化率。
2.6市场区隔
区隔顾客或产品成有意义的群组，通常是为了锁定目标，透过量身打造的方式，让该目标群体产生更高的价值。
Q：哪些客户只想折扣？哪些客户想要第一手信息？
用RFM模型为顾客分组。
2.7顾客生命周期分析
观察消费者的购买流程，以确定某一群顾客正处于哪个阶段，以及怎么将他们推向下一个阶段。
Q：怎么让使用者成为重度玩家？
三、4种统计数值掌握数据特性
手上有一群数据的时候，要快速掌握数据的特征，可以从“平均数”、“中位数”、“众数”和“标准差”下手。
Q：这是公司全体员工职业IT素养程度报告，身为公司数字化转型的负责人，该如何利用它拟定教育训练策略？
整体实力中等，满分10分，拿到平均成绩为5.8分。
组织实力分布不均，中位数低于平均数，表示能力落后的成员较多，应依能力设计不同的课程，或由能力佳者带领落后者学习。
员工职业IT素养程度表
四、2个叙述统计的陷阱
叙述统计虽然能够帮助我们掌握数据的特征，快速产生观点，但在应用平均数、百分比推导结论时，要留意陷阱。
4.1平均数陷阱
平均分提高了1.2分，表现优异。
平均数虽然提高了，但标准差只缩小0.6分，代表组织内程度差距未缩小，可能是有IT背景者进步幅度大，拉高了平均分。
4.2百分比陷阱
近3年员工职业IT素养的成绩持平，2021年成绩跟2019年一样。
不要用百分比去推算分数是否成长，因为每年的基期不一样，所以增长或减少的数值会不同。下表所示，2021年成绩比2019年少了0.71分。
五、5种数据比较的方式
「比较」是让数据产生意义的有效方式，但怎么比、跟谁比？我整理了5种比较方式，以拿到某品牌挂耳咖啡的销售数据为例。
5.1差距比较：分析对象和比较对象的差异
Q：某公司挂耳咖啡包全年营收3亿在市场上的表现如何？跟竞争对手的差距为何？
步骤1，选择比较对象，同类性质互比。
步骤2，设定比较基准值，绘制条形图。
A：挂耳咖啡包为A公司主力商品，虽然A公司在咖啡包全年收入上超越我们，但比起A公司，我们具有多项产品同步发展的优势。
5.2趋势比较：分析一段时期内市场、营收、产品的走势
Q：某公司挂耳咖啡包2021年营收3亿，跟前几年比有成长吗？成长了多少呢？
步骤1，搜集近10年公司咖啡包营收数据，绘制折线图。
步骤2，观察曲线走向，根据转折点、异常值推测变化的原因。
A：跟2020年比没有成长太多，但与2012年相比营收成长了10倍，显然贩售联名商品有效果。
5.3指数分析：利用总体市场数据，判断品牌的目标对象
Q：某公司挂耳咖啡包在市场上哪个年龄层最有优势？
步骤1，搜集比较对象的人口分布比例。
步骤2，计算指数数值。当指数小于95，代表在该年龄层为相对少数，指数大于105代表在该年龄层为相对多数。
A：咖啡包在25~44岁的客群中有竞争优势，45岁以上的客群还需要经营。
5.4异质比较：分析数据的结构是否明确偏向或集中某处
Q：假设挂耳咖啡包月度营收为250万，跟公司的其他产品相比表现算好吗？
步骤1，将所有产品月度营收分布由大至小排列，并记录区间次数。
步骤2，绘制直方图，注意分散的程度、峰值数量。
图1：一个峰值位于中间、图偏向「钟型曲线」，代表数据为常态分布，产品的营收平均值与中位数较不受异常值影响，分布比较平均。
图2：有2个峰值，平均数、中位数受异常值影响，数据分布不平均。
A：产品月度营收分布如图1所示，代表产品的月度营收分布平均，集中在151~200万区间，咖啡包收入250万高于平均，表现不错。
5.5变数分析：比较多个事件的关系，希望找到其中一个事件能去解释另外一个事件
步骤2，将数据绘制成分布图。
六、数据比较的陷阱
Q：患者死亡率是评估医疗品质的指标之一，试试从下表评判，A、B医院，哪间医疗品质更好？
无法评判。
参考表1时，B医院平均死亡率比A更低，B医院表现比A更好；但表2加入「轻重症死亡人数」变项时，A医院无论在轻症、重症死亡率都比B更好，为什么会这样？
原因：
因为A医院的重症人数是B的3倍以上，导致平均死亡率被拉升，只要A、B医院轻重症患者比例相同，就不会有类似的问题。这个案例被称为「辛普森悖论」现象，也就是当某项统计变项为搜集到（此例为轻重症人数比例），造成统计结果逆转的现象。
避免方式：
Q：许多世界知名的领导者都爱好运动，前美国总统奥巴马从小打篮球、youtube总裁沃西基擅长冰球。所以我们可以推测，「擅长运动的孩子，学习力更好」？
培养运动能力，未必能提升学习力。运动能力→学习能力→家长对教育的重视程度。重视教育的家长，会引导孩子学习，所以他们的成绩比较出色。重视教育的家长，会注意孩子的饮食均衡，导致体力变好。
X导致Y或Y导致X，其实存在另一个变数Z，是Z导致X和Y。举例来说，冰淇淋的销售量会随着穿短裤的人数增加而增加，不是「越多人穿短裤」导致「越多人买冰淇淋」，而是两种发生的共同原因是「夏天气温较高」。
八、利用A/B测试，确认因果关系
南美国总统奥巴马的竞选团队，便是利用RCT测试哪一种首页的注册率最高。结果相比原本想选择「影片」和「望向远方的独照」，最后经对实验选择「奥巴马全家福」的方案让注册人数多了288万人，并多募得6000万美元的政治献金。
如果环境不允许，或是没有资源做随机对照实验，《数据分析的力量》建议用「自然实验(naturalexperience)」替代，就是进行一系列假设、验证，厘清因果关系。
举例来说，想知道改变自付额，对医疗服务使用频率的影响。可以先假设「如果自付额会影响医疗服务的使用，70岁以上的人，应该会比70岁以下的人，更常使用」，因为日本法令规范，70岁开始，自付额由3成降为1成。
查询公开数据后发现，随着年龄愈大，医疗服务的使用者也愈多。但到了70岁，原本缓慢上升的曲线突然大跳跃！
这个「断层」代表有变数发生，而69~70岁比较普遍的改变，就是自付额的高低。自付额和医疗服务的使用频率有因果关系得到了验证。