数据分析系列剧第二集:七步法的应用

简介:     中秋佳节,小蔡带上月饼和葡萄到师傅老李家串门。寒暄之后,大家开始闲聊。老李:“小蔡,有没有女朋友呢?”小蔡:“还没有呢,我想先有些积蓄,再交女朋友。

    中秋佳节,小蔡带上月饼和葡萄到师傅老李家串门。

寒暄之后,大家开始闲聊。

老李:“小蔡,有没有女朋友呢?”

小蔡:“还没有呢,我想先有些积蓄,再交女朋友。师傅,我现在是月光族,有什么样的方法可以让我攒更多的钱呢?”

 

老李想了想说:“你可以试试麦肯锡的七步法。”

“七步法?”小蔡满脸疑惑。

“七步法,顾名思义七个步骤,是解决问题的常用思路和方法。”——老李拿出一张图(见下图)接着说:“你看,这就是七步法的示意图。”数据分析系列剧第二集:七步法的应用


小蔡看得似懂非懂,怯怯地问:“感觉好复杂,这张图能解决我的问题呢?”

老李递给小蔡一支笔:“你来做个记录,咱们一起分析一下,首先,你的问题是?”

“攒更多的钱!”——小蔡脱口而出。

老李:“没错!你的这个问题就对应着七步法的第一步”

 

老李继续问:“那你认为攒钱的途径有哪些呢?”

小蔡:“应该有开源和节流两个方面吧。”

老李:“你打算如何开源和节流呢?”

小蔡:“在开源方面,可以增加投资收入和工资收入;在节流方面,需要控制自己买东西的数量和价格。”

老李:“没错!你这是在将攒钱的问题逐层分解,这就是七步法的第二步。”

 

老李接着问:“你还要想一想,你刚才提到的这些方法中,哪些可行,哪些不可行?”

小蔡想了想说:“我觉得开源的两种方法目前还都不太可行,投资我不太懂,现在不敢贸然行动。另外,我刚参加工作,还在试用期,向领导提涨工资的事也不合适。所以,我觉得我现在能做的就是节流,少买东西,多买便宜货。”

老李:“没错!你所作的这种选择就是七步法的第三步。”

 

老李清了一下嗓子,继续问道:“你刚才选择了节流,那节流如何怎么做?你需要制定一个时间计划表。”

小蔡想了一下说:“从这个月,我要货币三家,买便宜的东东;此外,我还要制定下月的采购计划。”

老李评价道:“这个计划有点粗,回去可以再列细些。这是七步法的第四步。”

 

接着,老李又抛出个问题:“货比三家、制定下个月采购计划,这两项工作你具体打算怎么做?”

小蔡:“我家附近有3家超市、2个小市场,今后我买东西,会比较这些地方的价格,哪里便宜在哪里买,做到货比三家。此外,我会盘点家里现有的物品,预测家里未来的需求,并把这些需求按轻重缓急排序,以此制定下个月的采购计划。”

    老李:“非常好!这就是七步法的第五步。”

 

    小蔡高兴地说:“老李,谢谢你!经过你的指导,我已经知道我的问题该如何解决了。”

    老李:“作为分析师,你面对的往往是客户的问题。所以,光自己知道还不够,还要能把你的研究成果讲给你的客户听,因此,你要会汇总和表达。”

    小蔡疑惑地问:“汇总和表达怎么做?”

    老李:“可用S-O-I模型,它是用来做逻辑梳理的(见下图)。按S-0-I模型,就可以汇总你的研究成果” 数据分析系列剧第二集:七步法的应用

小蔡点点头,拿起笔,边想边写,不一会儿,就做出了关于攒钱的分析汇总(见下图)。        数据分析系列剧第二集:七步法的应用


老李:“这是七步法的最后两步。到此,你就用七步法解决了你的问题。这个过程你刚才有没有做记录?”

“有做,有做!”——小蔡边说边把做好的记录递给老李(见下图)。      数据分析系列剧第二集:七步法的应用

老李看了看,然后笑着说:“小蔡,够厉害!你的记录,思路清晰、内容充实!”

小蔡摆摆手说:“哪里!师傅,您才高手呢,什么问题到了您那,您都有模型,分析思路特清晰。”

    老李:“模型其实就是一种结构化思维,它可以帮你完整快速地切入和解决问题。结构化思维是从诸多个案中抽提出来的方法论,可以应用在很多方面,比如,你在节前搭建的那个分析体系(见数据分析系列第一集,网址为http://blog.sina.com.cn/s/blog_a032adb90101mz6n.html),也是七步法的应用。”

小蔡惊奇地的瞪大眼睛。

老李拿出当时讨论的底稿,递给小蔡说:“你自己琢磨琢磨,我去给你洗点水果。”

小蔡边对照七步法模型边看底稿,等老李端果盘回来,他已经将思路整理出来了(见下图)。数据分析系列剧第二集:七步法的应用

老李看了看表1说:“整理的不错!美中不足的是第四步计划制定的太粗。”

小蔡连连点头:“是呀,是呀,可是我不知道该怎么定计划!”

老李:“分析师的工作计划主要包括六项内容——分析任务、分析假设、分析内容、

数据来源、负责人/工作时间、最终成果”

见小蔡一脸迷茫,老李接着说:“为了便于理解,举个麦肯锡的经典案例(见下图)。数据分析系列剧第二集:七步法的应用

生动的案例让小蔡恍然大悟,于是小蔡用了20分钟,定出一份自己的工作计划(见下图)。数据分析系列剧第二集:七步法的应用

小蔡将这份计划递给老李:“师傅,评价一下我的计划吧,看看能打几分?”

老李看了一会说:“还不错!我至少给你打70分吧。”

小蔡显然有些失望:“才70分呀!”

老李笑着说:“是至少70分。一份好的计划需要满足7个条件(见下图),你的计划目前已满足了5个,还有2个(频繁和一致)尚待观察,因此我给你打了5*100/770分。

 数据分析系列剧第二集:七步法的应用

小蔡波浪鼓似的点头:“师傅,我明白了!这只是一个初步的计划,节后我还要和周总讨论以达成一致,然后在开展工作的过程中,还需要根据实际情况对计划进行修改和更新。”

老李伸出大拇指赞扬道:“没错!就是这个意思。小蔡,你是一个好苗子,好好努力,待到明年中秋时,再来作客伴佳人。”


转载自《数据小宇军的新浪博客》

目录
相关文章
|
1月前
|
数据采集 机器学习/深度学习 数据可视化
深入浅出:Python在数据分析中的应用
本文将探讨Python语言在数据分析领域的核心应用,通过实际案例展示其如何处理和分析大规模数据集。不同于传统的技术文章摘要,我们将采用一种故事化的方式引入,让读者通过一个数据分析师的日常挑战,感受Python的魅力。接着,文章将详细介绍Python在数据预处理、数据清洗、数据可视化及机器学习等方面的实际应用,旨在为广大技术爱好者提供一份易于理解且实用的指南。
|
1月前
|
数据采集 数据可视化 数据挖掘
浅谈Python在数据分析中的应用
在当前数据驱动的时代,Python已经成为数据分析不可或缺的工具之一。本文将探讨Python在数据分析领域的应用,特别是如何利用Python进行数据处理、分析以及可视化。我们将通过实际案例,展示Python强大的数据处理能力和灵活的数据分析功能,以及如何使用Python的各种库,如Pandas、NumPy、Matplotlib和Seaborn等,来简化数据分析流程,从而提高分析效率和质量。这篇文章旨在为初学者提供一个关于Python在数据分析中应用的全面介绍,帮助他们快速入门并应用于实际项目中。
|
1月前
|
机器学习/深度学习 人工智能 数据可视化
Python在数据分析中的威力及应用实例
本文探讨了Python在数据分析领域的重要性和灵活性,着重介绍了Python在大数据处理、机器学习和可视化方面的应用实例,展示了其强大的功能和便捷的特点。
|
1月前
|
机器学习/深度学习 数据可视化 数据挖掘
Python在数据分析中的强大应用
【2月更文挑战第10天】 数据分析作为当今信息时代的重要技术手段,已经成为各行各业的核心竞争力所在。本文将深入探讨Python在数据分析领域的强大应用,从数据处理到可视化分析,展现了Python作为一种高效、灵活的编程语言在数据分析中的无限潜力。
|
1月前
|
机器学习/深度学习 数据可视化 数据挖掘
Python在数据分析中的应用及其优势
数据分析在当今信息化时代具有重要意义,而Python作为一种简洁而强大的编程语言,在数据分析领域有着突出的优势。本文将介绍Python在数据分析中的应用及其优势,包括其丰富的库、易读的语法和广泛的社区支持,以及如何利用Python进行数据处理、可视化和建模。
|
1月前
|
数据可视化 数据挖掘 数据处理
Python在数据分析中的应用实践
【2月更文挑战第13天】 本文旨在探讨Python语言在当前数据驱动时代的核心应用之一——数据分析领域的实践方法和技术。Python,作为一种高级编程语言,因其简洁的语法、强大的库支持以及广泛的社区资源,已成为数据科学家和分析师首选的工具之一。文章首先简要介绍Python及其在数据分析中的优势,随后深入讲解使用Python进行数据处理、分析、可视化的关键技术,包括但不限于Pandas库的数据处理、Matplotlib和Seaborn库的数据可视化技术,以及SciPy和Scikit-learn库在数据分析中的应用。通过具体案例,展示Python如何有效地解决实际数据分析问题,最终旨在为读者提供一
21 2
|
1月前
|
数据采集 数据挖掘 大数据
Python在数据分析中的应用及实践
【2月更文挑战第13天】 本文旨在探讨Python语言在数据分析领域的广泛应用及其实践方法。通过深入浅出的方式,介绍Python在处理、分析大数据时的核心库和工具,如Pandas、NumPy、Matplotlib等,并通过一个实际案例来展示这些工具如何协同工作,解决数据分析中遇到的常见问题。文章不仅为读者提供了一个学习和应用Python进行数据分析的起点,也通过案例分析,展示了Python在数据处理能力上的强大与灵活性,旨在激发读者对Python数据分析深入学习和研究的兴趣。
|
10天前
|
数据采集 数据可视化 数据挖掘
SciPy在数据分析中的应用:从数据清洗到可视化
【4月更文挑战第17天】# SciPy在数据分析中的应用:从数据清洗到可视化。文章探讨了SciPy在数据清洗(使用NumPy处理缺失值和异常值)、数据分析(描述性统计和模型拟合)以及数据可视化(结合Matplotlib和Seaborn进行图表绘制)中的作用。SciPy与其他Python库结合,为完整的数据分析流程提供了强大支持。
|
10天前
|
数据采集 数据可视化 数据挖掘
Seaborn在数据分析中的应用:案例分析与实践
【4月更文挑战第17天】本文介绍了Seaborn在数据分析中的应用,它是一个基于Python的可视化库,简化了复杂数据的图表创建。通过一个销售数据分析的案例,展示了数据加载、描述性统计、相关性分析、多变量分析及高级可视化步骤。实践技巧包括数据清洗、图表选择、颜色使用、注释标签和交互性。Seaborn助力高效数据探索和理解,提升分析效率。注意,实际使用需根据数据集和目标调整,并参考最新文档。
|
11天前
|
数据采集 数据可视化 数据挖掘
NumPy在数据分析中的核心应用
【4月更文挑战第17天】NumPy是Python数据分析基础库,核心应用包括数据结构化、预处理、统计分析和可视化。它提供`ndarray`多维数组对象及灵活索引,用于数据存储和处理。数据预处理支持缺失值处理,统计分析涵盖描述性统计和相关性分析。虽不直接支持数据可视化,但能与Matplotlib等库集成绘制图表。掌握NumPy能提升数据分析效率,助于挖掘数据价值。