让数据更有意义——分析过程数据的五步挖掘法.pdfVIP

让数据更有意义 Make Data Matter — — 分析过程数据的五步挖掘法 -- A five-·prongedapproachto analyze processdata 罗纳德 ·斯尼 ]~onald D．Snee 数据分析究竟是一种艺术还是 采用一个 已明确表达并经证实的过程 这种方法相对非结构化的方法 一 门科学?持这两种观点的始终争论 数据分析战略 ，并系统地实施这样的 至少有三个显著的优点。第一，它是 不休 ，还有许多人采取中间立场 。在 战略 ，从而避免采用那些草率或特定 可重现的——它可以用于任何需要更 我看 ，它两者都是。 方法的陷l阱。这样的战略必需采取五 好理解过程的情况。第二 ，一个可靠 不管你持什么观点 ，在这场争 项基本活动 ： 的过程本身，它很稳健——有足够灵 论中都缺少 了一个关键要素——需要 1．了解分析的背景环境。 活性 ，能在不同情况下发现特定的各 有一个明确表达的数据分析战略。事 2．检查数据的源头。 种变异。第三，最重要的是它更可能 实上，对数据分析性质的各种态度往 3．图形表示过程 。 产生有用的结果。 往反映出不成熟的战略。 4．图形表示数据 。 把数据分析看作是艺术的一派 5．对数据进行统计分析。 理解过程的背景 会注意数据 ，凭直觉和经验来利用数 注意这些活动是迭代的，与顺 一 个最基本的问题 ：本次分析 据，然后 自信地得出他们认为有用的 序活动不同，随着环境变化 ，这些活 的 目的是什么?在 问清这个 问题前你 信息。而认为数据分析更多的是一 门 动的次序可以变化 。 很难准确知道该如何继续下去。 科学的人，可能更相信数字 ，直接运 例如 ，这些方法相关迭代时，过 是否要证实某一项假设?例如， 用统计软件做一些不会产生异议的数 程的图示表达可 以先于数据源头的检 某一制造业组织使用来 自两个不同经 字处理 。 查。在任何情况下 ，这些活动大部分 销商的原材料 ，怀疑原材料在质量上 那些处于 中间立场 的人——可能 要 向前或向后观察。数据源头的检查 的差异会造成最终产品的缺陷。数据 是最大多数——两者都做一点：依照 — — 指数据来 自何处 以及如何收集它 分析可 以证实或不能证实此假设，即 他们的想法利用数据 ，进行数字运 们——从而可以进行反向分析 以充分 在本例 中，识别出有 问题的经销商。 算，做进一步处理再返回数字 ，直至 揭示出过程的背景环境并注明数据源 这样的背景环境有时被称为证实性数 他们认为是满意的结果。 头 。 据分析 。 所有这些方法都有可能在所分 而数据 的源头也规定 了过程应 或者 ，你可能要 着手解决某个 析的对象上以及结果的显著性上产生 如何进行图形表达。这样轮流追溯提 特定 问题 ，产生 问题 的原因并不清 不正确的结论。 出还需要什么附加类型的数据以及对 楚。例如 ，一个化工过程在各生产批 图形表过的预期影响。不断迭代这些 之间的纯度产生了不可接受的变异。 五项活动 活动就可获得重要的结果 ，使你可以 或者一个经营过程，像银行贷款批准 从事数据分析的人员可以通过 准备好充分和有说服力报告。 过程，需要太长的时间。又或，一个 批发商按时交付 的比率变动得很厉 导致你落入错误的分析路径。假设 ， 产量出现不可接受的变异。因此 “产 害。这些背景需要揭示性数据分析 ， 一 个医药公司由于某销售商提供原材 量”是关键输