做数据分析，需要懂多少统计学

可乐的数据分析之路

哈喽大家好，我是可乐

很多小伙伴会问：做数据分析，需要懂多少统计学知识？今天简单跟大家分享一下。

正文

一、统计学是个啥

统计学是个历史悠久的学科，有着300年以上历史。随着近代科学的发展，人们不再满足于“普天之下”“众所周知”这一类含糊的描述，希望用精确的数据来描述事物，因此诞生了描述性统计（descriptive statistics）。

这是统计学最早，也是最普遍的应用。我们经常说的平均数、中位数、众数等等概念，都是描述性统计的概念。

另一方面，人们发现：获得数据太难了！尤其在300年前，遍地文盲，口述手抄的时代，想获取数据难如登天。怎么办呢？人们开始思考：能否从总体中，抽一些样本，通过样本情况推断总体情况。这样就一定程度上解决了数据获取难的问题，是所谓的推断性统计（inferential statistics）。

上过《统计学》课的小伙伴，都对假设检验、统计量、分布函数等概念记忆深刻。这些东西很难搞懂，实际工作中似乎又很少用到。因为这些东西，都是推断性统计的概念。

随便百度一本统计学术的目录，可以看到，有以下章节（如下图）

其实大部分统计学书都是这么布局的，大同小异。一般四大部分

那么，到底需要掌握多少呢？

第一部分描述性统计是人人必会的。因为这是做数据分析的最基础知识和基本概念，不管做什么工作都要用到。而且这一部分概念简单，很容易掌握。所以入门的新人，最好人手必备

包括

很多基础的数据分析方法，比如分层分析、矩阵分析等，其实就是描述性统计+数据交叉表。所以如果真的是小白入行，统计学数一般看到前四章就能打住了。不用自己难为自己。

当掌握基础知识，要参加面试的时候，可以适当补充第二部分：概率与抽样的知识。并非因为这一部分用处多，而是很多企业喜欢在面试时候问这些问题（就是一个字：卷）。学这一部分，最好的办法是对着章节后边的习题做。做对题，通过面试是第一目标。

第三部分知识，是中级以后数据分析师要掌握的。因为这一部分，讲的是用抽样方法做统计推断。实际工作中，大部分场景不需要做抽样。比如统计销售、运营、产品情况，都是全量统计，很少做抽样。只有特定场景需要。

最典型的就是质量检测。比如检查产品的使用寿命、耐用程度、物理强度等指标，就一定得对产品做破坏性检测。这就意味着不可能100%检测，一定得抽样。类似的场景，在供应链上还有很多，比如检测生产线生产质量，比如检测药品服用效果等等。

之所以在供应链应用多，还有一个深层次原因，就是：供应链的检测，检测的是一个有固定物理/化学属性的事物。这样有可能通过小样本抽样，推断出总体的物理/化学属性。这样使得抽样检测的结果很稳定，有指导意义。

在营销端也有类似应用，一般是用在未上线的产品/概念/价格。比如传统企业流行的包装测试/口味测试/价格弹性测试，或者互联网企业流行的ABtest。因为这些测试，都是挑选一小批用户参与测试，因此涉及小样本推断总体情况的判断，就得用到概率和假设检验。

但要注意的是：抽样方法，往往和具体业务场景捆绑紧密。都是抽样，质检端可能就是按产品编号抽；调研则得先拦截受访者，再甄别特征；互联网产品的ABtest，则是先对流量做分桶。因此孤零零看统计学知识，无法满足实际工作需要，得结合具体业务场景学习才行。

第四部分回归/预测模型，建议缓看。因为这一部分涉及知识量大，且平时工作中不怎么用得上，并且现在机器学习流行，其计算模型思路和统计学不太一样。所以这一部分，建议在自己已经有积累情况下再看。

另一个问题是：统计模型经常被错用、乱用。特别是相关分析和回归分析，因为这两个非常简单，用excel就能做，所以经常被一知半解的小白拿出来乱用。结果，要么是业务表示看不懂，不认可；要么是做的错误百出，无法自圆其说。所以新人真的慎用。

如果新人真的想看这一块，建议只看时间序列预测。因为时间序列预测使用范围非常广，特别适合领导扔几个数据过来，让我们“做个预测看看”的场景。至于其他方法，建议找个现成的工具（比如SPSS），把数据怼进去，然后对着输出参数做解读。

以上就是我个人在工作中运用心得，供大家参考。估计有小伙伴会表示：“小熊妹，你这完全不够呀！最近招聘越来越内卷了，问的统计学知识越来越多，咋办！”从我的面试经历看，一般这些卷王们，喜欢卷三个话题：

往期推荐

数据分析师的3年之痒，怎么解决？

数据分析师常用的十种数据分析思路

随机、赌徒谬误、小数定律，概率论中最简单的智慧在生活中的运用

可乐的新书《Excel数据处理与分析——数据思维+分析方法+场景应用》已上线，详细内容可点击->坚持写公众号3年，我的第一本书出版！主要讲解Excel之于数据分析、处理的作用。如有需要可直接点击下方链接购买。