数据分析到底是什么？该怎么做？数据思维又是什么？数据分析怎么应用到日常工作生活？
为了更好的理解数据分析的这些问题，我们来结合美国大选这个具体例子，带着大家做一场“探索性数据分析”。
美国总统大选投票结果已公布，一阵热闹过后，是否好奇，想看清这场“闹剧”是怎么回事？出于这个目的，我们收集数据，来做一次“探索性数据分析”之旅。
看着选票地图，很多人想不通的是，为什么老百姓都参加了投票，但是官方显示的票数，每个州只有几票？这些票到底怎么来的？
这就和美国的选举规则有关，美国各州人民都参与了投票，但是总统并不是由他们直接选出来的，能投票选总统的是另外一波人“国会议员”：这和另外一个规则有关，虽然议员的票数决定了谁做总统，但是议员不能决定自己想投给谁，而是由选民决定的，也就是说，全体选民投票的结果决定议员的票给谁。比如：阿拉巴马州有超过50%的选民投票给A，那么这个州所有议员的票都属于A，这个规则叫“赢家通吃”。所以我们看到各州的投票结果显示 XX : 0 赢的人得到所有选票，输的人一张也得不到。
这些票最后投给了谁？ 但是每一届参与选举的候选人都不一样，这个“谁”，在不同的选举年份中怎么做交叉对比？想到的字段：每次选举的两个人分别代表两个党派，为了做交叉对比，得票的主体用“党派”
1、寻找美国州名的数据。
在电脑上搜索到有州名的网页，上面看到一张州名列表。我们用EXCEL根据以下步骤把这张表提取出来。在网上找到2016年选票数据，用EXCEL直接获取下来。(步骤如上略)但是找2012年选票数据的时候，只找到一个选票地图再去找2020年选票，找到最详细的数据，复制时发现是“图片格式”！不！我们是“数据分析师”，我们要专业，不能手抄，我们用Python！市面上有免费图片文字识别的开源功能，我们只需要调用相应接口，此处选择了百度的图片文字识别。思路：用Python 调用现成的“图片文字识别接口”，识别提取两张图片中的文字数字信息。打开python的shell 如下图安装“百度接口包”打开自己的Python编辑器（此处我用的是PyCharm），把教程上的代码拷贝到PyCharm以上步骤是生成一个Client对象，这个对象能调用“百度接口”里面的各种功能接口。那么下一步告诉python，这个对象要去调用哪个接口。如下图我们之前选择了“通用文字识别（高精度版）”在接口说明里，找到了这个接口的调用方法，按照教程，把需要的部分拷贝下来获取完官方标准的教程代码，现在我们来完善他。去“控制台”注册登录账号和创建应用。Python默认去识别同一个项目文件夹下的图片，所以把之前网络上找到图片直接保存在python这个代码的文件夹下当然也可以再调用两个包，做成“截图，保存，识别文字，三个步骤一体的python小工具”，此处不做展开。from aip import AipOcr # 要先完成 pip install baidu-aipSECRET_KEY = '你的SECRET_KEY'client = AipOcr(APP_ID, API_KEY, SECRET_KEY) def get_file_content(filePath): with open(filePath, 'rb') as fp: image = get_file_content('2020vote.jpg') client.basicAccurate(image); message = client.basicAccurate(image) message_result = message['words_result']此处数据量不大，把获取的数据放在excel里面清洗后，得到格式统一的表。
有清洗干净的完整数据之后，我们开始探索分析，这里用一种简单又低成本的方式：Power BI
首先，气泡大小代表州的票数，虽然每年根据人口数量相应票数有变化，但是大体基本一致。其次，这三张图，看着很相似，颜色的分布变化不大。也就是说，每年都有一些固定支持共和党或者固定支持民主党的州。这部分的结论是：虽然每次选总统是两个人竞选，但其实支持他们的人，很多是出于这些人所在的党派。可以看出每个不同的州，票数相差很远，有约20%左右的州，占到总票数一半以上。也就是以下地区可投选票的数量较多
1、有部分州，每年都一定选择共和党或者一定选择民主党，剩下小部分州会在两党之间摇摆，也就是说，美国总统大选，候选人背后代表的党派影响力，大于他们个人的影响力。2、从竞选策略上来说，每年可以“不用太关心”一定会投票给自己党派的州，应该把重点放在“摇摆州”上。而“摇摆州”应该先从上图中占票数多的州开始争取，然后再根据各州的票数占比，区分轻重缓急依次做竞选攻略。
以上就是一次标准又简洁的数据分析全过程演示。然而，在实际的业务分析中，一般在第七步得到了结论后还会回到第一步分析的目的，去与业务或者运营人员沟通，反馈结论，比如是否有异常、异常原因、下一步动作等事宜，这也就使数据分析形成了“闭环”。然后相关业务人员再次提出疑问去确立新的分析目标，通过如此反复的迭代优化及分析，可提高营销活动有效性，提高投资回报率等等数据指标……“闭环”其实就是“扬长避短”，让数据引导动作到更有价值的地方，实现资源配置最大化，也就是所谓的数据驱动业务。总而言之，数据分析的有趣之处就是，当你把自己想成福尔摩斯的话，那数据背后一定存在真相。也由此可见，数据分析的应用范围很广，在各行各业都可以渗透，为什么可以渗透？那是因为各行各业都离不开数字，只要有数字的地方，就有数据分析的用武之地；且数据分析的内容也可以很深，从加减乘除算数运算，到建模回归机器学习，都已经广泛运用起来了；从上面的分析看，数据分析的工具那更是数不胜数，爬虫、清洗、可视化、数据库等，只有你想不到的，没有市场上满足不了需求的。数据分析就像一双翅膀能让你飞得更远，希望大家通过这个具体的例子，学会用数据分析赋能到你工作生活的方方面面。实习/全职编辑记者招聘ing
加入我们，亲身体验一家专业科技媒体采写的每个细节，在最有前景的行业，和一群遍布全球最优秀的人一起成长。坐标北京·清华东门，在大数据文摘主页对话页回复“招聘”了解详情。简历请直接发送至zz@bigdatadigest.cn
