提到数据分析,可能很多文科生会想起过往的“痛苦”，数学不好，逻辑不好，没有思路，不知道选择什么分析方法，什么回归分析，相关分析，T检验，因子分析，聚类分析，完全不会，不知道应该使用哪一种，也不知道如何解读指标，尤其是写论文阶段需要做数据分析，而且一定需要，本想着照葫芦画瓢，但还是各种不会。求助老师也不行，老师说你照着这篇文章分析就好，可实际操作起来，自己的数据无论如何都与预期不符合，怎么办，怎么办？
为了解救大家于水火之中，接下来本文将从三个角度进行解读数据分析，完全不带数学公式，让你两小时就能快速掌握数据分析的框架套路，直接上手进行数据分析。
第一点是基础知识的学习，10分钟掌握
第二点是分析方法的选择，半小时理解
第三点是实际应用，20分钟应用
第一点：数据分析基础知识
想要掌握数据分析的逻辑，需要有点前修知识，以一图讲解。
1、首先是数据类型，这是数据分析的核心。
在数据分析的眼中，现实生活中只有两类数据，分别是定量数据和定类数据。可以量化的就叫定量数据，比如身高、体重，身高的数字可以进行PK大小，数字越大代表身高越高。这种就是定量数据。
生活中还有一种数据叫定类数据，比如性别，男和女，其代表分类。不能说男大于女，因此这种就叫定类数据。
2、 其次是数据存储，这是数据分析底层内容。
上述讲了数据类型，接着讲下数据存储。在计算器眼里，它是不认识男，女之类的文字信息。但我们自己是知道男和女这些的。所以就会出现gap，如何办呢？
机器只认知数字，那么我们就把文字转换成数字，比如男就编码成数字1，女就编码成数字2；这样机器就认识数字了。但是这时候人很可能忘记数字1和2代表的意义，因此，这个时候就出来一个叫“数据标签”的功能，标识出数字1和数字2代表的意义。上述即可数据存储的基本原理。有了数字就可以进行对应的研究和分析。
3、P值是数据分析最常见的概念。
在逻辑学中有提到，真理和科学是两个不一样的东西。比如“今天可能下雨，也有可能不下雨”，这叫做真理，简直就是100%正确，不带一丝考虑，当然也可以理解为废话。而科学就不一样，如果这样说“今天有90%的可能性下雨”，这就是一种常见的科学措词。90%是一种概率，而数据分析时基本上均由概率进行推算。P值就是概率的一个表示名词，比如P值为0.01，通常说明有99%的把握（1-0.01=0.99），如果P值为0.2，则可以理解为有80%的把握（1-0.2=0.8）。
但一般情况下，在数据分析时，P值只拆分成2个标准，即0.01和0.05，比如P值小于0.05，通常意思是指至少有95%的把握；P值小于0.01，通常意思是指至少有99%的把握。如果说P值为0.2，你也可以理解为有80%的把握，但这种把握性不高，所以大家不认可这个标准。而只认可P小于0.05和P小于0.01这两个标准。
第二点：分析方法的选择
上述已经讲了数据分析基础知识，即已经理解定量和定类数据。事实上就已经理解了大部分研究方法。
研究方法基本上均是按照数据类型进行区分，最简单的例子，定量数据可以计算平均值，而定类数据只能计算百分比算个数。因此就有以下区别：
上述其实已经有了研究方法的选择，其实这已经是按照专业的做法进行。先区分数据类型，然后再选择对应的研究方法。这是一种专业的思路做法。也只有这样进行，才能知道自己做的对还是不对。接着下述继续举例下，比如常见的定类和定量之间的交叉。
比如定类和定类数据之间的交叉关系，不同性别群体，他们吸烟的比例有没有差异性呢？不同性别的群体他们购买IPHONE的比例有没有差异？明显的这种研究在生活中非常常见，这种一般使用卡方分析。这种分析方法使用非常常见，因为生活中的现象很多都符合这种情况。
定类和定量间的关系，比如不同性别的人体重有没有明显的差异，不同性别的群体他们工作时长有没有差别等等。诸如此类，研究定类和定量数据之间的关系，那么就可以使用到比如T检验，方差分析等研究方法。当然还有其它一些更深入的研究方法。
定量和定量间的关系，比如熬夜时长和体重间的关系情况。如果是分析有没有关系，那么用相关分析就可以了；如果是想研究影响关系情况，那么就可以使用回归分析进行研究。
除了上述的一些基本的研究方法，事实上还有非常非常多的研究方法可以使用，具体研究方法的选择使用这里就不用更多说明，关键是研究的时候，有没有按照专业的做法，即先区分数据类型，然后再选择对应的研究方法，如果有这个步骤，那数据分析就会非常简单和轻松。
具体数据类型与研究方法的对应关系情况，可参考SPSSSAU的官网手册，如果是使用SPSSAU，直接操作的时候就会提示对应需要放定类还是定量数据。比如回归分析，SPSSAU的提示界面如下：
回归分析是研究X对于Y的影响关系，X一般是定量数据(当然也可以定类数据)，Y是定量数据；所以SPSSAU会在对应需要放数据标题的框中进行提示。按着提示进行操作一下子就好。
研究方法的选择，这里截图简要说明下：
第三点：研究实际应用
如果已经可以选择正确的研究方法，并且可以使用SPSSAU进行正确的操作，最后关键的一步就需要进行文字描述，写分析，针对具体指标情况进行分析得到结论。事实上每个研究方法都有一定的写作逻辑，这种逻辑是基于研究方法的原理而形成。刚好，SPSSAU把这种逻辑进行提练直接展示给用户，更进一步，把这种逻辑全部进行智能化，将数据结果的逻辑，全部用文字自动分析展示出来。这里仅进行回归分析举例下：
回归分析事实上一般分为五个小步骤，SPSSAU分析建议里面进行了详细的描述。更进一下，也是让用户乐道的功能，即“智能分析”，可见下图：
看完智能分析，基本上就已经完全掌握回归分析模型，如果还没有掌握这个研究方法怎么办呢？SPSSAU同时还提供出详细的帮助手册案例，以及客服咨询。
这个“灯泡”，其实就是打明灯，如果不懂，点下它，就会有详细的帮助手册和案例说明等。当然如果还是不会，直接咨询SPSSAU客服吧。
好了到此为止，相信大家已经基本能理清数据分析的逻辑了，剩下的就要靠各位自己多实践多操作啦，要相信下一次再审核导师一定会对你说：
