楼主有把分析的详细讲解做成视频，大家可以看一下哦：
百度视频链接： https://pan.baidu.com/s/1OssbM_e_0OUON6VvgObkwQ
提取码：z53k
优酷的视频链接好一些：优酷链接.
楼主的分析逻辑还可以，在【2020帆软BI可视化冬季挑战赛】获得了【最接业务应用奖】，得到了3个培训："CPDA数据分析师认证","帆软BI线上学习班"，"帆软报表线上学习班"，经过这些班短短1个多月的培训后，数据分析能力真的上了一层楼，特别是数据分析的思维方面，这就跟大家分享下楼主最新的分析案例。
之前获奖的链接：【2020冬季挑战赛】某药企销售年报
逻辑思维还可以，但跟现在有定的差距，大家有兴趣可以先去看一下，和现在楼主的最新分析做一个对比~
这次展示的案例是"帆软BI线上学习班"作业8的一个作业，因为楼主刚好脑抽筋做得有点太认真了，也这才有机会刚好可以跟大家分享下。
分析思维（重中之重）----分析方法/分析模型-----工具.
这次楼主要分享的是分析思维，也是分析中最重要的，这边要强调“数据分析的基本工作流程”
下图是楼主在CPDA和FINE BI课程 学到的 分析流程的一个模板，楼主目前就一直采用这个模板进行分析.
有道文档：分析数据的模板(7步法）
零.题目介绍
这道题的素材非常简单，就一个简单的表，字段只有9个，老师的参考答案也非常简单（下图），就是一个那么简单的素材，楼主在没有加素材的情况下分析出挺多的东西~这能显示楼主学到的东西真的好~（实际情况一定要再找些素材，实际分析中只局限于手上的素材是很傻的行为）
一.洞察业务背景
背景：无
目标：得出2015全球年度福布斯排行榜中的富豪数据分布情况
二.制定分析计划
需要哪些数据： 2015福布斯富豪数据
（作业提供，不局限于作业的话，其实要多去拿几年的福布斯富豪的数据，但是楼主就只用这个分析，才能显示最近这1个多月的进步~）
维度：国家,行业，排名，来源，姓名，性别，（资产额段），年龄段指标：人数，资产额，（年龄）
采用逻辑树法对目标进行不断拆解，这个过程特别重要，是达到目标的核心！！！！！
（逻辑树图链接：2015福布斯富豪分布逻辑树）
三.数据拆分建模
一开始也就为了方便，添加了个列：因为资产额作为指标太常用了，直接把个位数的资产转化为“亿”的单位，省的后面一直需要设置数字格式。
其他添加的列也都是在分析过程中才发现需要的了，也没几个，不是很重要。
四.执行分析计划依据所制定的目标逻辑树进行一步一步的分析
0.资产额和富豪人数的分布情况
0.1富豪人数：1826，没有其他年份的数据，无法对比，要分析需要拿更多数据
0.2平均资产额：38.68，没有其他年份的数据，无法对比，要分析需要拿更多数据
0.3集中程度：可以观察到，富豪人数主要集中在10-20(亿美元)的净资产，占比上榜总人数的45%，与平均资产额38.68(亿美元)，有较大的偏差。
0.4离散程度：平均值+-1个标准差之外的数值认为离散较为大，38.68+59.06=97.74，差不多是100亿美元，我们刚好可以将100亿定为划分超级富豪的标准，单独做分析
（在这一步后，我的逻辑树又继续展开，几乎是无法一开始就一次性把全部想清楚的，因为接触的信息有限，在制作过程中会不断的增加。）
0.4离散值-超级富豪
0.4.1超级富豪以6.79%的人数占有了36%的财富，超级富豪的平均资产是205亿美元，是普通富豪平均资产26.54亿美元的7.7倍，在富豪中也是有贫富差距的
0.4.2超级富豪的人数突出国家：美国 。其他国家相比难以对比。
0.4.3超级富豪的人数突出行业：时尚与零售，投资，技术，能源，食品饮料等，比较百花齐放
0.4.4超级富豪在年龄上会比普通富豪偏高龄化一些
0.4.5超级富豪在性别上和普通富豪相比没有太大的特征
1.富豪的国家分布
墨西哥：在平均资产上离群，分析发现是墨西哥有一名排名第二的富豪，771亿美元的资产拉高了墨西哥的富豪平均资产。
美国和中国：中美主要在人数上离群，中国的富豪人数和美国还是有一定差距，为此进行分析
1.1墨西哥平均资产分析
因为墨西哥总富豪人数只有16人，所以可以直接在用姓名直接拿来对比，发现是由与排名第二的富豪在墨西哥，拉高了他们国家的平均净资产
1.2中美富豪人数分析
1.2.1 年龄对比：中国在40-50这个年龄段远超美国，但是在60-90这个高年龄段远低于美国，这推测是中国市场起步较为晚，1978年改革开放至今才42年，所以未来中国很可能超过美国。
1.2.2 性别对比：中国在男性为美国的60%，但女性只为25%。这可能也是中国女性独立的意识起步较晚
1.2.3 行业对比：中国在美国大放异彩的 投资，食品饮料 这两个上非常匮乏
1.3中美富豪平均资产分析
1.3.1分布上：中国富豪资产的人数一半以上集中在10-20亿，占比远超美国，但是在20-50亿这个资产区间人比占比落后于美国,导致中国的平均资产落后于美国
1.3.2 行业分析（去掉多元化）：美国在技术，时尚与零售，媒体，投资 这几个行业的平均资产很高，而中国在制造，保健上的平均资产很低。（高于人数平均线才不算个例）
1.3.3年龄上：中国在所有年龄段的平均个人资产都低于美国，80-90年龄段中，中国异常高于美国，查看明细后发现是有4个中国香港的富豪高资产拉高了这个年龄的水平，他们从事的行业主要以房地产为准。这也说明中国内地的富豪因改革开放才42年，普遍起步都比较晚，而不是这个年龄段的人不行。
2.行业分析2.1时尚与零售，技术，投资 这三个行业是出富豪多且平均资产高的行业，电信平均资产最高，但是出富豪的人数并不多
2.2行业在年龄上：技术行业平均年龄会偏低一些，
2.3行业在性别上，时尚与零售的女性占比比较高，而电信行业女性占比为0
3.富豪的年龄分析（去除了几个未知年龄）
3.1随着年龄的增长，平均资产呈现上升的状态，可以推测财富很大程度上是随着时间不断的积累的
3.2富豪人数在年龄上的呈现“正态分布”， 主要集中在60-70岁年龄段，已经属于中高年龄了
3.3 从事行业分析： 技术，投资，房地产，制造，保健，游戏 这几个行业年轻富豪和老富豪分布差异较大。
年轻富豪在技术和游戏这种新型科技行业明显高于老富豪，特别是技术行业，差了13.1%。老富豪在投资，房地产，制造，保洁这些需要原始积累和传统行业明显高于年轻富豪。
3.4 食品饮料和时尚与零售这两个行业在年轻和老富豪中都是中坚力量，占比较高并且没有明显差距
4.富豪的性别分析----富豪主要还是男性，占比达到91%，但女性富豪的平均资产额有略高于男性富豪。由于女性富豪过少，分析下去具有很多偶然性，所以不进一步分析。
5.富豪来源-----来源这个字段比较乱，不进行分析
五.提炼业务洞察
上面的分析都松散的，这里其实主要就是总结一下，楼主这边偷懒啦，懒得总结
六.产出商业决策
上面的总结就是为了提出一些建设性的东西，但是针对这一题就比较尴尬了，比如我们发现 年轻富豪出现在科技行业，而老牌的房地产等不是年轻人的天下， 我们也不能让国家去重视，我们自己也不可能为此去从事技术行业。 所以上面的分析其实就是结果。
七.验证决策效果
哈哈，没办法验证啦。 其实也是有，比如楼主预测 中国只是因为改革开放时间还不长，导致富豪人数和美国差异比较大，特别是年龄大的，未来中国年龄大的人数一定为增加。 现在是2021年了，其实可以拿202年的福布斯数据来验证~但是楼主时间不够，找资料挺麻烦的，可能还要用爬虫
还是去找福布斯了，结果榜单上没年龄~~ 不好找呀。
这种查找类型的方法不知道大家有没有推荐的方法，楼主这个能力就比较弱了，不知道有什么网站还是怎么搜索效率会比较高，希望大家可以分享下
楼主有把分析的详细讲解做成视频，大家可以看一下哦：
优酷的视频链接好一些：优酷链接.
然后楼主的最近的学经历有兴趣的话，大家可以看一下这篇哈，
讲述楼主最近的学习和总结成为一个数据师的总结：
FINE BI ,FINE REPOPT ,CPDA 同时上了这3个培训后，终于知道数据分析这条路要怎么走
编辑于 2021-2-7 10:21
编辑于 2021-2-7 10:22
编辑于 2021-2-7 10:39
编辑于 2021-2-7 10:40
编辑于 2021-2-7 13:53
编辑于 2021-2-9 10:03
|
蔡总的帖子个个都是精品！
666