统计数据的统计数据的搜集

1. 统计数据的统计数据的搜集

统计数据主要来源于两种渠道：一是来源于直接的调查和科学的试验，这是统计数据的直接来源，称为第一手或直接的统计数据；而是来源于别人调查或试验的数据，这是统计数据的间接来源，称为第二手或间接的统计数据。 统计数据搜集的组织形式有普查、抽样调查、统计报表、重点调查、典型调查等。普查：普查是为了某种特定的目的而专门组织的一次性的全面调查，用以搜集重要国情国力和资源状况的全面资料，为政府制定规划、方针政策提供依据。抽样调查：抽样调查是实际应用中最广泛的一种调查方法，他是从调查对象的总体中随机抽取一部分单位座位样本进行调查，并根据样本调查结果来推断总体数量特征的一种非全面调查方法。统计报表：统计报表是一种以全面调查为主的调查方式，它是由政府主管部门根据统计法规，以统计表格形式和行政手段自上而下布置，而后由企、事业单位自下而上层层汇总上报逐级提供基本统计数据的一种调查方式重点调查：重点调查是专门组织的一种非全面调查，它是在总体中选择个别的或部分重点单位进行调查，以了解总体的基本情况。典型调查：典型调查也是专门组织的一种非全面调查，它是根据调查研究的目的和要求，在对总体进行全面分析的基础上，有意识的选择其中有代表性的典型单位进行深入细致的调查，借以认识事物的本质特征、因果关系和发展变化规律。 在实际调查中，搜集数据的具体方法主要有访问调查、邮寄调查、电话调查、座谈会、个别深度访问、网上调查。访问调查：访问调查又称派员调查，它是调查者与被调查者通过面对面地交谈从而得到所需资料的调查方法。邮寄调查：邮寄调查是通过邮寄或其他方式将调查问卷送至被调查者，由被调查者填写，然后将问卷寄回或投放到指定收集点的一种调查方法。电话调查：电话调查是调查人员利用电话通受访者进行语言交流，从而获得信息的一种调查方式。电话调查优点是时效快、费用低；不足是调查问题的数量不能过多。座谈会：座谈会也称为集体访谈法，它是将一组受访者集中在调查现场，让他们对调查的主题发表意见，从而获取调查资料的一种方法。这种方法适用于搜集与研究课题有密切关系的少数人员的倾向和意见。个别深度访问：个别深度访问是一次只有一名受访者参加的特殊的定性研究。常用于动机研究，以发掘受访者非表面化的深层次意见。这种方法最适宜于研究较隐秘的问题，如个人隐私；较敏感的问题等。网上调查：网上调查主要有E-mail、交互式CATI系统、互联网CGI程序三种方法。

2. 如何分析统计数据

如何快速统计数据？

3. 如需查找历年统计数据最好使用什么类工具书

工具书：《XX年鉴》就可以查寻到历年的资料
比如细分，历史年鉴，经济年鉴，统计年鉴，文艺年鉴，出版年鉴等

扩展资料
数据分析的核心是什么？

是业务。

通过业务的分析逻辑映射到数据分析的处理逻辑，而数据分析的工具则是帮我们实现结果的手段，在不同业务场景中都是通用的，所以我觉得有必要给大家推荐一下这篇硬核文章。

一、《深入浅出统计学》


网评说文科生都能看懂~如果你已经打算开始学习数据分析，统计学的知识必不可少，这本书浅显易懂，但知识点全面，包含了数据分析日常工作中，常用的技能点：统计量与概率分布、总体与样本、置信区间、假设检验、回归分析等等。

二、《R语言实战》


如果要用R语言做数据分析，建议读完我上期推荐的那本《深入浅出数据分析》之后，就开始读这本。从工具的安装，到具体分析方法在R语言中的实现，讲解详细，可操作性极强，是一本非常值得读的数据分析书。

三、《利用Python进行数据分析》


这本书的经典不用多说，稍有了解的人必然被推荐过。最经典的数据分析书之一。各种数据库的介绍详细全面，适合数据分析师进阶之前阅读，可以应对绝大多数的传统企业数据分析需要。

四、《数据科学实战》


这本书被誉为是“数据分析和机器学习间的桥梁”，对于做了一段时间数据分析工作的人，这无疑是进阶更高维度的好书，很难有一本书，能够让你从简单的数据分析平滑地过渡到机器学习和数据挖掘，这本书我认为是这方面做的最好的一本。

五、《数据可视化》


国内第一本数据可视化教材，如果你学习数据可视化，这本书正是刚需！是数据可视化的入门书籍，系统介绍了可视化的相关概念和常识，教材相对于工具书更为难读，但却能为你增长不少对可视化的认知。

六、《数据可视化之美》


这本书详细展示了可视化所能实现的功能以及如何使用它来改变世界。为此，请到了20多位可视化专家，他们从艺术家、设计师、评论家，到科学家、分析师、统计学家等等等等，细致的介绍了他们如何在各自领域内利用可视化进行工作。

七、《数据挖掘导论》


最近几年数据挖掘教材中，比较好的一本书，被美国诸多大学的数据挖掘课作为教材，因为个人觉得这本书对于初学者来说不太易读，所以放在最后，难度：中上。

以上，推荐的书籍都可以当成工具书来使用，不管你是初学者还是进阶者，都是可以反复阅读的，小封希望能够在你学习数据分析的道路上有所帮助。

4. 工具：数据分析（统计学）

方法：描述统计、推断统计
  
 数据：数值数据和分类数据（类别、文本，不能进行计算）
  
 分类数据描述统计：频数统计、频数百分比
  
 数值数据描述统计：统计度量（平均数：当数值差异性很大，平均数会被拉大或拉小、中位数、众数）、图形
  
 分位数：第一分位数：25%分位数、第二分位数：中位数、第三分位数：75%分位数
  
 方差：描述离散程度，数据波动性
  
 标准差：方差是平方，实际业务中没有“平方”，所以需要开方，即为标准差，有+-之分
  
 数据标准化：Z-Score，将两组数据放在一个可对比的维度，比如销量和温度
  
 量纲：单位；当观察日期和某业务数据关系时，可以将日期分解为按周和星期
  
 切比雪夫定理：至少有75%的数据，位于平均数2个标准差范围内；至少有89%的数据，位于平均数3个标准差范围内；至少有96%的数据，位于平均数5个标准差范围内
  
 可视化：箱线图、直方图（对称型、陡壁型、锯齿型、孤岛型、偏锋型、双峰型）
  
 切比雪夫定理V2.0
   正态分布中，至少有68%的数据，位于平均数1个标准差范围内
   正态分布中，至少有95%的数据，位于平均数2个标准差范围内
   正态分布中，至少有99.8%的数据，位于平均数3个标准差范围内
  
 概率
   事件：{正面，反面}
   概率：各50%
  
 补集、交集、并集
  
 韦恩图
  
 P(A∪B)=P(A)+P(B)-P(A∩B)
  
 P(A|B)=P(A∩B)/P(B)
  
 P(A|B)=P(A)
  
 贝叶斯定理：结果A已经发生了，通过结果A反推真实原因可能性有多大
  
 三道题
   1、参加营销活动的人群中，女性只有30%，能否说明女性不爱参加活动？
   2、某城市有两种颜色的出租车，蓝车和绿车市场比率15:85。一辆出租车夜间肇事逃逸，当时一位目击证人认出出租车是蓝色的。经过相同环境下对“蓝绿”测试得到：80%情况下识别正确，20%不正确，实际为蓝车可能性？
   3、假设1000条正常短信中，包含“澳门赌场”的短信有2条，在垃圾短信中，包含“澳门赌场”的短信有400条。现在接收了一条新短信，在不浏览内容情况下，假设正常几率50%。现在解析短信内容，发现了澳门赌场这个词，它是垃圾短信的概率有多高？

5. 统计分析和数据挖掘

统计分析和数据挖掘

在企业管理信息化的大背景下，数据分析技术已经成为企业应用关注的一个焦点，但由于历史原因，大部分人对传统的统计分析和新起的数据挖掘都不太了解，存在着许多模糊认识。这里先谈谈对统计方法的两种常见的误解。 
　　对统计分析的两种误解 
　　统计学有很强的数学背景，所以常见的误解是：统计学家约等于数学家，数学家约等于陈景润，陈景润约等于歌德巴赫，于是统计学家约等于歌德巴赫。问题来了，歌德巴赫和企业的数据管理有什么关系呢？对于统计学来说，这种误解实在是极大的不幸。著名统计学家George Box有句名言：所有的模型都是错误的，而其中有些模型是有用的。这种话表面上看来是很放肆的，但统计学家们在处理实际问题的时候，所采取的就是这种实用主义态度。统计学家是一群跟数据打交道的工程师，工程师们也要使用大量的数学公式和计算，但决不是坐在屋子里证明高深的数学定理或者哥德巴赫猜想的怪才。 
　　还有一种误解是：统计好象和会计连在一起。说这种话的人其本意是指企业里统计员的工作和会计的工作差不多，统计员和会计的工作为统计分析提供了数据基础。但我们一般说到的统计分析却是指基于数理统计发展起来的诸多方法。这样看来，把统计和会计混为一谈是有些低估统计分析的难度和潜力了。简单说来，会计系统把营业活动转化为数据，在数据编码和标准化方面都有独到之处，它为企业管理提供了大量的基础数据，会计系统构成了定量管理的基础设施；统计方法如果要在企业的管理实践中发挥更大的作用，就应该学习会计的这种标准化思路，让自己更便于使用，更加贴近用户的理解，一句话，变得更加“傻瓜化”。 　　
再看企业决策支持系统 　　
从企业决策支持系统的角度来评估各种量化管理方法的意义，这时实施一种具体的统计方法或者数据挖掘技术，实际上就相当于实施一个项目。量化管理方法很多，而统计方法是一个大类，尤其适用于在不确定环境和信息不充分下的决策。 　　  　　
企业在选用系统的时候，该怎么办？一个通用的问题处理模型就能够说明，通用的问题处理模型包括：问题、可用的资源和技术、成本，综合考虑这三个方面的作用就能够达成一个相对合理的解决方案。这个通用的问题处理模型当然适用于企业寻找信息化途径的努力。
　　从一个统一的角度来看，企业定量管理的基础是数据的收集和处理系统，一般叫作决策支持系统。用这个金字塔图可以清楚地看到逐级提炼的过程（从噪音到数据、信息、知识和智慧）的提炼过程。决策所依赖的，至少是知识这个层次的加工结果，而未加工的原材料就是所谓的噪音。从这个广义的模型出发，我们可以把会计看作一个信息系统，各个层次之间的交界处需要采用特定的方法来完成提炼，而每个界面上可以运用的技术都是不一样的。 
　　一个信息系统可以包括会计系统、数据库体系和数据分析体系，有一种常见的误解认为统计方法只涉及从数据以后开始的分析工作。其实，巧妇难为无米之炊，统计方法的运用效果取决于基础数据，而收集何种基础数据，怎样节省收集数据的成本，如何降低数据收集过程中的误差，都需要一定的理论指导，统计学为回答这些问题提供了许多很有效的解决方案。
　　和实际的矿山一样，开掘银矿、煤矿和金矿所用的技术是完全不一样的。完成从噪音到智慧的过程包括其中的中间产物，也有一个对症下药的问题，再考虑到实施的成本和数据分析的难度（比如数据量，数据维数等等），数据处理很容易被人理解为一种艺术。说统计分析和数据挖掘带有艺术色彩应该基本正确，这就象淘金和看病一样，不一定最贵的药就最好。比如对统计方法和统计软件的选用，就是有区别的。小型企业的信息化，基本上依赖ACCESS数据库和EXCEL界面就可以完成；大型企业的信息化则需要和专业的管理软件公司合作才能完成。早期信息化的成本和失败率往往都比较高，这和病急乱投医的情形差不多。 
　　有些人生富贵病，典型症状就是一定要吃贵重的药，否则病好不了，这种现象在企业信息化中也能看到。打个比方，美国企业的信息化接近于坚持锻炼，中国企业的信息化则更像病后康复――有了健康人的示范效应，中国的企业就特别着急，不注意信息系统和自身管理实践的融合，只买贵的、不买对的，结果是交了不少学费。笔者希望对数据分析的运用不要陷入同样的误区。 
　　计算机扮演的角色
　　从以往的情况来看，统计方法的大规模推广依赖于计算能力的不断增强或者说计算成本的大幅下降。芯片制造技术和软件工程的迅猛发展给人们留下了深刻印象，但是数据量的增长却始终走在计算机的增长前面。这种力不从心的感觉是历史上的常态。完全手工计算的时候，人们会认为多元线性回归的计算是很恐怖的；有手摇计算机的时候，作主成分分析是非常恐怖的；现在，海量数据来了，虽然拥有20年前无法想象的计算能力，有关的分析工作还是让人头痛不已。但是，计算机还是让统计学跟在后面，不断开拓自己的领地。所以，统计学应该感谢计算机，是计算机让统计学变成了真正的实用学科。
　　另一方面，计算机学科又在不断侵入统计的领域，模糊统计学的边界。很多人都在比较自由地利用计算机，“自以为是”地进行数据分析或者所谓的、不严密的统计分析，他们往往不把“统计专家”的意见放在眼里。有很多大量使用统计方法来分析问题的人甚至没有接受过足够的统计学科训练。对于许多计算数学方面的专家来说，统计学家的权威地位是比较古怪的东西。
　　偏偏还有许多统计方法的发展历程是这样的：实际应用部门的人提出了一种经验方法，然后其他非统计专业的人开始模仿并推广，最后统计学家跟在后面，努力说明这种方法在统计意义下的合理性并把这种方法整理得更符合学院派的需要。得到广泛应用的方法就会进入统计教科书，成为统计学的组成部分。有些时候，统计学落在了应用的后面。
　　现在，依赖严格数学假设和推理的统计分析方法依然是统计学的主流。但是面对外行们的自由行动，统计学家比较无奈。数据挖掘正在充当新的入侵者甚至是竞争者，统计学家应该区分自己的理论和实际应用，结果统计学家内部开始分化，放下架子的人越来越多，这是好事。但是，许多来自计算科学的数据挖掘专家为了凸显自己的革命者形象，会宣称自己并非统计学家，甚至强调无须懂得统计学，这就有些虚无主义，做过了头。
　　结语 
　　我们可以把眼光放得远一点，从数据转化来看，会计做得很好；从对数据质量的描述和要求来看，也是会计做得更规范，那么各种数据分析方法都可以从中吸取经验。而分析数据的经验是统计方法更加丰富，新起的数据分析方法一定要划清界线的话，就不能充分利用已有的经验，显然会付出更多的不必要的成本。而从企业信息化的需求来看，将企业的决策支持系统看作一个整体，然后尽量从企业的一体化视图出发来选择和运用已有的各种量化管理方法。一句话，就是不要神化任何量化管理方法才是正途。

6. 如何分析统计数据

数据的统计分析是两个意思，统计有利于分析，最好是从分析中得到规律，为以后的工作提供支持。
首先要了解业务和数据，看看能统计到哪些数据，比如说快递公司客服部，
1、我们想考核一下每个客服人员，这样统计每个客服人员每天接电话数，好评量，好评百分比、任务完成量等，
以及按照时间粒度（日，月，周，年）看一个客服的趋势情况。
2、还以总体分析，总体分析公司的每月，每日的客服量，同比、环比、趋势。
3、一般的统计大的方面都可以分，业务分析（业务量）和财务。在从中划分细小模块。

7. 统计与分析的数据在哪里搜集

统计数据的搜集方法：
在实际调查中，搜集数据的具体方法主要有访问调查、邮寄调查、电话调查、座谈会、个别深度访问、网上调查。
1、访问调查：
访问调查又称派员调查，它是调查者与被调查者通过面对面地交谈从而得到所需资料的调查方法。
2、邮寄调查：
邮寄调查是通过邮寄或其他方式将调查问卷送至被调查者，由被调查者填写，然后将问卷寄回或投放到指定收集点的一种调查方法。
3、电话调查：
电话调查是调查人员利用电话通受访者进行语言交流，从而获得信息的一种调查方式。电话调查优点是时效快、费用低；不足是调查问题的数量不能过多。
4、座谈会：
座谈会也称为集体访谈法，它是将一组受访者集中在调查现场，让他们对调查的主题发表意见，从而获取调查资料的一种方法。这种方法适用于搜集与研究课题有密切关系的少数人员的倾向和意见。
5、个别深度访问：
个别深度访问是一次只有一名受访者参加的特殊的定性研究。常用于动机研究，以发掘受访者非表面化的深层次意见。这种方法最适宜于研究较隐秘的问题，如个人隐私；较敏感的问题等。
6、网上调查：
网上调查主要有E-mail、交互式CATI系统、互联网CGI程序三种方法。

拓展资料：
统计数据搜集的组织形式：
统计数据搜集的组织形式有普查、抽样调查、统计报表、重点调查、典型调查等。
1、普查：
普查是为了某种特定的目的而专门组织的一次性的全面调查，用以搜集重要国情国力和资源状况的全面资料，为政府制定规划、方针政策提供依据。
2、抽样调查：
抽样调查是实际应用中最广泛的一种调查方法，他是从调查对象的总体中随机抽取一部分单位座位样本进行调查，并根据样本调查结果来推断总体数量特征的一种非全面调查方法。
3、统计报表：
统计报表是一种以全面调查为主的调查方式，它是由政府主管部门根据统计法规，以统计表格形式和行政手段自上而下布置，而后由企、事业单位自下而上层层汇总上报逐级提供基本统计数据的一种调查方式
4、重点调查：
重点调查是专门组织的一种非全面调查，它是在总体中选择个别的或部分重点单位进行调查，以了解总体的基本情况。
5、典型调查：
典型调查也是专门组织的一种非全面调查，它是根据调查研究的目的和要求，在对总体进行全面分析的基础上，有意识的选择其中有代表性的典型单位进行深入细致的调查，借以认识事物的本质特征、因果关系和发展变化规律。