** 描述统计的基本思维
数据获取后需要对数据进行处理。通常的数据处理包括分组，聚集度分析，离散化分析，峰度偏度分析，数据可视化。
1、分组一般分为按照性质行进分组和按照数量进行分组
2、聚集度分析包含众数、中位数、平均数。其中平均数数使用频率最高，但是当数据存在较大的偏移时，平均数并不能很好的反映数据的真实情况，这个时候可以考虑使用中位数。例如，通常情况下人均收入会出现明显的右偏，富人的收入会拉高人群的平均收入，所以平均收入并不能很好的反映现实情况。这个时候可以考虑使用中位数。众数使用的频次较低，并且众数有的时候并不存在。考虑到平均数能够最大量的反映所有的数据信息，在出现数据偏移的情况下，可以考虑使用去尾平均数，去掉数据集的前后同样数量的偏移数据。另外，在计算金融产品的收益平均增长率，GDP平均增长率时由于每年的增长率是基于上一年的数据为基计算的，所以这些情况下的平均数用几何平均数。
3、离散化分析主要包括方差和标准差。在使用样本数据时，我们通常是考虑使用样本数据的方差去估计真实数据的方差，通过数学推理，可以得出样本数据的方差计算公式的分母为(n-1),这样计算出来的方差为真实数据的无偏估计。金融产品中常用标准差来衡量理财产品的风险。通常标准差大的产品，收益率变化幅度大，很容易出现负收益，所以在收益均值相同的情况下，可以考虑购买标准差小的产品。
4、数据集不是正太分布时，需要计算偏度和峰度。
5、数据做完基本的描述处理后可以通过Excel实现可视化。利用Excel的制图和统计描述，合理的展示数据。例如，通常可以用金字塔展示人口随时间的变化。茎叶图，盒子图等随着计算机的发展也能很好的展示数据，是不错的选择。
最后需要说明的是数据分析非常容易出现错误。例如辛普森悖论，这和数据分析时没有考虑分组权重及各个组的数据情况有关。另外，制图过程中不合理的使用坐标标量等也很容易出现错误的结论。这些需要结合实际业务做出合理的修正。
**