数据运营|数据分析中，文本分析远比数值型分析重要！（上）

本文从业务的角度来谈谈基于大数据的文本分析及其在商业场景中的应用，正文会附上一些实例及开放的工具，力求让理论落地，服务于实践。大数据离我们越来越近，从事数据运营的小伙伴们，你准备好了吗？

本文是《数据分析中，文本分析远比数值型分析重要！》的上篇，聊的是文本分析的一些基本知识，下篇将以一个实际案例来聊聊基于大数据的文本分析是如何应用在商业场景中的。

1.我们日常所理解的“数据分析”

在我们日常的产品和运营工作中，经常接触的数据分析方法、形式绝大部分是基于对数字（值）的描述性分析，如销量情况、用户增长情况、留存情况和转化情况等，高级一些的数据分析方法有因子分析、聚类分析和回归分析等方法，见下图：

常用的数据分析方法/形式

这些分析方法/形式有一个共同点：都是跟数字在打交道，说的专业一点，就是基于对结构性数据（即行数据，存储在数据库里，可以用二维表结构来逻辑表达实现的数据）的分析，比如姓名、性别、年龄这些信息，以Word、Excel等形式呈现的数据。这种类别的数据比较好处理，只要简单的建立一个对应的表就可以了。

典型的结构性数据表格

然而，数据分析仅仅只有这一种类型吗？答案当然是：NO！

一个完整而清晰的数据分析过程，除了在范围上，要进行宏观和微观的分析外，还需要在分析的层次上有所递进和深入，以下是我们进行数据分析时常会考虑到7个维度，见下图：

数据分析的7个维度（