疫情爆发到现在，你是不是也跟我一样，每天起床都要点开丁香医生，看一下疫情最新情况？如此火爆的背后，更何况领导天天push我学习丁香医生的思路，该项目有没有借鉴性呢？以疫情地图为例，来讲讲数据分析师做项目的思路。
我将项目分析总结为五步法：数据收集、定义问题、数据清洗、数据分析、输出报告。今天我将对每一步进行业务上的拆解。
数据分析五步法
一、定义问题
分析的重中之重是定义问题。这个项目的需求是什么？想达到的效果是什么？
丁香医生想做一款实时更新疫情数据的产品，方便用户了解实时疫情动态。
那用户是谁？用户最关心什么？
丁香医生的用户是老百姓，咱老百姓最关心的呢，是今天又确诊多少人，疑似多少人，死亡多少人，以及治愈多少人，疫情是不是往好的方向发展……
依照《精益数据分析》提出的“第一关键指标法”，我们提炼出关键指标：确诊人数、疑似人数、死亡人数、治愈人数。
关键指标
同时，咱老百姓除了想知道整个疫情发展，也很关心自己城市的情况，因此将关键指标按省份、城市细分。疫情地图就包含了全国确诊人数热力图，各省、各市的关键指标。
各省份、城市关键指标
二、数据采集
数据真实可信是数据分析的前提。丁香医生的数据来源于国家卫健委、各省市卫健委、各省市政府、港澳台等官方渠道，来源权威。
咱们数据分析师日常怎么收集数据呢？
内部数据：天天需要。公司把数据存放在自家服务器或阿里云等第三方平台，通过SQL获取。
外部数据：也很重要，较难获取。可以用国家统计局、中国人民银行等公布的数据；使用第三方数据库，如万德、国泰安、锐思等数据库下载数据；或使用爬虫，爬到自己想要的数据。
三、数据清洗
数据清洗几乎占用数据分析师80%的时间。在这里，丁香医生主要涉及去重和口径一致。
（1）去重
上面收集来的数据，各个渠道会不会重复统计呢？比如国家卫健委、省卫健委和省政府公布的数据中，肯定有重复部分，需要我们去掉重复值。
丁香医生也曾重复统计过，导致新增确诊人数变多，不过很快纠正了。
（2）口径一致
报表上线后，口径变化是大忌。2月12日，确诊口径由单一核酸检测，新加入临床诊断，确诊人数大增，一下多了1万多人。
如果是数据分析师随意调整统计口径，那就要背锅走人了；如果是老板要改口径，数据分析师就得想想该怎么妥善处理了。
丁香医生是怎么做的呢？
当日确诊人数爆增，丁香医生用虚线表示增长，并且右上方备注“临床诊断病例的影响”。这样做既反映了真实情况，也解释了因统计口径变化，导致数据异常增长。
口径变化导致的激增
四、数据分析
数据收集和清洗是基本能力，数据分析才是核心竞争力。
我们在思考用什么指标来做分析时，可以参考《精益数据分析》里，关于“什么是好的数据指标”的总结：
好的数据指标是比较性的（较昨日、新增疑似、新增确诊……）；
好的数据指标是简单易懂的（确诊、死亡、治愈……）；
好的数据指标是一个比率（病死率=死亡人数/确诊人数、治愈率=治愈人数/确诊人数）；
好的数据指标会改变行为（通过新增确诊走势，了解疫情是否正在缓解，指定方针）。
由于丁香医生疫情地图产品，只向大家展现客观数据，没有输出具体的主观结论。但我们仍然可以根据丁香医生的指标的和图表，对疫情发展情况作出判断。
1. 趋势变化
由新增趋势图，可以看到，新增确诊病例在2月12日修改统计口径后，逐渐下降，新增疑似病例在2月5日后逐渐下降。
由现存疑似、确诊趋势图，可以看到，现存确诊病例从1月19日-2月12日，呈陡峭的直线上升，在2月16日到达峰值以后，逐渐下降，现存疑似在2月8日到达峰值后逐渐下降。
全国疫情新增、现存趋势图
因为湖北是最严重的受灾区，会严重拉高其他省市的数据，因此需要特殊对待。
湖北新增确诊病例2月12日暴增1.5万以后，逐渐下跌，最近几日都维持在新增400人的水平，非湖北新增确诊病例在2月3日之前剧烈增长，2月3日武汉及周边城市封城、大家不外出聚集以后，逐渐下降，最近几日维持在两位数甚至个位数。
湖北、非湖北新增趋势图
2. 比率
知道了每天的新增情况，咱老百姓还关心，这个新型冠状肺炎厉不厉害，死亡率高不高啊？
丁香医生针对这一需求，又设计了病死率趋势图和治愈率趋势图。同样由于湖北是集中爆发区，将湖北和非湖北分别对待。
病死率、治愈率趋势图
五、输出报告
终于到了输出环节，丁香医生最新的版本做得非常好，我们以后做可视化产品时，完全可以借鉴板块的划分。
全国关键指标、较昨日变化情况、分省市统计关键指标、变化趋势、病死率和治愈率等。老百姓关注的点几乎都涵盖在里面。
丁香医生疫情地图版本也是一步步迭代来，我们来看一下修改前，和修改后的对比图。
修改前后对比图1，增加了更多指标和环比数据
初版地图，只有当日累计数值，修改后增加了“较昨日”的变化数据；初版只包含确诊、疑似、死亡和治愈4个指标，修改后增加了现存确诊、现存疑似、现存重症等指标。
修改前后对比图2，数据表格化，维度进一步细分
修改前，按省份的关键指标没有细分到城市，我们其实更关心自己城市的数据。修改后采用折叠的形式，阅读舒适度非常好。
修改前后对比图3，不同数量级指标分图展示
初版将确诊、疑似、死亡和治愈放到一起，由于确诊和死亡人数不在一个数量级，导致死亡人数的趋势无法直观表达出来，修改后将新增、现存、死亡和治愈分别列出，更能各自反映变化趋势。
报告首先呈现的一定是大家最关心的结论（确诊、疑似、死亡、治愈），其次是对结果的拆解分析，包含指标的拆解（现存确诊=昨日确诊+新增确诊-昨日死亡-昨日治愈）和维度（按省市拆关键指标）的拆分两方面，最后才可能加上一些个人分析（疫情什么时候会变好）。
本文总结
“疫情地图案例”基本符合数据分析五步法的套路。
数据分析一定要在数据准确的基础上进行，数据分析=80%清洗+20%分析。
从权健到疫情地图，丁香医生抓热点声名大噪的故事值得小伙伴借鉴。
初版的体系搭建、报告输出、可视化展示都是不成熟的，需要进行多轮迭代。
以上为结合网上信息梳理学习整理的，还搞了一个比较详细的放踩坑思维导图，需要探讨的可以私信互相学习
网友评论