✿數據分析需要統計概念?為什麼?
基礎的統計學能夠提供分析、解釋數據的方法與技術，可幫助分析師預測趨勢與相關性。

以下是一些數據分析中常見的統計概念：

• 變異數：變異性指的是數據集中各個數據點與數據集中心之間的差異。 變異性是一個關鍵概念，有助於我們理解數據的分佈和穩定性。

• 質變數：也稱為分類變數，是用於描述專案類別或標籤的變數。 例如，性別(生理男、生理女)、產品類型(A、B、C)等都是分類變數。‎

• 量變數：也稱為數值變數，是可以用數值表示和測量的變數。量變數可以是離散的或連續的。 量變數其中也分為離散變數與連續變數。
  -離散變數是有限的、分散的，通常是整數，如家庭成員數量。 連續變數可以具有無限數量的值，通常可以以更高的精度測量，如身高或溫度。‎
  -連續變數是取值在一定範圍內是連續的，可以是任何值，而不僅僅是整數。 例如，身高是連續數據。‎

• 標準差：衡量數據集數據點在平均值周圍分散程度的指標。

• 迴歸分析：一種統計方法，用於評估兩個或多個變數之間的關係，並預測一個變數如何受其他變數的影響。

• 假設檢驗：用於評估兩個或多個群體之間是否存在統計上的差異的統計方法。

• 正態分佈：一種常見的概率分佈，呈鐘形曲線，具有平均值和標準差。

• 抽樣：從大型數據集中選擇部分數據進行分析的過程，以代表整體數據集。

• 信賴區間：用於表示估計參數值的範圍，通常是平均值的信賴區間。

• 相關性：評估兩個變數之間的關聯程度的統計方法。

基礎的統計概念在數據分析中非常重要，能夠幫助分析師理解數據、檢測模式、做出預測，這項統計概念的魔法，能夠從數據中找到有價值的數據資料，進而做出基於數據產出證據的決策，為企業帶來更多有利的價值。