首先我和大家简单介绍一下我的背景，我在北京中辉智诚数据分析师事务所从事数据研究工作，具有医学背景，专业是流病与统计，我们这个专业主要从事的就是医药卫生方面的项目研究、数据分析、疾病控制等等。我现在将与大家分享的一个项目，是我们曾经做的一个调查研究的项目。通过分享，我希望可以达到一个目的：就是对卫生健康领域方面的研究的某个方面有个初步了解。

首先说一下我们这个项目的背景。2003年年底—2013年年初，高致病性禽流感H5N1感染人类，在的病死率是68%，发病时间多集中在冬春季，大多数病例有直接或者间接接触病死禽的暴露史。在禽类养殖的这些职业人群中，他们感染高致病性禽流感的情况研究尚少，我们想了解高致病性禽流感H5N1病毒在职业人群的感染情况，以及家鸭感染高致病性H5N1病毒的情况。

为了达到这个目的，我们是怎么做的呢？通过什么方法解决这个问题呢？通过现况调查研究，根据我们的研究目的，我们查阅了大量文献，组织专家研讨会，制定调研方案等。这里，重点说一下数据获取和分析部分。

一、数据获取和处理

1、调查问卷

数据获取有多种方式，譬如互联网现在比较流行的八爪鱼抓取，或者查阅统计年鉴。我们这个项目用的数据获取办法是调查问卷。根据我们的项目目的，我们设计了2份调查问卷，一份是针对养殖人员的，包括基本信息、病死家禽接触史、病死野禽接触史、接种疫苗等情况，另一份是针对养殖户的，包括基本信息、养殖方式、死禽等信息的获取。在设计调查问卷的时候，注意编码的性，这就像我们的身份证号一样，我们都用的是打印的条形码，有号码可以扫也有数字可以录入。关联几个数据库利用的就是编码的性。

2、调研安排

3、数据处理

调查问卷数据录入：利用epidate建立数据模型，在建库的时候就设置一些逻辑判断，然后录入数据，同时所有数据进行双录入，进行一致性检验，质控。导出excel格式，备用。

标本数据录入：因为数据格式比较简单，所以我们就利用excel建立数据模板，录入数据，抽查进行质控，备用。

调查问卷的数据库与标本数据库关联：利用血清标本条形码是的且两个数据库均有，进行数据库关联。

数据清洗：

（1）数据筛选：在我们的调查问卷中，个问题被调查者调查时工作或者生活是否至少2周？如果是，我们经过筛选就纳入进来，作为我们的准备分析的数据。

（2）数据缺失值处理：我们通常有四种方法：种是通过被调查者电话进行回访，补充缺失数据。第二种删除缺失值个案、但是这种方法会导致样本量减少，以及样本结果发生变化。第三种，保留缺失值个案，仅在相应的分析中进行必要的排除。第四种，是用统计值来代替缺失值，如平均值、或者前后平均值，这种方法适用于数值型数据。至于选择用平均值还是前后平均值，这个要根据具体变量的特点，不一定就是前后均值优于平均值，譬如年龄，可能用整体平均值更适合，如果用前后平均值可能代表性要差异性。

二、数据分析

    利用不同的统计方法，从以下几个方面分析数据：

1、整体情况，如年龄、性别、学历等信息。

2、暴露史：接触病死家禽、接触病死野禽情况等。

3、发热情况

4、接种疫苗情况：流感疫情、其他疫苗

5、感染情况（阳性率）

6、环境标本中检出H5N1病毒。养殖人员未检出H5N1病毒。

7、风险因素分析

三、得出结论

禽类暴露人群感染高致病性禽流感H5N1的感染率很低。从家鸭分离的禽流感病毒有可能传播给野禽，也很可能扩散到其他陆地家禽。完成整个项目，对于数据分析有几点体会：

1、如何解决问题？保持勿骄勿躁、沉稳有序的心态，心急手稳，查阅资料，撰写研究方案。

2、数据分析作为整个项目的一部分工作，是服务于项目的。

3、数据质量是保障数据分析准确的关键基础。

对于我们数据分析师来说，数据质量是至关重要的，因为不同数据质量导致不同的结果。在调研过程中，加强培训、及时沟通、态度认真，是保障数据质量的关键。

4、数据分析方法的选择，基于我们的项目需求，根据项目需求，利用excel制作简单图表更加快捷美观，利用SPSS进行统计分析。我认为，选择什么统计工具都没有关系，只要熟练运用就可以，不要在选择方法或者设定操作的时候出现错误就可以。数据分析过程中，除了本身计划的设计分析，有时也可以大开脑洞，也许会有意外收获。即使现在是大数据时代，但对于常用的统计方法来说，没有太大变化。原来我还拿过SAS和SPSS、excel做过同一批数据，结果没有什么太大差别。

5、一点，不同领域方法是相通的，不要担心没有涉猎的领域，我们就不能做。但是，也一定要注意：在进行数据分析的时候，一定要详细了解本行业领域的背景资料，这样才会更好的出具数据分析报告。

另外，我个人认为，随着大数据行业的发展，数据量足够大的时候，我们可能不在考虑什么影响因素，可能更多的关注更多的是趋势和预测未来。