数据分析介绍

无处不在的数据

生活中存在各式各样的数据那么基于这些数据我们又能做哪些分析呢

最近几年大数据这个词是火的不行确实随着社会科技水平的提高我们使用电子设备的时间越来越长现在数据的增长量真的非常非常快这些数据来自各个领域比如

• 社交微信微博知乎豆瓣什么的
• 交通出租车公交车等类的数据比如滴滴出行
• 金融股票历史交易信息公司财报新闻媒体的态度等等
• 医疗在数据收集和存储上还有很长的路要走

典型的数据分析应用

• 竞选预测特朗普和拜登
• 拥堵预测交通出行地图导航
• 信誉评估信用额度贷款等
• 辅助诊断医疗影像等方面比如 CT图像中的肿瘤

什么是数据分析

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。

数据分析的目的有多种概括起来有三种

• 现状分析:告诉你过去发生了什么。 描述型数据分析
• 原因分析:告诉你某一现状为什么发生。 验证型数据分析
• 预测分析:预测未来会发生什么。 预测型数据分析

为什么需要数据分析能力

举例

1. 通过数据分析我们可以更好地了解用户画像为企业做留存率、流失率等指标分析进而精细化产品运营。
2. 如果你关注比特币数据分析可以帮助你预测比特币的走势。
3. 面对生活中遇到的种种麻烦数据分析也可以提供解决方案比如信用卡反欺诈自动屏蔽垃圾邮件等。

数据分析流程:

怎么学习数据分析?

1. 基础概念:这是我们学习的基础一定不能落下。
2. 工具:这个部分可以很好地锻炼你的实操能力。 Python库和软件
3. 题库:题库的作用是帮你查漏补缺在这个过程中你会情不自禁地进行思考。

MAS学习法

• Multi-Dimension想要掌握一个事物就要从多个角度去认识它。
• Ask不懂就问程序员大多都很羞涩突破这一点不懂就问最重要。
• Sharing最好的学习就是分享。用自己的语言讲出来是对知识的进一步梳理。

我们只有把知识转化为自己的语言它才真正变成了我们自己的东西。这个转换的过程就是认知的过程。

数据分析工具

拓展

1. 数据分析思维

2. 数据挖掘和数据分析

   1. 数据分析与数据挖掘的相似之处
      数据挖掘和数据分析都是对数据进行分析、处理等操作从而得到有价值的知识
   2. 数据分析与数据挖掘的区别
      • 在应用工具上数据分析更多的是借助现有的分析工具进行而数据挖掘一般需要通过编程来实现。
      • 在行业知识方面数据分析要求对所从事的行业有比较深的了解更多的是将数据与业务紧密结合起来而数据挖掘不需要有太多的行业知识更专注与技术层面。

3. 数据分析报告参考

   • 2017年滴滴出行公民公告