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