要说和数据分析最大的区别,那肯定就是各自的目的了。
数据挖掘的目的是通过大量数据样本,挖掘数据之间的内在关联,预测未来时间的数据变化。
最明显的区别就是数据分析更注重已知信息的分析,数据挖掘更注重未知信息的挖掘
如果说你现在是一个数据分析师,或者准备转行做数据分析师,那我建议你最好能够将你的目标定位放在这,数据挖掘上。
数据挖掘可以转数据分析,但是数据分析不一定能转数据挖掘。当然也没有数据挖掘师这么傻去转数据分析。
人工智能
这个话题就泛泛而谈了
就目前社会的科技发展来看,人工智能的前景很大。
基本上语音识别、图像识别、机器人、自然语言处理、智能搜索这些领域都属于人工智能。
但是记住一点:人工智能必须具备数据挖掘能力,其次是机器学习、深度学习这些你也得会。
这里又提到了两个方向:机器学习和深度学习。不理解的话你暂且就把它当成另一个数据挖掘来看。
数据科学
最后是数据科学,这个词,听着好像很高大上,其实人家本来就很高大上啦。
对于这个学科我建议你这样理解:
Python 中有一个包叫Pandas,是专门进行数据处理的
同样,还有这样一个包叫Scikit-learn,是进行数据挖掘的
还有像爬虫、可视化Seaborn|matplotlib、线性代数scipy、深度学习keras 等等这样的包,数据科学都涵盖进去了。
ok,数据科学就是一个涵盖数据处理、可视化、数据挖掘、深度学习等这些内容的学科**,理解就好。**
想必对很多同学,尤其是还在学校的同学来说,会对这个问题比较感兴趣。
那么在实际工作中,一个数据分析项目,它的实现流程究竟是怎样的?
小一我翻了下这两三年自己在工作中遇到的大小项目,并且和同事进行了充分的交流,差不多总结了六个步骤。
分析业务指标,明确数据内容
很惊讶吧,第一个竟然是这个。
在实际遇到一个项目的时候,往往领导给你的任务,是一个大的目标,比如:
**领导:**小一啊,我们这个月比上个月的用户投诉略有增多,你来分析一下是什么原因,顺便预测一下下个月我们应该重点抓哪些指标“
像这种,就需要先了解具体业务了
用户为什么会投诉?产品哪里做的让用户不满意?用户不满意的具体数据有哪些?这些数据是怎么生成的?不同粒度的数据又表示什么?
另外别忘了老板的终极目标(xxx,这是顺便一下就能预测出来的吗…)
提出问题假设,建立分析方法
当你已经知道你的目标和哪些数据有关系,却不能确定哪个是主要问题,哪个是次要的时候,你就到了第二阶段。
如果你时间允许的话,我建议你可以建立对照组进行对照试验。
比如上面的问题,你就可以假设用户投诉和资费太贵有关、和产品质量有关系、和售后服务有关系等
另外,如果你有历史的投诉数据,你也可以提出基于时间维度的假设:不同月份受天气影响太大,造成用户投诉(如果你真的把原因归结为天气,希望你不会挨老板毒打吧)
利用采集工具,获取相关数据
你已经提出了问题,也知道你的问题会和哪些数据有关联,这个时候你需要数据,需要尽可能多的数据去验证你的结论,让你的结论更有信服力,能被老板接受。
一般在大公司里面,会有专门的人负责对接取数这个活,你只需要提需求就完事了。
在小公司里面,往往你就是自己的主宰。
想要数据?自己去取。
数据不够?自己去找。
我找不到?您真厉害(要你何用)
你可以通过一些数据采集工具或者自己写爬虫脚本。
这里,小一的经验是:
如果你数据量很小,就几百几千条那种,爬虫就没必要了,找一个八爪鱼或者火车头这类的采集工具,效率很高。
如果你数据量略大,需要定时获取那建议你学习一下Python 爬虫
“不会Python,不会爬虫怎么办?”
“往下看,后面有你想要的!”
通过编程手段,实现数据清洗
在你的一波极限操作(差点被辞退)之下,你终于拿到了想要的数据。
仔细一看,监控系统每小时保存一个记录文件,上个月一共30*24个文件,文件也不大,就几MB的样子,但顶不住它量大啊。
咋办?
所以在这一步,掌握至少一门编程语言是基本要求。R、Python都可,推荐后者,后面会细说
在数据清洗的过程中,你需要面对这些问题:
缺失值处理、异常值处理、重复值处理,还有系统偶尔抽风后保存的垃圾数据。
提取有用信息,进行数据分析
现在万事俱备,终于到你熟悉的领域了。
你利用基本的统计学方法进行数据统计,分析每一个指标的数据分布,对比上月的数据你还计算了不同指标的环比情况。
你找到了反映用户投诉的具体指标,确实是这个月这些指标波动比较大影响的,然后你又通过对比不同年份同时期的数据去证实你的结果。
最后,你利用数据分析软件建立了一个简单的预测模型,通过历年数据预测这个月的指标,结果发现相差不大。
受此鼓舞的你又通过模型预测了下个月的指标情况,信心满满。
合理数据展现,输出分析报告
当你一筹莫展不知道怎么写你的分析报告时,你的同事给你发来了“xxxx数据分析报告模板”。
当你看完模板你知道写报告需要这些:图表展示+数据论证+结果预测
你原想着长篇大论说一通,最后却被你精炼到了五六页PPT 上
由于同事模板助攻的到位,你只需要换几张图贴一些数据表,然后将最初的目标原因解释清楚,形成一个稍有信服力的结论
最后附上你预测的结果,来一段合理又不偏颇的建议,你的报告就搞定了。
流程说完了,还是得来点实际的干货,不然又被你们说我水文章了。
这部分主要介绍:如何入门+学习方法
1. 确定自己的方向
在数据分析中,有这样两种类型:偏业务型的数分和偏技术型的数分。
偏业务型的我不太好说,因为我不是业务出身。我了解的偏业务型更多的是在和市场的人打交道,针对市场的促销活动分析用户痛点,提供有价值的分析结果?(是问号,我没打错)
针对运营的周、月、季度、年指标进行输入输出,完美阐释了“我们不生产数据,我们只是数据的搬运工”这句话。
偏技术型的大多都呆不久,哈哈,开个玩笑。
偏技术的会注意各种指标之间的关联,根据业务的情况相应的进行指标优化,预测业务的相应指标。
所以,偏技术型的数据分析最后干着干着就成了一名数据挖掘工程师,自然演变吧。
偏业务型的更容易入门,多了解指标看看业务相关,剩下的就是水到渠成的事情。偏技术的就需要你自己不断的学习,提高自己,尤其是算法模型,没那么简单入门。
2. 提高自己的能力
前面说的有点夸大,你也不必太紧张。数据分析这能力,有很多种途径去提升。
下面我列一下能力阶梯,想要入门的同学可以一级一级往上提升自己。
2.1 业务能力
不多介绍,看个人能力。短则一两周,长则一两个月。
业务相关的,就那么点数据,指标的含义都是早都确定好了的。能举一反三,将一个大目标分解成具体的小指标上,或将小指标确定到具体数据上去,业务能力就ok了。
2.2 Excel 相关
很多同学不把它当回事,不当回事的我暂且认为你还是学生,但凡开始工作已经接触到数据的人,你敢说你真的会用Excel 吗?
Excel 永远是数据处理的一大利器,这不仅体现在它对数据进行各种统计汇总的操作上,还体现在它的图表输出上。
相信也有很多同学通过Python 处理完数据之后,还会去用Excel 画图。
当你的数据量小(以100万行为界限),数据处理简单,数据表唯一的情况下,建议你直接用Excel,快速、方便,输出简单。
在老板眼中,可以用Excel 搞定的分析任务分分钟就能出结果!
2.3 Python/R
前面已经说过为什么要掌握一门编程语言,那在这就来说说怎么简单快速入门一门编程语言
我们都知道,有目的性的去学习是事半功倍的,编程也是
这里我们学编程进行数分的目的就是进行数据清洗、统计预测之类的,那肯定会有这样一个流程:读数据—清洗数据—分析数据—图表分析—关联预测—保存数据。
读数据:肯定和文件操作有关,学习文件相关内容
清洗数据:先判断所有不合理数据,在删除或填充,所以和判断、循环有关,学习分支相关内容
统计分析:通过数学方法汇总指标,和方法有关,学习函数、数学模块相关内容
图表分析:通过制作图表进行更深层次的维度分析,学习可视化的相关内容
关联预测:通过的3、4两步进行合理的关联预测,需要学习相应的简单算法,以及代码的实现应用(加分项)
保存数据:保存到文件或者数据库,学习数据库相关内容
这一个流程下来,编程的相关语法就差不多也学完了,为了提高处理效率在学习下进程线程相关、数据处理高阶模块相关,基本上你的编程技术也就没啥问题了。
这里小一推荐你们直接入门Python,我有写一整套的Python 从入门到进阶再到高阶的学习教程,感兴趣的可以快速入门: 小白学Python(入门+进阶+高阶)
R就不说多了,建议直接Python
2.4 SQL
我本来都忘了写这个技能,回过头看文章才补了上来。不是因为它不重要,而是我每天都在用,熟悉的都忘记了!
学习SQL 没啥好说的,比上面的Python、R简单多了
记住四个功能:增删改查
数据库的基本操作都是围绕这四个的,高阶的数据库操作在数据分析上也用不到,暂时不用考虑
2.5 挖掘能力
不要纠结这个小标题,权且把这个当做数据分析的一个加分项吧,有则更好。
目前的数据分析师大多都会要求懂些算法知识,这个没办法,别人懂就会比你有优势,就会抢你饭碗。
对于新手来说,到了这一步建议直接先去看挖掘十大算法,了解概念就好,然后尽可能的看一些相关的算法模型案例,知道怎么用就行。
最好,自己动手搞几个数据集玩一玩。
至于手撕XX算法这种事,就看个人能力了,别勉强。
2.6 输出能力
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)
](https://img-blog.csdnimg.cn/img_convert/46506ae54be168b93cf63939786134ca.png)
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)