分享一个不错的数据分析实战案例【全程附图】EXCEL_数据分析实例(2)

本人从事网路安全工作12年，曾在2个大厂工作过，安全服务、售后服务、售前、攻防比赛、安全讲师、销售经理等职位都做过，对这个行业了解比较全面。

最近遍览了各种网络安全类的文章，内容参差不齐，其中不伐有大佬倾力教学，也有各种不良机构浑水摸鱼，在收到几条私信，发现大家对一套完整的系统的网络安全从学习路线到学习资料，甚至是工具有着不小的需求。

最后，我将这部分内容融会贯通成了一套282G的网络安全资料包，所有类目条理清晰，知识点层层递进，需要的小伙伴可以点击下方小卡片领取哦！下面就开始进入正题，如何从一个萌新一步一步进入网络安全行业。

学习路线图

其中最为瞩目也是最为基础的就是网络安全学习路线图，这里我给大家分享一份打磨了3个月，已经更新到4.0版本的网络安全学习路线图。

相比起繁琐的文字，还是生动的视频教程更加适合零基础的同学们学习，这里也是整理了一份与上述学习路线一一对应的网络安全视频教程。

网络安全工具箱

当然，当你入门之后，仅仅是视频教程已经不能满足你的需求了，你肯定需要学习各种工具的使用以及大量的实战项目，这里也分享一份我自己整理的网络安全入门工具以及使用教程和实战。

项目实战

最后就是项目实战，这里带来的是SRC资料&HW资料，毕竟实战是检验真理的唯一标准嘛~

面试题

归根结底，我们的最终目的都是为了就业，所以这份结合了多位朋友的亲身经验打磨的面试题合集你绝对不能错过！

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以点击这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

| balance | 资产余额（数值） |
| housing | 房屋贷款（分类：yes, no, unknown） |
| loan | 个人贷款（分类：yes, no, unknown） |
| contact | 联系方式（分类：cellular, telephone） |
| day | 最后一次电话营销的日期（数值：月份中的哪一天） |
| month | 最后一次电话营销的月份（分类：jan, feb, mar, apr,…,nov, dev） |
| duration | 通话时长（数值：以秒为单位，0的话最终输出结果必然是0） |
| campaign | 联系次数（数值：此活动中联系该客户的次数） |
| pdays | 距上次联系完客户后的天数（数值：999代表未联系过该客户） |
| previous | 这次活动前与这位客户联系的次数（数值） |
| poutcome | 上次营销的结果（分类：yes, no, unknown） |
| deposit | 定期存款（分类：yes, no）客户是否已购买定期存款 |

2 数据清洗

此次数据除了部分未知数据（unknown），其它暂不需要清洗。

3 确定思路

首先这个balance，我不太确定具体指什么，目前推测应该是客户存放在银行的资金（负数应该代表欠了银行钱吧哈哈），总不可能是代表这个人的个人全部资产吧（银行得不到这方面的信息），所以暂时留着。

然后这个day和month，如果说有年份的话还能将其分为周一周二等，但是没有，数据集出处也没有明确标注是哪一年，所以如果用来分析的话可能也只能按月来分析，但按以往的经验和数据量的大小来看，应该用处不大。

至于duration的话，因为当duration为0时结果必然是失败的，说明这个数据的记录应该是银行人员在营销完记录下的，而现实中你无法在营销前就得到该数据，所以这个数据没有用。

那么接下来我们如何下手呢？
首先我们可以将数据分为两种类型：
1、客户的个人信息
2、营销人员与客户的联系信息
那么接下来我们可以按照这两种数据提出几个问题：
1、用户的个人信息是否对结果有着明显的影响（哪些属性影响大）？
2、营销人员的行为是否对结果有着明显的影响（哪些属性影响大）？

4 分析过程

4.1 年龄

此时我们探究年龄与结果是否有明显的影响。
首先我们可以查看以下数据集中的年龄统计分布情况：

可以发现共有11162名最小值为18，最大值为95，最小值为18。我们可以按照我们的认知，将客户分为几个不同年龄阶段。

分组的话主要是用到了VLOOKUP函数进行分组。

此时得到分组后，我们可以生成数据透视表来查看情况。

从图当中我们可以明显的看到在老年人群体中最终购买了定期存款的比例最大，为80.2%，而其他群体最终的结果并没有明显的差距。

4.2 失信状况default

有失信记录的在结果上没有什么差别，无失信记录的最终购买的比例低于没有购买的，但是数据量较小，不能作为参考。

4.3 个人资产balance

同年龄一样，balance是数值型，因而最好先将其分组。

这里我主要采用箱型图来查看balance数据的分布，以便后续进行分组。
可以看到的是数据主要是集中在0-2000之间，有少部分低于该区间，然后有部分大于该区间。

按下图进行分组：

结果如下：

这里主要可以发现的是负资产的客户最终购买的可能性较低，而资产较高的客户购买的可能性稍微大些。

4.4 housing&loan

接下来的房屋贷款和个人贷款，这个我打算放在一起进行分析。
具体如下：

可以看到无房贷和无个人贷款的客户最终购买的可能性最大，为59.65%。其余的只要有任何一个贷款购买的可能性就比较低。

4.5 上次营销结果poutcome

同理，生成透视图查看一下：

（包括这次在内，当生成透视图时发现有部分数据（如unknown、other）是我们不想要的，记得筛选掉）

从图中我们可以明显发现，上次营销成功的客户这次购买的可能性也极大。

5 总结

结论：从上述结果我们可以发现，老年人且上次营销成功的群体最有可能购买产品，而有贷款且低资产的用户购买的可能性会很小。

PS: 这次没有其他过多的因素考量，如产品实际的业务情况、数据具体来源等，而我主要也是利用自己以往的经验来选取数据进行分析，没有做过多的分析比较。

代码下载链接，有需要的请自行提取，不想hua前的朋友，可评论同我说，我会回复你，但可能会比较慢。祝好！
https://download.csdn.net/download/qq_44186838/86799994

给大家的福利

零基础入门

对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。

同时每个成长路线对应的板块都有配套的视频提供：

因篇幅有限，仅展示部分资料

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以点击这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！