1.不同用户关注不同数据(购物为例)
对象 行为 数据
用户 -> 网上购物 -> 评价,购买量,价格
产品 -> 设计与优化 -> 跟踪用户行为,监测数据
运营 -> 成交量 -> 数据指标,有效营销手段
2.数据分析需要掌握的硬技能
1.硬性数据处理和分析工具的使用
2. 1)电子表格 Excel
2)数据库操作语言SQL
3)可视化面板Tableau
4)大数据处理分析 Python
3.数据分析全流程
目标确定->数据获取->数据清洗->数据探索->洞察结论->数据报告
4.数据分析对应的一些概念
数据分析:对数据的规律进行总结以及提炼,从而达到决策目的
数据:对事物的描述和记录
5.数据分类
数据的特性:
根据**计量层次**,进一步对数据进行分类
黄瓜,茄子,森林,书本,无法计算比较,计量层次低;
1,2,3,4,5 这些数据可以计算比较,那么加量层次就高
1.定类
数据
按照类型属性进行分类,各类别之间是平等并列关系;
这种数据不带数据信息,并且不能在各类别间进行排序;
主要数值运算,计算每一类别中的项目的频数和频率;
如:
颜色:红色,白色,黄色
性别:男性,女性
职位:数据产品经理,数据营销,市场营销运营
2.定序
数据
定序数据之间可以进行排序,比较优劣;
通过将编码进行排序,可以表示之间的高低差异
如:
受教育程度:小学,初中,高中,大学,硕士,博士
季度:春,夏,秋,冬
等级:合格,良好,优秀
3.定距
数据
具有一定单位的实际测量值
定距数据的精确性比定类数据和定序数据更高
可以计算出各变量之间的实际差距(加,减)
如:
温度:20℃,50℃,100℃
成绩:50,65,70,100
年龄:8,25,40,60
4.定比
数据
可以比较大小,进行加,减,乘,除运算
定距尺度中,0表示数值,定比尺度中,0表示"没有"
定比数据中是存在绝对零点的,而定距数据不存在
如:
利润:10w,20w,30w
薪酬:3000,6000,9000,12000
用户数:210,3500,49000
定性
数据:是一组表示事物 性质,规定事物类别的文字表述型数据
定类数据,定序数据
定量
数据:指以数量形式存在着的属性,并因此可以对其进行测量
定距数据,定比数据