数据分析思维与实战（课程笔记）-第4讲（挑选适合项目场景的数据分析工具）

第四讲

01 数据分析整体留存

• 明确问题
• 搭建框架
• 数据提取
• 数据处理
• 数据分析
• 数据展现
• 撰写报告
• 报告演讲
• 报告闭环

工具	应用场景
Mysql、Hive	基本上所有的数据获取方式，可以进一步学习一些Linux命令
Excel	最高频、最有机会展示的数据处理工具
R	统计语言，就是为了数据分析而生，简单易学，但计算能力较差
Python	脚本工具，可扩展性极强，算法研发同学必备，数据以分析Pandas包为主，其他常用包含爬虫，文本挖掘

02 Excel常用操作

• 对比分析（筛选和色阶功能）
• 时间序列拆解分析（透视图功能）
• 相关性分析（常用函数功能）
• 临界点分析（插入图表复杂功能）

03 SQL常见问题

04 R语言以及Python脚本案例

对于一个产品的重要指标，影响因素非常多，需要找出这些影响因素的重要性。

python相比R的其他价值

• 爬虫
• 文本挖掘
• UDF函数
• 算法研发（个性化推荐、底层运维、Web开发）