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)