数据分析挖掘与建模（操作篇）

学习之前

• 理论部分
  • 统计学：统计学是数据分析的基石，而且统计分析可以解决日常大部分的分析需求。统计学这部分内容需要学习描述统计、假设检验、贝叶斯、概率、分布、抽样、线性回归、时间序列等。
  • 数据分析方法论：这里要学习一些数据分析常用到分析方法。如趋势分析、对比分析法、多维分解法、用户细查、漏斗分析、留存分析、AB测试法、4P理论、PESTEL理论、SWOT分析、5W2H、逻辑树理论、用户使用行为理论、AARRR模型等。
• 工具部分
  • Excel：它是最基础的数据分析工具。需要重点掌握：常用函数的使用、快捷键操作、基础图表制作、数据透视表、Vlookup等。
  • SQL：它是数据分析的核心技能，SQL要重点学习Select，聚合函数、以及条件查询（Where、Group by、Order by等）
  • PPT：用来和业务部门交流需求，展示分析结果。
  • Python：主要学习Numpy、Scipy、Pandas、Matplotlib、Seaborn、Sklearn等内容。Python在处理数据时候运行速度非常快。
• 数据分析的大致6个步骤：

          数据获取——数据预处理——数据探索（分析）——数据可视化——数据挖掘建模——评估

1. 数据获取

• 数据仓库
• 监测与抓取
• 填写