数据分析自己看法

打算这个持续更新，随着了解深入应该会逐渐有更多新的看法，慢慢更新迭代。

22.08.17

数据分析就是利用数据，通过各种方法去分析找到数据的不直观的内在逻辑和联系，然后找出其内在归因和结果，从而进行干预，以达到提高效率提高利润之类的目的。

（之前看一个博主的看法：数据分析是一个更为客观的方法去帮助分析需求）

22.08.18 数据分析还有发现异常和异常分析的情况

b站up：戴戴戴师兄全网最良心的【数据分析自学课程】它来了！必备的Excel/SQL/Tableau/Python/数据黑话/产品|竞品|市场分析报告制作、数据分析启蒙免费课程教程_哔哩哔哩_bilibili

目的：

1. 及时发现异常（异常不一定就是坏的，比方便利贴的发现，发现异常需要做的除了解决，就是发现其成因和运行机制）—设定标准+发现异常
2. 找到数据之间的因果关系

用数据优化迭代产品或策略 OR 用数据优化算法

分析业务 一定要明确目标，目标拆解法

戴师兄：

数据分析：观测、实验、应用

观测：对事物形成客观量化的认知（报表、图表、仪表盘）

实验：发现规律、验证假设（科学研究、A/B测试）

应用：不断基于数据反馈迭代产品

观测：观察+测量

观察：采集数据、储存数据、展示数据

——————————————————————

—采集数据：解析系统日志（时间（时长）、查询ip）

新增数据的过程：埋点（获取数据的方式，最可控最可靠的方式）

—采集数据：埋点获取新数据

—采集数据：通过传感器采集（手环、天气）

—采集数据：爬虫（解析网站）

—采集数据：API （应用程序接口：按照我们的规则提供什么样的数据）API 平台文档、用API 获取数据，利用代码）

——————————————————————

—储存数据：各类类型的数据库-hive、mysql、presto、impala（数据工程师）

—储存数据：连接数据库取数

——————————————————————

—展示数据：可视化高效传达信息（报表、图表、仪表盘）

测量：设定标准、发现异常、研究关系

——————————————————————

数据是客观统一的：有统一的认知才能有共同的目标

—设定标准+发现异常

—研究关系：可视化查看相关性、建模推导相关性

实验：提出假设，然后验证假设（就是建模）

—观测到差评率飙升、假设由恶劣天气引起、通过天气数据验证假设

所有未经过事实数据验证的想法都是假设

设计A/B测试获取数据

—实验目标、实验假设、实验打分、实验指标、实验观众、实验版本、开发验收、实验结果、实验分析、后续计划

疑问：

如何在业务只有少量数据时设计数据实验？

如何在无法同时测试两个版本时比较数据？

应用：如何应用数据创造价值

—基于数据反馈不断迭代产品和业务策略

明确业务的目标，拆解目标，得到标准值

—流程拆解法、二分法、象限拆解法、杜邦分析法、AARRR、pest、rfm、swot、5w1h（拆解只要符合mece法则即可）

—将数据应用于业务

—将数据应用于算法

①为算法设定明确的业务目标

②为算法提供高质量的数据

③判断算法是否真的创造了实际价值

④帮助业务更好地使用算法