数据分析基础

1.为什么需要数据分析

大数据时代，越来越多数据产生，通过分析数据规律，可以构建用户画像等，是时代的“淘金”。如果说互联网上半场是粗狂运营，因为有流量红利不需要考虑细节。那么在下半场，精细化运营将是长久的主题。有数据，有数据分析能力才能让用户得到更好的体验。

2.数据分析 = 数据采集+数据挖掘+数据可视化

学习数据分析最关键的部分是数据挖掘，数据挖掘就是从数据中淘金，数据挖掘的基本流程：

• 商业理解：从商业的角度理解项目需求。
• 数据理解：尝试收集部分数据，然后对数据进行探索，包括数据描述、数据质量验证等。
• 数据准备：开始收集数据，并对数据进行清洗、数据集成等操作，完成数据挖掘前的准备工作。
• 模型建立：选择算法模型，并进行优化。
• 模型评估：对模型进行评价，看是否实现商业目标。
• 上线发布：转化成用户可以使用的方式，呈现的形式可以是一份报告，也可以是实现一个比较复杂的、可重复的数据挖掘过程。数据挖掘结果如果是日常运营的一部分，那么后续的监控和维护就会变得重要。

3.数据挖掘十大算法

• 分类算法：C4.5，朴素贝叶斯（Naive Bayes），SVM，KNN，Adaboost，CART
• 聚类算法：K-Means，EM
• 关联分析：Apriori
• 连接分析：PageRank

4.学习数据挖掘的最佳路径

像学车考驾照一样，先学习基本的知识，再开车上路，所以我们可以采取知识清单的方式进行学习，如学习数据挖掘十大算法，各个击破。高效的学习方法，把它称为MAS 方法。

• Multi-Dimension：想要掌握一个事物，就要从多个角度去认识它。
• Ask：不懂就问，程序员大多都很羞涩，突破这一点，不懂就问最重要。
• Sharing：最好的学习就是分享。用自己的语言讲出来，是对知识的进一步梳理