数据分析全过程梳理见
【数据分析入门】python数据分析全过程梳理
数据仓库
将所有业务数据经汇总处理,构成数据仓库
1.全部事实的记录
2.部分维度与数据的整理(数据集市-DM)
数据库VS 仓库
数据库面向业务存储,仓库面向主题存储(主题:较高层次上对分析对象数据的一个完整并且一致的描述)数据库针对应用(OLTP),仓库针对分析(OLAP)
数据库组织规范,仓库可能冗余,相对变化大,数据量大
监测与抓取
直接解析网页、接口、文件的信息
Python常用工具:
urllib、urllib2、requests、scrapy
PhantomJS、beautifulSoup、Xpath(lxml)
填写、日志、埋点
用户填写信息
APP或网页埋点(特定流程的信息记录点)
操作日志
计算
通过已有数据计算生成衍生数据
如:统计报表某些项目
数据学习网站
数据竞赛网站(Kaggle&天池)
kaggle
天池
数据集网站(ImageNet/Open Images)
各领域统计数据(统计局、政府机构、公司财报等)