你好,游客 登录 注册 搜索
背景:
阅读新闻

如何提高你的数据分析能力?

[日期:2016-10-27] 来源:知乎  作者:Han Hsiao [字体: ]
数据分析

  第一步:数据准备:(70%时间)

  获取数据(爬虫,数据仓库)

  验证数据

  数据清理(缺失值、孤立点、垃圾信息、规范化、重复记录、特殊值、合并数据集)

  使用python进行文件读取csv或者txt便于操作数据文件(I/O和文件串的处理,逗号分隔)

  抽样(大数据时。关键是随机)

  存储和归档

  第二步:数据观察(发现规律和隐藏的关联)

  单一变量:点图、抖动图;直方图、核密度估计;累计分布函数

  两个变量:散点图、LOESS平滑、残差分析、对数图、倾斜

  多个变量:假色图、马赛克图、平行左边图

  第三步:数据建模

  推算和估算(均衡可行性和成本消耗)

  缩放参数模型(缩放维度优化问题)

  建立概率模型(二项、高斯、幂律、几何、泊松分布与已知模型对比)

  第四步:数据挖掘

  选择合适的机器学习算法(蒙特卡洛模拟,相似度计算,主成分分析)

  大数据考虑用Map/Reduce

  得出结论,绘制最后图表

  循环到第二步到第四步,进行数据分析,根据图表得出结论完成文章。

  业务分析版

  “无尺度网络模型”的作者艾伯特-拉斯洛·巴拉巴西认为——人类93%的行为是可以预测的。数据作为人类活动的痕迹,就像金矿等待发掘。但是首先你得明确自己的业务需求,数据才可能为你所用。

  1. 数据为王,业务是核心

  了解整个产业链的结构

  制定好业务的发展规划

  衡量的核心指标有哪些

  有了数据必须和业务结合才有效果。首先你需要摸清楚所在产业链的整个结构,对行业的上游和下游的经营情况有大致的了解。然后根据业务当前的需要,指定发展计划,从而归类出需要整理的数据。最后一步详细的列出数据核心指标(KPI),并且对几个核心指标进行更细致的拆解,当然具体结合你的业务属性来处理,找出那些对指标影响幅度较大的影响因子。前期资料的收集以及业务现况的全面掌握非常关键。

  2. 思考指标现状,发现多维规律

  熟悉产品框架,全面定义每个指标的运营现状

  对比同行业指标,挖掘隐藏的提升空间

  拆解关键指标,合理设置运营方法来观察效果

  争对核心用户,单独进行产品用研与需求挖掘

  发现规律不一定需要很高深的编程方法,或者复杂的统计公式,更重要的是培养一种感觉和意识。不能用你的感觉去揣测用户的感觉,因为每个人的教育背景、生活环境都不一样。很多数据元素之间的关系没有明显的显示,需要使用直觉与观察(数据可视化技术来呈现)。

  3. 规律验证,经验总结

 

  发现了规律之后不能立刻上线,需要在测试机上对模型进行验证。





收藏 推荐 打印 | 录入:elainebo | 阅读: