当前位置:天才代写 > tutorial > 大数据教程 > 掌握9种数据分析思维

掌握9种数据分析思维

2018-05-17 08:00 星期四 所属: 大数据教程 浏览:421

  欢迎大家阅读本篇文章,本篇文章讲的是说到数据分析,啤酒和尿布的例子大家应该都听腻了。再具体、深入一些的内容,往往因为数学就令很多人望而却步了。给大家分享9个不带数学推导的数据分析思路,希望大家能喜欢~

  1.分类

  分类分析的目标是:给一批人(或者物)分成几个类别,或者预测他们属于每个类别的概率大小。

  数据分析的目的越明确,分析越有价值。明确目的后,需要梳理思路,搭建分析框架,把分析目的分解成若干个不同的分析要点,然后针对每个分析要点确定分析方法和具体分析指标;最后,确保分析框架的体系化(体系化,即先分析什么,后分析什么,使得各个分析点之间具有逻辑联系),使分析结果具有说服力。

  那么,如何保证分析框架的体系化呢?

  以营销、管理等理论为指导,结合实际业务情况,搭建分析框架,这样才能尽量确保数据分析维度的完整性,结果的有效性及正确性。

  营销方面的理论模型有:4P、用户使用行为、STP理论、SWOT等。

  管理方面的理论模型有:PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。

  这里主要说明:PEST、5W2H、逻辑树、4P、用户使用行为这五个比较经典实用的理论,了解如何在搭建数据分析框架时应用它们作指导。

  (1)PEST:主要用于行业分析。

掌握9种数据分析思维_大数据_数据挖掘_虚拟化_课课家

  PEST,即政治(Political)、经济(Economic)、社会(Social)和技术(Technological)

  P:构成政治环境的关键指标有,政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、国防开支水平政府补贴水平、民众对政治的参与度等。

  E:构成经济环境的关键指标有,GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。

  S:构成社会文化环境的关键指标有:人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。

  T:构成技术环境的关键指标有:新技术的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。

  eg:仅作举例,不代表只考虑这几点因素

  举个栗子:“京东的用户中,有哪些会在618中下单?”这就是个典型的二分类问题:买or不买。

  分类分析(根据历史信息)会产出一个模型,来预测一个新的人(或物)会属于哪个类别,或者属于某个类别的概率。结果会有两种形式:

  形式1:京东的所有用户中分为两类,要么会买,要么不会买。

  形式2:每个用户有一个“会买”,或者“不会买”的概率(显然这两个是等效的)。“会买”的概率越大,我们认为这个用户越有可能下单。

  如果为形式2画一道线,比如0.5,大于0.5是买,小于0.5是不买,形式2就转变成形式1了。

  2.回归

2.回归

  回归任务的目标是:给每个人(或物)根据一些属性变量来产出一个数字(来衡量他的好坏)。

  举个栗子:每个用户在618会为京东下单多少钱的?

  注意回归和分类的区别在:分类产出的结果是 固定的几个选项之一 ,而 回归的结果是连续的数字,可能的取值是无限多的 。

  3.聚类

  聚类任务的目标是:给定一批人(或物),在不指定目标的前提下,看看哪些人(或物)之间更接近。

  注意聚类和上面的分类和回归的本质区别:分类和回归都会有一个给定的目标(是否下单,贷款是否违约,房屋价格等等),聚类是没有给定目标的。

  举个栗子:给定一批用户的购买记录,有没有可能分成几种类型?(零食狂魔,电子爱好者,美妆达人……)

  4.相似匹配

  相似匹配任务的目标是:根据已知数据,判断哪些人(或物)跟特定的一个(一批)人(或物)更相似。

  举个栗子:已知一批在去年双十一下单超过10000元的用户,哪些用户跟他们比较相似?

  5.频繁集发现

  频繁集发现的目标是:找出经常共同出现的人(或物)。这就是大名鼎鼎的“啤酒和尿布”的例子了。这个例子太容易扩展,就不再举栗子啦。

  6.统计(属性、行为、状态)描述

  统计描述任务的目标是最好理解的:具有哪些属性的人(或物)在什么状态下做什么什么事情。

  举个栗子:5月份一个月内每个用户在京东7天内无条件退货的次数

  统计描述常常用户欺诈检测,试想一个用户一个月退货100+次,这会是一种什么情况?

  7.连接预测

7.连接预测

  连接预测的目标是:预测本应该有联系(暂时还没有)的人(或物)。

  举个栗子:你可能认识xxx?你可能想看xxx?

  8.数据压缩

  数据压缩的目的是:减少数据集规模,增加信息密度。

  举个栗子:豆瓣想分析用户关于国外电影的喜好,讲国内电影的评分数据都排除掉

  大数据,也不是数据越多越好,数据多带来的信息多,但是噪声也会变多。

  9.因果分析

  顾名思义,因果分析的目标是:找出事物间相互影响的关系。

  举个栗子:广告的效果提升的原因是广告内容好?还是投放到了更精准的用户?

  这里最常见的手段就是A/B test啦

#p#分页标题#e#

  数据分析是非常强大的,不过当然还是要在具体的情景下,严格的选择假设,采用科学的分析方法才能产出有价值的结果。数据会说谎的经典案例就是“安慰剂效应”了。以后会分享其他更具体的内容,欢迎大家留言吐槽,一起学习~课课家教育平台欢迎大家的咨询~

 

    关键字:

天才代写-代写联系方式