本文關鍵詞：數據分析基礎，數據分析入門
數據分析是數據挖掘的基礎，數據挖掘是數據分析的高級階段！
數據分析，數據來源要客觀，數據分析的過程要符合業務的規則，符合科學的方法。
數據分析是一個結構導向，業務解釋性要好！
# 數據分析的注意事項
1、所有數據分析要從結果出發，沒有結論的數字羅列並不是分析
2、數據分析要建立在業務模型的基礎上
3、數據分析是基於數據嚴謹的分析過程
1、什麼是數據分析？
定義：使用統計方法對收集的大量數據進行分析、理解、達到業務分析的目的，獲取有用的信息和結論而對數據進行分析和研究的過程！
數據分析三個階段：描述性統計分析；探索性數據分析；驗證性數據分析
數據分析的一些感受，一定要結合具體業務！
1、數據分析需要用業務的思維去使用技術
2、擯棄唯技術論
3、業務思維很重要
4、簡潔的模型普適性更好
數據分析有時候是一門藝術，同樣的數據會有不同的解讀！
2、數據分析工作內容
分析思路的4W模式
1、發生了什麼事？
2、這事爲什麼發生？
3、未來如何發展？
4、應如何決策？
3、如何做數據分析？
事前：想清楚—》做什麼（業務）；能否做；怎麼做
事中：做正確—》數據正確（獲取，審覈，處理）；方法要正確（方法論要正確；算法）
事後：有結論—》有圖（數據展示）；有結論
1、想清楚？
問題1 業務問題是什麼？
業務知識，與數據分析相關的業務知識
業務現狀，業務目前發展的情況怎麼樣，存在的問題，帶着問題跟業務人員溝通！
業務需求，業務要解決的需求，配合營銷部門
業務問題，業務要解決的問題
問題2 我們能否做？三個角度衡量
複雜性，方法上
有用性，應用的場景
可行性，有沒有數據的支持
問題3 我們怎麼做？
數據，
人員，
方案，
2、做正確？過程中
數據
數據的獲取
數據的審覈，得到正確的數據
數據的處理
數據的加工，滿足數據分析方法對數據的要求
方法論
邏輯樹
5W2H
PEST
……
方法
基礎數據分析方法
高級數據分析方法，算法
挖掘模型
3、有結論
數據，數據支持結論（精準）80%的數據用於建模，20%的數據用於測試模型。
圖表，需要直觀（數據可視化）
結論，必須有結論（支持領導決策）
4、數據分析常用的工具
SPSS
SAS 建模
R 作圖
MATLAB 算法
Weka 數據挖掘