在數據分析方面，人們經常提到數學技能、統計知識或編程技能，每種技能都很難學習，因此往往令人氣餒。事實上，一些數據分析方法對數學能力沒有那麼高的要求，更重要的是，它們有數據分析的思想。接下來，給您分享一下。
1.分類分類分析的目標是將一組人（或對象）劃分爲若干類別，或預測他們屬於每個類別的概率。舉個例子吧：“京東的哪位用戶會在618訂購？”這是一個典型的兩類問題：買還是不買。分類分析（基於歷史信息）產生模型，該模型預測新人（或事物）將屬於哪個類別，或屬於類別的概率。
2.迴歸迴歸任務的目標是根據某個屬性變量給每個人（或對象）一個數字（以衡量他的好壞）。繼續舉個例子：每個用戶在618訂購京東多少錢？注意，迴歸和分類之間的區別在於分類輸出的結果是幾個固定選項之一，並且迴歸的結果是連續數，並且可能的值是無限的。
3.聚類聚類任務的目標是給一組人（或對象），並在不指定目標的情況下查看哪些人（或事物）更近。例子：是否可以爲一組用戶分成幾種類型的購買記錄？注意聚類與上述分類和迴歸之間的本質區別：分類和迴歸將有一個給定的目標（無論是否下訂單，貸款違約，房價等），並且聚類沒有給定的目標。
4.相似匹配類似匹配任務的目標是基於已知數據確定哪些人（或事物）與特定（一批）人（或事物）更相似。例子：瞭解一羣去年在雙十一中投入超過1萬元的用戶，哪些用戶與他們相似？
5.頻繁集發現頻繁發現劇集的目的是找到經常共同發生的人（或事物）。這是着名的“啤酒和尿布”的一個例子。
6.統計(屬性、行爲、狀態)描述統計描述任務的目標是最好的理解：人們在什麼狀態下做什麼狀態（或事物）。例子：5月份7天內京東各用戶的無條件退貨數量統計描述通常是用戶欺詐檢測。想象一下，用戶每月返回100次以上。會是什麼情況？
7.聯繫預測聯繫預測的目標是預測應該存在關係的人（或事物）。栗子：你可能知道xxx？你可能想看xxx？
8.數據壓縮數據壓縮的目的是減小數據集的大小並增加信息密度。栗子：京東想要分析用戶對進口巧克力的偏好，篩選掉所有國內的產品。大數據雖然數據越多越好，數據帶來更多信息，但噪音也會增加。
9.因果分析顧名思義，因果分析的目標是找出事物之間的關係。比如：廣告的效果是否有所改善，因爲廣告內容是好還是傳遞給更準確的用戶？數據分析非常強大，但當然有必要使用科學的分析方法在特定情況下產生有價值的結果。
乾貨！大數據分析的九種思維.中琛魔方大數據表示：數據分析非常強大，但當然，在特定情況下，嚴格的選擇假設，使用科學的分析方法來產生有價值的結果。數據說謊的經典例子是安慰劑效應。