导读:数据分析/挖掘最终是要服务于商业目的的,现在数据分析也有一个很“时髦”的名字——商业智能(BI)。商业智能应包含人、工具、业务知识等方面,可以用下面的公式来表示:商业智能(BI)=数据+人+工具+算法+工具+知识+预测
全文较长,建议阅读时间4分钟。 往期回顾:在虚拟现实世界中生活一天是怎样的感觉?
最近看了大量关于数据分析/挖掘方面的资料和文章,整理出了一个关于数据分析/挖掘的“纵览图”,涉及到数据分析/挖掘的内涵、常用的分析模型、挖掘/分析步骤、算法、案例等。 虽不全面,但觉得还是可以给大家的数据分析/挖掘学习提供点参考的。
一直以为,数据分析中,“业务理解为重,分析方法次之,分析工具为轻”。为什么这么说呢?因为大家有一个误区,认为第一个先要学习的就是数据分析的工具,正所谓“工欲善其事,必先利其器”,工具仿佛就是数据分析的重中之重。 话虽如此,但如果一个人对所分析的业务没有透彻的了解,直接去分析数据的话,会困难重重,脱离问题产生的“业务场景”,迷失在数字的汪洋泽国中,最后的“输出”只是纸上谈兵。比如,把一堆用户的消费数据给你,让你分析出用户的消费偏好,即对哪类产品感兴趣,这种情况下,你的第一反应难道是拿起工具就开始数据处理吗? 回答当然是:NO ,你应该先去了解下公司有哪些产品,这些产品属性怎样,然后对产品所面向的消费者有一个大概的认识,了解他们的人口统计学特征和消费习惯等知识,最好是联想到一个消费者行为模型,使分析和思考变得系统化,避免遗漏分析要点。总之,要对即将分析的问题的背景有一定的了解。 数据分析/挖掘最终是要服务于商业目的的,现在数据分析也有一个很“时髦”的名字——商业智能(BI)。 商业智能应包含人、工具、业务知识等方面,可以用下面的公式来表示: 商业智能(BI)=数据+人+工具+算法+工具+知识+预测 笔者认为,大家应该对“人”和“知识”这 2 个方面重视起来,具体说来就是培养优秀的思维能力,掌握营销学、心理学、管理学和社会学方面的知识,这样分析数据才能得到“活生生”的、有助于解决实际问题的洞见(insight),不至于被“冷冰冰”的数字所束缚。