首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >我眼中的数据分析

我眼中的数据分析

原创
作者头像
enenbobu
修改2019-08-07 17:54:07
6340
修改2019-08-07 17:54:07
举报
文章被收录于专栏:数据探索君数据探索君

数据分析是一场探索未知的旅程。

数据分析目的

宏观上看,数据分析是从杂乱无章的数据中挖掘背后的价值。

数据分析的任务必须是明确的,带着问题出发。它可以是一张简单的报表,也可以是专题或者综合分析。

数据分析步骤

主要包含8个步骤:明确目的 —— 准备数据 —— 理解数据 —— 确定分析/建模方法 —— 数据清洗 —— 数据分析 —— 展现结论 —— 撰写分析报告

  • 明确目的:待解决的问题是什么?往往需要结合业务综合分析。
  • 准备数据:与目的相关的数据涉及到哪些?在哪里可以采集到?内部数据:比如企业内部的数据仓库,外部数据:比如爬虫、相关的开放网站数据等。
  • 理解数据:数据背后代表着什么?数据之间有什么关联?数据质量如何?可以借助可视化帮助我们更直观地理解手中的数据。
  • 确定分析/建模方法:根据目的选择恰当的分析和建模方法,方法并非越高级越好,只要能完美地解答分析的问题,越简洁的方法越好。
  • 数据清洗:数据预处理,包括填补缺失值、剔除异常值、scaling等。数据清洗之所以放在确定分析/建模方法之后是因为往往不同的模型对数据预处理的要求不大相同,比如树模型不需要对数据做归一化,而回归对数据归一化敏感。
  • 数据分析:手中的一堆庞大的数据闪亮登场啦!将数据作为分析/建模方法的输入,通过模型的加工,输出分析结果。分析过程中,如果是复杂的机器学习模型,可能会涉及到多次试验才能训练出优质的模型。所以这个过程是反复而层层递进的,在过程推进中构建的数据蓝图也会逐渐清晰,这是一个让人兴奋的过程。
  • 展现结论:得到的数据结果往往是一堆孤零零的数据,为了更形象地理解它们,可以通过可视化方法将它们生动地展现出来,让结论一目了然,也有助于进一步挖掘被忽略的奥秘。
  • 撰写分析报告:带着最初的目的去解决问题,把发现的结论浓缩成精华呈现出来,辅助决策者决策。结合分析结果和业务理解,给出专业的、有建设性的见解。

数据分析方法

数据分析的方法一定要与业务相结合,只有适合业务的方法才是合适的方法。比如,漏斗分析法对分析业务流程极其友好,可以快速呈现存在问题的某个流程节点。而机器学习算法对预测类分析效果惊人。数据分析方法根据实现复杂度划分为初级和高级数据分析方法。

  • 初级数据分析方法:对比分析、分组分析、结构分析、平均分析、交叉分析、综合评价分析、杜邦分析、漏斗图分析、矩阵关联分析等。可以借助excel、python等工具快速地开展分析工作。
  • 高级数据分析方法:一般涉及机器学习算法的分析方法,比如聚类、回归、支持向量机、随机森林等。这类分析方法一般涉及到训练模型,分析时间较长。

数据分析结论

开展完前面一系列的分析工作后,终于得到了振奋人心的分析结论。除了数据分析报告,还可以关注一些评价指标,和结合业务真实情况,挖掘新的数据,完善模型,精益求精。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
腾讯云 BI
腾讯云 BI(Business Intelligence,BI)提供从数据源接入、数据建模到数据可视化分析全流程的BI能力,帮助经营者快速获取决策数据依据。系统采用敏捷自助式设计,使用者仅需通过简单拖拽即可完成原本复杂的报表开发过程,并支持报表的分享、推送等企业协作场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档