1.数据分析引言--分解数据
来源:互联网 发布:淘宝的收入来源 编辑:程序博客网 时间:2024/06/05 22:41
固定基本流程:
确定问题(了解问题)-->分解(数据分析总的来说就是分解问题和数据,使其成为更小的组成部分)-->评估(对在前两步了解到的情况做出各种结论)-->决策(把这些结论重新组合在一起,作出一个决策)
数据分析总的来说就是认清问题,继而解决问题,分析师需要帮助客户思考自己的问题。
1.确定问题
客户是分析结果的服务对象,所以要尽可能从客户那里了解多一些信息,才能确定问题。
1.不停的问”是多少“,使各种目标和确信观点得到量化。如:希望销量提高多少?提高多少是可行的
2.预见客户的想法,他会关心竞争对手的情况
3.对某些数据敏感好奇也需要提问
2.分解
把从客户那里了解到的问题和手头数据放在一起,把这些问题分解为颗粒级的小问题,使其在分析时发挥最大作用。
(1)将大问题划分为小问题,通过回答小问题就可以找到大问题的答案。
将问题划分为可管理、可解决的组块。
如:如何提高销量 划分为:
1.最好的客户希望我们给他们什么
2.哪种促销方式最可能产生效果
3.广告做的怎么样了
(2)将数据分解为更小的组块
如果我们拿到的是原始数据表,我们就会像对这些因子进行汇总,让数据更有用。尝试分解最重要的因子的最好起步办法就是找出高效的比较因子。
进行有效的比较是数据分析的核心。
3.评估组块
评估组块的关键是比较。做出自己的明确假设。
自己介入分析,知道要在数据中发现什么,避免做出过头的结论,对工作成败负责。
4.决策
将分析形成报表供制定决策,否则分析将毫无用处。所有必须将自己的设想和判断以合适的格式整合起来。
确保自己的意见传达到位,提交给客户的报告要以得到客户理解、鼓励客户以数据为基础做出明智的决策为重点。
一定要指出不确定因素。这种反查方法会揭示出未知信息。
所获得的新数据未经过任何处理,即称为原始数据。为了让他人提供的数据在你要进行的数据运算中发挥作用,几乎总是要调节数据。千万要保存原始数据,避免进行任何数据处理,必须能够将自己的工作结果与原始数据进行比较。
从一开始就务必要基于正确的假设建立模型很重要,一旦所得到的数据有违你的假设,要立即回头重新详加思考。
阅读全文
0 0
- 1.数据分析引言--分解数据
- 数据分析方法之分解分析介绍
- Python数据分析|第2章 引言(例子)
- Python机器学习-数据分析系列(1)-引言
- 数据挖掘笔记 第一章:引言
- 数据挖掘笔记 第一章:引言
- 大数据分析(一)——引言与内容介绍
- 我的商业数据分析成长之路(书籍方面) | 引言
- 数据结构-C++描述:数据描述引言
- 网络分析与网络数据集—引言
- 《大数据时代》摘抄,引言部分
- 网络分析与网络数据集—引言
- 数据降维:特征值分解和奇异值分解的实战分析
- [AngularJS面面观] 1. scope中的Dirty Checking(脏数据检查) --- 引言
- 用数据透视表分解数据
- jy901分发数据+python struct 数据分解
- 数据挖掘基础知识-矩阵(分解)
- 数据挖掘基础知识-矩阵(分解)
- Error:This Gradle plugin requires Studio 3.0 minimum
- Oracle数据库查看编码和修改编码
- linux rzsz(lrzsz)安装
- leetcode解题方案--054--spiral maxtrix
- CSS3动画属性简单介绍
- 1.数据分析引言--分解数据
- Java微信公众号
- Drawable基础知识总结----drawable标签shape的使用
- 非Anaconda纯PYTHON环境下Theano基于WIN10的纯净CUDA安装与GPU配置
- [leetcode]#167. Two Sum II
- 开发过程中的版本
- Serverless加CRDT掀起的新浪潮
- Halide学习笔记----Halide tutorial源码阅读1
- 解决 tomcat 在阿姨云启动缓慢