本文关键词：数据分析基础，数据分析入门
数据分析是数据挖掘的基础，数据挖掘是数据分析的高级阶段！
数据分析，数据来源要客观，数据分析的过程要符合业务的规则，符合科学的方法。
数据分析是一个结构导向，业务解释性要好！
# 数据分析的注意事项
1、所有数据分析要从结果出发，没有结论的数字罗列并不是分析
2、数据分析要建立在业务模型的基础上
3、数据分析是基于数据严谨的分析过程
1、什么是数据分析？
定义：使用统计方法对收集的大量数据进行分析、理解、达到业务分析的目的，获取有用的信息和结论而对数据进行分析和研究的过程！
数据分析三个阶段：描述性统计分析；探索性数据分析；验证性数据分析
数据分析的一些感受，一定要结合具体业务！
1、数据分析需要用业务的思维去使用技术
2、摈弃唯技术论
3、业务思维很重要
4、简洁的模型普适性更好
数据分析有时候是一门艺术，同样的数据会有不同的解读！
2、数据分析工作内容
分析思路的4W模式
1、发生了什么事？
2、这事为什么发生？
3、未来如何发展？
4、应如何决策？
3、如何做数据分析？
事前：想清楚—》做什么（业务）；能否做；怎么做
事中：做正确—》数据正确（获取，审核，处理）；方法要正确（方法论要正确；算法）
事后：有结论—》有图（数据展示）；有结论
1、想清楚？
问题1 业务问题是什么？
业务知识，与数据分析相关的业务知识
业务现状，业务目前发展的情况怎么样，存在的问题，带着问题跟业务人员沟通！
业务需求，业务要解决的需求，配合营销部门
业务问题，业务要解决的问题
问题2 我们能否做？三个角度衡量
复杂性，方法上
有用性，应用的场景
可行性，有没有数据的支持
问题3 我们怎么做？
数据，
人员，
方案，
2、做正确？过程中
数据
数据的获取
数据的审核，得到正确的数据
数据的处理
数据的加工，满足数据分析方法对数据的要求
方法论
逻辑树
5W2H
PEST
……
方法
基础数据分析方法
高级数据分析方法，算法
挖掘模型
3、有结论
数据，数据支持结论（精准）80%的数据用于建模，20%的数据用于测试模型。
图表，需要直观（数据可视化）
结论，必须有结论（支持领导决策）
4、数据分析常用的工具
SPSS
SAS 建模
R 作图
MATLAB 算法
Weka 数据挖掘