数据分析的概念

    数据分析是指通过恰当的统计方法和分析手段，对数据进行收集汇总，并进行加工处理。对处理过后的有 效数据进行分析，发现存在的问

    题，制定可行的方案、从而帮助人们采取更科学的行动。

什么是数据分析

    数据分析的概念 

        数据≠数字

             这里需要明确的是，我们在做数据分析时，这个数据它不等于数字，一切可分析的信息都能称之为数据，包括文字、图形、行为记

             录等等，都可以是进行数据分析的重要信息。

什么是数据分析

    数据分析4个层次 

        著名咨询公司Gartner于2013年总结、归纳、提炼出一套数据分析的框架，将数据分析过程分为4个层次 

            描述性分析（Descriptive Analysis）             

            诊断性分析（Diagnostic Analysis） 

            预测性分析（Predictive Analysis）     

            处方性分析（Prescriptive Analysis）

    数据分析的实际应用

            描述性分析：例如通过分析企业运营数据，判断运营现状； 

            诊断性分析：可以通过企业运营状况分析当下存在的问题，找到问题的根源所在。也可以分析当下运营良好的原因， 找到企业能稳

            步发展的相关因素；

            预测性分析：在诊断的分析的基础上给出对策，并预测实施对策后的未来发展趋势 、

            处方性分析：做出最终的决策，帮助企业发展

    比如说芝麻信用，应该大家都有芝麻信用分。实际上这是通过数据分析来做了一个预测，并给出了最终的结果，预测什么？预测用户会不会违约。那么芝麻信用分越高，这个用户的违约概率就越低，这个时候他们给出的解决方案是什么？那就是给这个用户比较高的借呗额度，给他比较长的贷款时长，也可以给他比较低的利率。这些实际上都是在描述性、诊断性分析结果的基础之上去做的。先需要收集用户的各种各样的信息，对用户做一个基本的描述。比如这个用户他是什么职业，有没有其他银行的贷款，最近的收入情况如何，他的人际关系怎么样。可能从四五个维度来对这个用户做一个描述。描述之后可以判断这个用户的当前财务状况，完成财务状况判断后继续预测这个用户他的违约概率最终给出用户信用分极高的一个决策。这个是在金融领域，在互联网领域也会有很多这样的运用，如智能分析、智能画像、智能运营。都是在采集用户各种各样的数据对用户进行描述性分析的基础之上做诊断性分析。诊断什么？诊断用户生命周期、是否会流失、用户行为偏好。道用户的需求，用户喜欢什么。这道这些之后，接下来做预测究竟给用户看什么样的产品、给用户发什么样的推送信息、让用户能够主动的去点击。然后在预测的基础之上，比如目前有一百条推送的方案，那根据前面分析的结果再预测这一百条的推送方案哪一个最有可能会被用户点击，那就把最可能被用户点击的推送给用户，这实际上就是最终给出的一个解决方案。

数据分析的基本流程

    明确目标，收集数据

        明确分析目的和思路：只有明确数据分析的目的，才能确保数据分析有效进行

          数据收集：一般数据来源于数据库、互联网、市场调查、公开出版物

    数据处理后进行分析

        数据处理：数据清洗、数据转化、数据抽取、数据合并、数据计算等处理方法

          数据分析：数据分析通常需要运用多种工具，如Excel的透视表，Excel函数公式等等。还需要借助专业的数据分析思维

    可视化展示并生成报告

        数据展示：数据是通过表格和图形的方式来呈现的，即用图表说话

          报告撰写：数据分析报告是对整个数据分析过程的一个总结与呈现。通过报告，把数据分析的起因、过程、结果及建议完整地呈现出

          来，以供决策者参考。