1. 什么是数据分析？

1.1 什么样的数据分析有意义？

企业数据量比较大的、复杂度比较高的、颗粒度比较细的数据，就有较高的分析和利用价值。
数据颗粒度是指从不同的层次来看待数据。

1.2 数据分析的价值

• 了解数据的整体状况。整体状况包括总体情况、结构情况、异常情况等。
• 快速查询数据。当想要了解某个数据情况时，可以快速的得到想要的数据。
• 数据关系之间的探索。探索不同数据之间的相关关系与因果关系。
• 业务预测。
  （一般数据分析包含三方面的作用，描述现状、洞察与预测）

1.3 数据分析的几大抓手

• 足够多的数据
• 数据质量
• 合适的工具
• 分析结果的呈现

1.4 数据分析流程

1.数据采集
2.数据整理
3.制表
4.数据分析
5.数据展示

怎样成为数据分析高手

• 工具
• 业务

2.数据分析的理论、工具与模型

峰度与偏度：峰度反应的是数据中极值的情况；偏度是衡量数据对称性的一个重要指标。数据左篇，偏度>0;
相关分析与关联分析：相关分析反应的是在发生变动时，变量互相之间的“互动”关系；关联分析常用在购物篮分析中，指用户在购买一件商品之后，会不会购买下一个物品。

3.制表

Microsoft Query 在这本书里，感觉就是把不同的数据拼接起来，然后筛选过滤，不想深究。
SQL

找到数据中的“特殊分子”

异常值：
什么是业务中的异常值？“偏离了原来数据的变化轨迹，就可以视为异常值
判断标准：

• 特别大（小） 超过平均值的50%以上或者小于平均值的50%以下。
• 脱离箱体
• 趋势变化， 如果一个值一直是上升的，现在突然下降了。
• 变化率的下降
  用绘图的方式（散点图）来检验异常值。
  3倍标准差。

相关分析与决策树

person相关，就是分析数据的变动量之间的关系。相关系数 = A数据的变化率/B数据的变化率

聚类 决策树 回归 逻辑回归
回归就是回顾，就是从过去的数据中寻找规律，然后运用这个规律来推测数据将来的变化。