数据分析入门篇
昨天学习了数据分析课程，算是小白的入门篇，所以做了初步整理，作为自己学习的输出，也分享给有需求的朋友们。
1、数据的定义、分解
1.1 什么是数据
数据是通过观测得到的数字性的特征或信息。更专业地说，数据是一组关于一个或多个人或对象的定性或定量变量。换句话说，数据就是电子化记录，电子化记录就是数据。
1.2 数据的价值
通过数据的分析可以增加收入、减少支出、降低风险。很好理解，比如我们熟悉的个性化推荐，是利用数据帮助平台获取收益；又比如智能客服，帮助客户节约成本投入；再比如利用用户画像降低信贷风险。
1.3 数据分析是什么
本质就是“业务+数据”，利用数据获取业务价值。
1.4 数据分析的步骤
（1）问题定义：最重要的是理解业务。了解背景、成功标准、边界、限制条件、利益相关方、资源等。
（2）目标定义：利用SMART原则去定义目标，制定明确的、可衡量的、可达到的、相关的、有时限的目标。SMART原则就不做过多介绍了，网上有很多资料可自行查阅。
（3）问题拆解：根据MECE原则（不重不漏）拆解问题，拆解的方式可以根据时空、成分、要素、逻辑等维度。在这个过程中也去找到我们的北极星指标。
（4）数据分析与展示：这个过程包含了从思考到数据到展示的过程，将我们的数据问题利用一些数据分析方法得出结论再做展示，这是数据分析最重要的部分，下文做具体介绍。
2、数据分析
2.1 数据可视化
2.1.1 可视化的目标
了解和理解数据、进行数据探索、沟通分析结果
2.1.2 可视化的基本步骤
（1）明确数据的含义：比如数据类型、采集方式、单位等，包含定性数据（如性别）、定量数据（如收入）。
（2）可视化分析：找到合适的工具进行描述分析。这里给出不同类型的数据应该用哪种统计图描述，以及常见的可视化分析方法。
1）使用正确的统计图去描述不同类型的数据
2）常见的描述性分析方法（分析的本质是比较）
（3）沟通结果：对描述分析发结果做适当的评述
2.2 进阶数据分析
2.2.1 数据分析的第一步：统计建模
（1）定义：确定两种或两种以上变量间相互依赖的定量关系
（2）目的：解读：业务解读，理解X与Y之间的相关关系（X、Y之间是否有相关关系，如果有是正向的还是 负向的，这种相关关系有多大）。预测：预测精度，已知X，预测未知的Y。
2.2.2 数据分析方法
（1）按照因变量Y的类型，选择合适的方法
（2）经典分析方法
3、验证、决策、展示与沟通（简单介绍，后续补充）
3.1 A/B test
目的：科学检验一个“变化”的好坏；精细化运营必备手段：优化转化率、产品迭代。
流程：建立实验目标、收集数据发现问题、提出假设、实验设计、开发、开始实验、采集数据、分析评估数据、发布产品。
3.2 决策推导
从事实和分析提炼观点，要得出洞见，而非罗列事实。
3.3 展示与沟通分析报告
利用金字塔原理：结论先行，分别进行背景介绍、数据来源说明、描述性分析、统计建模、结论与建议。
