CDA数据分析【第一章：数据分析概述】

一.数据分析行业发展

　　1.如何收集、保存、管理、分析、共享正在呈指数式增长的数据是我们必须要面对的一个重要挑战。

　　2.数据分析包括数据采集、数据存储、检查、清洗、分析、转换和建模等方法对数据进行处理的一系列流程。用于结果的呈现和商业应用。

　　3.大数据4V特点：Volume【大量】、Velocity【高速】、Variety【多样】、Value【价值】。

　　4.大数据1.0时代停留在数据认知上，2.0则要求通过这些数据去解决问题。

　　5.大数据主要应用：

　　　　>大数据在预警方面发挥重要作用

　　　　>大数据分析成为市场营销的重要手段

　　　　>大数据在临床诊断、远程监控、药品研发等领域发挥重要作用

　　　　>大数据为金融领域的客户管理、营销管理及风险管理提供重要支撑

二.数据分析应具备的技能

　　1.和IT团队合作，组织管理数据并决定公司目标【数据存储】

　　2.从内部数据和外部数据中挖掘信息【数据挖掘】

　　3.数据清洗和修复数据，避免不必要的数据干扰【数据清洗】

　　4.用标准的统计工具分析和解析分析结果【分析工具】

　　5.在复杂的数据集合里指出趋势，找出关系和构建模型【建模】

　　6.为决策层提供数据和观点，让数据一目了然【数据可视化】

　　7.设计、创造和维护数据库和数据系统的关系【数据库】

　　8.分类问题和解数据相关问题【数据分析】

　　9.根据数据分析结果做出决策【数据分析】

　　10.研究数据间的相互关系【数据分析】

三.数据分析必须具备的素质

　　1.严谨负责，尊重数据真实性

　　2.敏感性强，善于提出问题

　　3.思路清晰，具有强烈的逻辑分析思维

　　4.擅长模仿，又要有创新

四.数据分析基本流程

　　1.采集

　　　　特点和挑战：并发高，数据来源种类繁多

　　2.导入/预处理

　　　　特点和挑战：数据量大

　　3.统计/分析

　　　　特点和挑战：数据量大，对系统资源占用大

　　4.挖掘

　　　　特点和挑战：挖掘算法复杂，计算涉及的数据量和计算量都很大，常用的挖掘算法以单线程为主

五.数据分析的分析导向

　　1.决策导向型

　　　　决策导向是从企业决策入手，进而研究分析方法，分析建模及算法，研究关键字段，找数据，是从客户导向出发的研究思路。

　　2.探索导向型

　　　　从大量无序数据中提取重要的关键信息进行分析，是数据驱动型研究，是未来的趋势，更有价值。