1. 认识数据分析

1.1 数据自身的三大属性

• 客观：用数字衡量和表现一件客观事物时，能最大程度统一大家的认知

• 量化：量化的数据，可以利用数学原理进行各种精密的计算，得出更多价值的结果

  如业务推导：门店成交额=下单人数*平均客单价，知道其中两个即可推算第三个

  统计学：平均数、中位数、众数

  微积分：求导–路程-速度-加速度

• 机器可处理：数据是少数人和机器都能理解和处理的信息，人可以借助机器高效处理数据的各种信息

• 数据图表：机器给予规则计算和展现数据

• 数据工程：让机器替代人去7*24小时汇总和处理数据

• 机器学习：让机器按照人设定的规则去试错尝试、求解最佳参数

1.2 建数仓 数据分析的工程技术

随着数据系统的晚上，如果企业的数据汇总超过了Excel的存储上线

那么企业需要建立自己的大规模数据仓库，处理不断增长的数据资产，数据仓库技术占到数据分析实现所用技术的70%以上

• 埋点采集

  • 传感器 ：传感器通常用于测试物理变量，一般包括声音、温湿度、距离、电流等，将测量值转化为数字信号，传送到数据采集点，让物体有了触觉、味觉和嗅觉等感官，使其活起来

• 系统日志采集方法：

  • 日志文件数据一般由数据源系统产生，用于记录数据源的执行的各种操作活动，比如网络监控的流量管理、金融应用的股票记账和web服务器记录的用户访问行为
  • 很多互联网企业都有自己的海量数据采集工具，多用于系统日志采集，如Hadoop的Chkwa,Cloudera和Flume,Fackbokk的Scribe.这些工具采用分布式架构，能满足每秒数百M的日志数据采集和传输需求

• web爬虫

  • 网络爬虫指为搜索引擎下载并存储网页的程序，它是搜索引擎和web缓存的主要的数据采集方式，通过网络爬虫或网站公开API等方式从网站上获取数据信息。

• 传输存储（数仓）

  • 传输：借助网络

  • 存储：借助数据库技术，研究如何组织和存储数据，高效获取和处理数据是一门大学问

    ​ 其涉及了：速度、准确性、最大规模、以及数据种类

• 提取回流（数仓/算法）

  • 提取即将数据查询到，并导出为文件
  • 回流即指数据被操作过之后，怎么会到数据库，继续参与到生产和建模

• 清洗处理（数仓）

  • 清洗：指利用一些第三方库清洗数据，使其符合数据包准
  • 处理：使得数据符合实际的需求

• 连接导入：

  • 即对接不同的工具和软件，涉及到各种中间件和协议

• 分析建模（分析/算法）

  • 分析：计算，并绘制一些可视化的图表等

• 建模

  • 即机器学习与深度学习

• 部署应用

  • BI监控
  • 算法平台：先知
  • 工程开发

1.3 数据分析解决问题的原理

• 传统：问题发生----结合现实----逻辑推理----得出结论
• 数据：问题发生----结合现实----数据映射----量化分析----得出结论

数据分析只是分析的一种，能对碎片化的信息加以抽象和整合，不过度依赖量化，才是真正的分析能力

1.4 数据分析的具体流程

• 注意分析数据的目的：
  • 业务分析：关注数据与业务的关联性，映射关系和可解释性
  • 建模分析：关注数据的整体特征（特征决定上限，模型调参无限趋近于上限）
  • 分析的种类：
    • 计算型分析：统计学，机器学习
    • 逻辑型分析：归纳/演绎，思维模型

1.5 数据的中心化和智能化

• 中心化

  • 当数据仓库建立完毕后，企业的数据团队基本上也搭建完毕了，但初级的数仓仍然有诸多问题

  • 跨库查询：数据存储在不同服务器中，无法实现业务级的垮库查询

  • 数据架构：数据中每个系统的开发独立维护，指标定义、数据结构、数据类型等架构标准都
    统一

  • 数据需求：字段需求无法精准有节奏地一一实现，开发说不做就不做了

  • 中心化的数据库将会统一管理企业的所有数据字段，将所有数据汇总到一个技术架构和仓库里

  • 只有一线C端的大型互联网公司才完成了数据中心的建设

    • 京东B轮的时候才进行了数仓的全面重构和中心化

    • 淘宝也是在阿里云出世后才彻底完成

    • 字节很多新增业务部依旧日无法接入数据中心

• 智能化
  • 在完成数据中心的建设后，企业在数据征途上将挑战一个永无止境目标一一商业智能
  • 商业智能实现的四个阶段

• 反映现实情况

  

• 监控关键指标

​

• 辅助决策制定

• 实现自动决策

1.6 数据分析的四种类型和六个方向