一、什么是數(shù)據(jù)分析

觀測、實驗、應(yīng)用

二、重新認識數(shù)據(jù)分析

觀測：對事物形成客觀量化的認知（報表、圖表、儀表盤）

實驗：發(fā)現(xiàn)規(guī)律、驗證假設(shè)（科學(xué)研究、A/B測試）

應(yīng)用：不斷基于數(shù)據(jù)反饋迭代產(chǎn)品

三、觀測

觀察：采集數(shù)據(jù)、儲存數(shù)據(jù)、展示數(shù)據(jù)

——————————————————————

—采集數(shù)據(jù)：解析系統(tǒng)日志

—采集數(shù)據(jù)：埋點獲取新數(shù)據(jù)

—采集數(shù)據(jù)：通過傳感器采集

—采集數(shù)據(jù)：爬蟲（解析網(wǎng)站）

—采集數(shù)據(jù)：API （API 平臺文檔、用API 獲取數(shù)據(jù)）

—儲存數(shù)據(jù)：各類類型的數(shù)據(jù)庫-hive、mysql、presto、impala（數(shù)據(jù)工程師）

—儲存數(shù)據(jù)：連接數(shù)據(jù)庫取數(shù)

—展示數(shù)據(jù)：可視化高效傳達信息

測量：設(shè)定標(biāo)準、發(fā)現(xiàn)異常、研究關(guān)系

——————————————————————

分析數(shù)據(jù)的目的是什么？

—及時發(fā)現(xiàn)異常

—找到數(shù)據(jù)之間的因果關(guān)系

數(shù)據(jù)是客觀統(tǒng)一的：有統(tǒng)一的認知才能有共同的目標(biāo)

—設(shè)定標(biāo)準+發(fā)現(xiàn)異常

—研究關(guān)系：可視化查看相關(guān)性、建模推導(dǎo)相關(guān)性四、實驗-提出假設(shè)，然后驗證假設(shè)

—觀測到差評率飆升、假設(shè)由惡劣天氣引起、通過天氣數(shù)據(jù)驗證假設(shè)

所有未經(jīng)過事實數(shù)據(jù)驗證的想法都是假設(shè)

設(shè)計A/B測試獲取數(shù)據(jù)

—實驗?zāi)繕?biāo)、實驗假設(shè)、實驗打分、實驗指標(biāo)、實驗觀眾、實驗版本、開發(fā)驗收、實驗結(jié)果、實驗分析、后續(xù)計劃

如何在業(yè)務(wù)只有少量數(shù)據(jù)時設(shè)計數(shù)據(jù)實驗？

如何在無法同時測試兩個版本時比較數(shù)據(jù)？

五、應(yīng)用-如何應(yīng)用數(shù)據(jù)創(chuàng)造價值

—基于數(shù)據(jù)反饋不斷迭代產(chǎn)品和業(yè)務(wù)策略

明確業(yè)務(wù)的目標(biāo)，拆解目標(biāo)，得到標(biāo)準值

—流程拆解法、二分法、象限拆解法、杜邦分析法、AARRR、pest、rfm、swot、5w1h（拆解只要符合mece法則即可）

—將數(shù)據(jù)應(yīng)用于業(yè)務(wù)

—將數(shù)據(jù)應(yīng)用于算法

①為算法設(shè)定明確的業(yè)務(wù)目標(biāo)

②為算法提供高質(zhì)量的數(shù)據(jù)

③判斷算法是否真的創(chuàng)造了實際價值

④幫助業(yè)務(wù)更好地使用算法

基于數(shù)據(jù)和算法的競爭，無時無刻不在互聯(lián)網(wǎng)行業(yè)上演；基于數(shù)據(jù)訓(xùn)練算法，讓機器自動化地完成工作