一、什么是數(shù)據(jù)分析

觀測、實驗、應用

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（科學研究、A/B測試）

應用：不斷基于數(shù)據(jù)反饋迭代產品

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：設定標準、發(fā)現(xiàn)異常、研究關系

——————————————————————

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

—設定標準+發(fā)現(xiàn)異常

—研究關系：可視化查看相關性、建模推導相關性四、實驗-提出假設，然后驗證假設

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

所有未經過事實數(shù)據(jù)驗證的想法都是假設

設計A/B測試獲取數(shù)據(jù)

—實驗目標、實驗假設、實驗打分、實驗指標、實驗觀眾、實驗版本、開發(fā)驗收、實驗結果、實驗分析、后續(xù)計劃

如何在業(yè)務只有少量數(shù)據(jù)時設計數(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、應用-如何應用數(shù)據(jù)創(chuàng)造價值

—基于數(shù)據(jù)反饋不斷迭代產品和業(yè)務策略

明確業(yè)務的目標，拆解目標，得到標準值

—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)應用于業(yè)務

—將數(shù)據(jù)應用于算法

①為算法設定明確的業(yè)務目標

②為算法提供高質量的數(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)訓練算法，讓機器自動化地完成工作