数据分析介绍
无处不在的数据
生活中存在各式各样的数据，那么基于这些数据，我们又能做哪些分析呢？
最近几年大数据这个词是火的不行，确实随着社会科技水平的提高，我们使用电子设备的时间越来越长，现在数据的增长量真的非常非常快，这些数据来自各个领域，比如：
- 社交：微信，微博，知乎，豆瓣什么的
- 交通：出租车，公交车等类的数据，比如：滴滴出行
- 金融：股票历史交易信息，公司财报，新闻媒体的态度等等
- 医疗：在数据收集和存储上还有很长的路要走
典型的数据分析应用：
- 竞选预测：特朗普和拜登
- 拥堵预测：交通出行，地图导航
- 信誉评估：信用额度贷款等
- 辅助诊断：医疗影像等方面，比如 ：CT图像中的肿瘤
什么是数据分析：
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
数据分析的目的有多种，概括起来有三种：
- 现状分析:告诉你过去发生了什么。 探索型数据分析
- 原因分析:告诉你某一现状为什么发生。 验证型数据分析
- 预测分析:预测未来会发生什么。 预测型数据分析
为什么需要数据分析能力？
举例：
- 通过数据分析，我们可以更好地了解用户画像，为企业做留存率、流失率等指标分析，进而精细化产品运营。
- 如果你关注比特币，数据分析可以帮助你预测比特币的走势。
- 面对生活中遇到的种种麻烦，数据分析也可以提供解决方案，比如信用卡反欺诈，自动屏蔽垃圾邮件等。
数据分析流程:
怎么学习数据分析?
- 基础概念:这是我们学习的基础，一定不能落下。
- 工具:这个部分可以很好地锻炼你的实操能力。 Python库和软件
- 题库:题库的作用是帮你查漏补缺，在这个过程中，你会情不自禁地进行思考。
MAS学习法
- Multi-Dimension：想要掌握一个事物，就要从多个角度去认识它。
- Ask：不懂就问，程序员大多都很羞涩，突破这一点，不懂就问最重要。
- Sharing：最好的学习就是分享。用自己的语言讲出来，是对知识的进一步梳理。
我们只有把知识转化为自己的语言，它才真正变成了我们自己的东西。这个转换的过程，就是认知的过程。
拓展
- 数据分析思维
- 数据挖掘和数据分析,数据科学,大数据,机器学习
- 数据分析: 分析方法,也包含数据挖掘算法
- 数据挖掘: 从数据挖掘潜在价值信息过程
- 数据科学: 计算机科学的一个领域 数据科学
- 机器学习: 让机器从数据中去学习
- 大数据: 巨型数据
- 数据分析报告参考
- 2017年滴滴出行公民公告