数据分析流程

数据介绍

数据：
    数据科学（英语：Data Science），又称资料科学，是一门利用数据学习知识的学科，其目标是通过从数据中提取出有价值的部分来生产数据产品。
    它结合了诸多领域中的理论和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。
    数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

from IPython.display import Image
from IPython.core.display import HTML 
Image(url= "https://images.gitbook.cn/305484d0-ddb3-11e8-a810-c56af2994f6b")

项目流程

项目介绍：

    开发一套能够评价学生学习情况的软件系统

项目分析：
    理解商业问题 !!1
        对相应的业务有所了解

        从业务中梳理出与数据工程项目有关的环节，特别是将业务中某些问题转化为数据问题。
        
    问如下几个问题：

        哪些类型的数据能够支持“过程性评价”？
        通过什么渠道可以获取这些数据？
        所获得的数据可靠程度如何？

    理解商业问题，把通常的业务人员习惯用的描述性语言，转变为具体的科学性语言，才能对某些环节作出“数据性”回复，实现“数据驱动决策”目标。

    过程性评价能够对学生的成长发展提供指导，而不是一考定终身。


        学生成长发展的指标是什么？是考试成绩？心理发展？身体状况？
        如果是考试成绩，是周考试成绩？月考试成绩？学期末考试成绩？
        如果是心理发展，用什么量表测量？还是凭借主观观察？
        如果是身体状况，又要测量哪些项目？
        衡量学生发展的周期是多长？学年？学期？月？周？日？小时？每次作业？

    从数据层面解决上述问题，就必须把有关数据的问题提炼出来，用准确的语言表述，然后考查业务是否能够支持这些问题

数据采集：
    数据收集和前述理解商业问题，两者之间是一个互动关系。研究收集数据的方法，也是对商业问题的再度理解
    
    数据收集还包含着从某个数据集中获得数据的含义。这里所说的数据集，包括但不限于：

        数据库，包括关系型和非关系型
        数据接口（API）
        保存数据的文件，比如 Excel、CSV 文档等
        
    从这些数据集中读取到数据？需要的技能应该是：

        熟练使用 SQL
        熟练使用某种编程语言（本达人课使用的是 Python 语言）

数据清洗 + 特征 工程：
    
    数据采集后，了解这些数据：
    
        对数据进行简单的描述性统计
        对数据实行可视化，直观地了解数据概况
        
    “数据可视化”的技能  +  “数据清洗”和“特征工程”

结果：
    数据之后，根据商业问题的目标，可以从事两个方面的具体工作:
        
            数据分析:

                    应用各种数据分析的方法，最终得到一份分析报告。

                    分析结果，除了用数字表达之外，可视化是不可避免的
            
            机器学习:

                    机器学习是另外一个专门领域，目前正火热中。

                    通过机器学习算法，实现对数据的分类、预测和聚类等操作，在这个过程中，也难免要用“数据可视化”表达某种结论

评估：

    不论是机器学习，还是数据分析，其结果都要进行评估。
    对于机器学习而言，有专门的模型评估方式。即便如此，用可视化的方式把结果表达出来，也是一种重要的手段。

总结：
    “数据科学”的基本概念，并简述了“数据工程”项目的基本流程，