大数据开发系列：数据分析概述

原标题：大数据开发系列：数据分析概述

数据分析基本概念

数据分析，是指使用适当的统计分析方法(如聚类分析、相关性分析等)对收集来的大量数据进行分析，从中提取有用信息和形成结论，并加以详细研究和概括总结的过程。

例如产品开发人员通过数据分析来优化产品，营销人员可以通过数据分析改进营销策略，产品经理通过数据分析洞察用户习惯，金融从业者可以通过数据分析规避投资风险，程序员可以通过数据分析进一步挖掘出数据价值。

总而言之，数据分析的目的在于，将隐藏在一大批看似杂乱无章的数据信息中的有用数据提炼出来，以找出所研究对象的内在规律。在统计学领域中，数据分析可以划分为如下三类：

(1)描述性数据分析

从一组数据中可以摘要并且描述这份数据的集中和离散情形。常见的分析方法有对比分析法、平均分析法，交叉分析法。

(2)探索性数据分析

从海量数据中找出规律，并产生分析模型和研究假设。常见的分析方法有相关分析、因子分析、回归分析。

(3)验证性数据分析

验证科研假设测试所需的条件是否达到，以保证验证性分析的可靠性。

常见的分析方法有相关分析、因子分析、回归分析。

数据分析应用场景

1、营销方面的应用

分析消费者的购物行为，研究其购物习惯，以便精准精准地预测下一步的消费

2、医疗方面的应用

通过医疗数据分析，对疾病的预测

3、零售方面的应用

搭配销售(啤酒尿布)

4、网络安全方面的应用

实时监测网络活动数据和相应的访问行为，识别可能进行入侵的可疑模式，做到未雨绸缪

5、交通物流方案的应用

有效预测实时路况、物流状况、车流量、客流量和货物吞吐量，进而提前补货，制定库存管理策略。

数据分析流程

数据分析是基于商业目的，有目的地进行手机、整理、加工和分析数据，提炼出有价值的信息的一个过程。

1、明确的目的和思路

在进行数据分析之前，必须理清如下几个问题：

数据对象是谁?

要解决什么业务问题?

基于对项目的理解，整理出分析的框架和思路。例如：减少新客户的流失、优化活动效果、提高客户响应率等，不同的项目对数据的要求是不一样的，使用的分析手段也是不一样的。

2、数据收集

数据收集是按照确定的数据分析思路和框架内容，有目的地收集、整合相关数据的一个过程，它是数据分析的基础。

3、数据处理

数据处理是指通过分析手段、方法和技巧对准备好的数据进行探索、分析，从中发现因果关系、内部联系和业务规划，为商业提供决策参考。

到了这个阶段，要想驾驭数据开展数据分析，就要涉及工具和方法的使用，其一是要熟悉常规数据分析方法及原理，其二是要熟悉专业数据分析工具的使用。

4、数据展现

俗话说：字不如表、表不如图。通常情况下，数据分析的结果都会通过图表的方式进行展现，常见的图表包括饼图、折线图、条形图、散点图等。

借助图表这种展现数据的手段，可以更加直观地让数据分析师表达想要呈现的信息、观点和建议。返回搜狐，查看更多

责任编辑：