项目实战
数据分析（业务分析）
从数据分析的角度去思考：我们要做的是，分析数据（利用前人先辈的算法模型）找到有价值的数据规律，实现自动化管理数据，让数据被我们控制，反之，我们控制不了的数据就是垃圾数据。
数据处理
数据挖掘
数据可视化
结合最初的业务需求和数据可视化的结果来制定具体的营销方案
项目出现的经典问题：
面对一个具体项目的时候，有一堆数据不知道如何处理？
从数据分析的角度去思考：我们要做的是，分析数据（利用前人先辈的算法模型）找到有价值的数据规律，实现自动化管理数据，让数据被我们控制，反之，我们控制不了的数据就是垃圾数据。
特征方程找不准怎么办？（在看了很多技术博客之后也找不着）
积累大牛调试的经验，很多时候调参数的时间，比写代码的时间还要长。
机器输出模型把控不好怎么办？
利用伪代码的方式，将流程图画出来，一个一个模型的试，看训练结果的好坏，再决定用哪个模型？
从事金融数据分析的，但是公司的平台支持不了hadoop
程序员对数据的敏感度较低
接触过Tableau的白领，除了在年终汇报的时候用到，并且得到了事业部领导的认可，但在实际开发的过程中，并为使用到。
转方向做数据挖掘，但是没有多少项目经验，该怎么办？
增加项目经验，做老师的项目专题，并且写项目总结，思维总结，用自己的语言写出来作为项目经验，可以尝试做Kaggle的项目，作为项目背景，写项目总结，作为项目经验。
游戏行业开发者，消费，充值，游戏行为，找到联系，改进玩家体验，增加运营收入。但是变量众多？
（观察）观察数据指标，相关性，相关性的指标是否可以用另一个指标来代替，可以进行指标的降维
（经验）关键性指标，比如累计消费金额，活跃时间，这个行业比较关注的
（试）用部分的数据来试一下模型 把不同的变量组合实验，把结果记录下来
物流IT 货量的预测 线路的优化
预测就是涉及机器学习
理论思维
规律亘古不变
（数据处理）：从数据分析的角度去思考：我们要做的是，分析数据（利用前人先辈的算法模型）找到有价值的数据规律，实现自动化管理数据，让数据被我们控制，反之，我们控制不了的数据就是垃圾数据。
学习方法：
做一个思维导图，提纲挈领。
实战检验
算法即工具
算法由数学原理而来，形成的理论模型，模型具有自己的特点和使用范围，总的来说，就是一个工具
商业角度
高频使用的，离钱更近的角度，决策价值更大的地方，需要我们的思维和建模的能力。
战略的理解
战+略
战就是在哪里竞争，略就是如何制胜
数据分析的缺点是什么
要求数据量大，数据思维不是万能的，是看待世界的一种维度。简单的来说就是找规律，通过规律实现自动化模型，很难预测奇异点。
我大脑的思维
去思考控制前2个思维
去思考看待别人的思维来填充自己前2个思维