1. El propósito del análisis de datos: concentrar y refinar la información oculta en una gran cantidad de datos aparentemente desorganizados, a fin de conocer las leyes inherentes del objeto de investigación. ( Principalmente para fines de análisis y filtrado de datos sucios )
1. El análisis de datos es el proceso de recopilar datos de manera organizada y decidida, analizarlos y convertirlos en información. (Este proceso es la clave para soportar el sistema de gestión de calidad).
2. El análisis de datos cubre todo el ciclo de vida del proyecto, como: investigación de las premisas del proyecto, análisis de viabilidad, análisis del comportamiento del usuario, análisis de mercado, etc.
2. El análisis de datos incluye principalmente áreas/categorías: análisis estadístico descriptivo, análisis de datos exploratorios, análisis de datos confirmatorios, análisis de datos estereotipados, análisis de datos fuera de línea y análisis de datos en línea .
3. Métodos de análisis de datos:
1. Método de lista: expresa los datos en un método de lista de acuerdo con ciertas reglas .
2. Método de dibujo: visualización, la expresión más llamativa de la relación cambiante entre varias cantidades físicas.
4. El contenido principal del análisis de datos de aprendizaje:
1. Pensamiento de datos.
2. Conocimiento empresarial.
3.EXCELENTE。
4. Visualización de datos.
5.SQL。
6. Estadísticas.
7.python。
5. Niveles estructurales de análisis de datos.
1. Recopilación de datos subyacentes/recopilación del lado del producto. (Datos básicos)
2. Qué tipo de datos se necesitan para la comercialización de datos/productos. (datos comprensibles, cuantificables y observables)
3. Ejecución de decisiones sobre datos/cómo mejorar los productos. (Información de observación convertida en estrategias)
4. Los modelos/productos de datos inician operaciones automatizadas y sistemáticas. (Convierta los datos reveladores en reglas de datos)
5. Estrategia de datos/orientar el futuro. (Traducir en resultados, orientar estrategias)
6. Herramientas de análisis de datos.
1. Biblioteca de herramientas de análisis.
2.PyMySQL。
3.Matplotlib.
4.Superconjunto。
7. Pensamiento de análisis de datos.
1. Pensamiento central:
El análisis de datos estructurados ( punto, línea, superficie, cuerpo ) de longitud completa se realiza principalmente a la inversa. Por ejemplo: encuentre un argumento central, luego desglose ciertos aspectos que se demostrarán uno por uno y luego realice una exploración y un análisis en profundidad.
Formulación: Todas las estructuras se pueden optimizar hasta que sean mínimamente indivisibles. (Arriba y abajo se calculan entre sí, y la izquierda y la derecha están relacionadas), formando un indicador cuantificable.
Empresarialización: primero, enderece su pensamiento y transforme datos estructurados en datos amigables para los negocios a través de fórmulas. (Análisis del mapa de acceso de los usuarios, análisis completo del proceso de los hábitos de comportamiento de los usuarios).
8. Métodos de análisis comúnmente utilizados.
1. Método del cuadrante.
2. Método de hipótesis.
3. Método de comparación.
4. Método veintiocho.
5. Método de índice.
6. Método multidimensional.
7. Método del embudo.