数据分析
1、概念
广义的数据分析包括狭义数据分析和数据挖掘。
狭义的数据分析是指根据分析目的，采用对比分析、分组分析、交叉分析和回归分析等分析方法，对收集来的数据进行处理与分析，提取有价值的信息，发挥数据的作用，得到一个特征统计量结果的过程。
数据挖掘则是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，通过应用聚类、分类、回归和关联规则等技术，挖掘潜在价值的过程。
~~**拆分合 ！ 比较 ！ 预测！**~~
- - 2、流程
需求–数据获取–预处理–分析建模–模型评价优化–部署
需求：看目的
数据获取：内部历史数据+python爬虫获取
数据预处理：合并、清洗数据、变换、标准化
分析建模：对比、分组、交叉、回归、聚类、分类、关联规则…
模型评价+优化：指标评价
部署：应用实际的过程
- 3、了解数据分析应用场景
| 客户分析 | 根据客户的需求、职业、经济、兴趣等，使用统计分析法和预测验证法，分析客户的忠诚度、注意力、收益等特征，提高销售效率 |
| 营销分析 | 分析竞争产品、自家产品成本和售价、销售渠道、广告和促销，实现最大利润化 |
| 社交媒体分析 | 用户的特征，比如，发表的内容、访问频率和内容、与其他用户的互动行为，进而推送合适的广告 |
| 网络安全 | 新型的病毒防御系统可使用数据分析技术，建立潜在攻击识别分析模型，监测大量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。 |
| 设备管理 | 通过物联网技术能够收集和分析设备上的数据流，包括连续用电、零部件温度、环境湿度和污染物颗粒等无数潜在特征，建立设备管理模型，从而预测设备故障，合理安排预防性的维护，以确保设备正常作业，降低因设备故障带来的安全风险。 |
| 欺诈行为检测 | 各大金融机构，电信部门可利用用户基本信息，用户交易信息，用户通话短信信息等数据，识别可能发生的潜在欺诈交易，做到提前预防未雨绸缪。 |
数据无非就是通过拆分合比等数据统计方法，再结合实际分析来挖掘潜在信息，要了解数据本身的大量性、不完全、有噪声、模糊性、随机性等性质，深入了解数据所处的场景是数据挖掘的第一步
