1.数据分析概述

CDA数据分析师系列培训

CDA数据分析员课程

----数据分析概述

讲师：李奇

大数据时代与数据分析

计算机问世以来的50年间，人类生产的数据总量呈几何级数与日俱增，在很长一段时间内，我们只是存储数据

而缺乏有效地利用数据的手段。近年，随着信息产业及信息技术的飞速发展，不仅数据量得到了爆发性的增长，数据处理技术也得到了突飞猛进的发展，我们终于拥有了发现及挖掘隐藏在海量数据背后信息，并将这些信息转化为知识及智慧的能力，数据开始了从量变到质变的转化过程，信息社会迎来了新的时代—大数据时代。

MySQL

SQL Server

DB2

外部文件

数据分析方法：

1. 商业智能

2. 预测分析

3. 数据挖掘

知识及智慧：

--谷歌流感趋势预测

--啤酒与尿布的故事

数据分析概述

数据分析是将数据转化为知识、智慧的手段

知识是对事物的正确理解及认识，智慧是基于知识找到解决方案的能力

信息是有逻辑、含义及时效性的数据

数据包含文本、音乐、文字、数字等多种表达形式

数据分析师常用工具：

大数据分析实例淘宝指数

大数据分析实例谷歌流感趋势

1. 业务理解

2. 数据收集

3. 数据处理

4. 数据分析

5. 数据展现

6. 制作报告数据分析的起点，最为重要的环节多渠道获取结构化与非结构化数据☆数据清洗

☆数据整理

☆数据加工

☆现状、原因分析☆多维度分析

☆可视化分析

可视化图表展现商业智能报表

数据收集与清洗

外部文件

数据仓库

预测性数据分析

描述性数据分析

数据库

数据处理与集成

数据分析

数据展现、制作报告知识、智慧

业务人员

IT 技术人员

分析人员

项目组成员

业务人员主要负责提出业务需求、从业务角度检验分析结果的准确性、使用分析结果指导业务工作

技术人员提供必要的IT 技术支持，比如应用网络爬虫搜取数据、创建数据仓库、提取重要字段等

分析人员负责数据的分析挖掘及制作分析报表、汇报分析成果等工作某个数据分析项目各阶段用时百分比:创建原始数据= 40%描述性分析= 30%预测性分析= 30%

数据分析方法分类

1. 商业智能

2. 预测分析

3. 数据挖掘1. 多维度分析数据集

2. 现状、原因分析

3. 数据透视分析

4. 可视化图表分析

1. 简单线性回归

2. 非线性回归

3. 多元回归

4. 逻辑回归等

1. 决策树

2. 关联分析

Excel

SPSS、SAS、R等

谢谢！李奇