數據分析師養成寶典

#小曾曾讀書筆記#《數據分析師養成寶典》：本書從業務理解、指標設計、數據建模、價值展示四個方面，對數據分析師養成提供了較爲全面整體的描繪。最後的實戰訓練將流程進行了落地展示，富有一定實操意義，對於使用R的小夥伴來說會有較大價值。 整本書涉及的層次較爲廣泛，但是讀完之後有一種走馬觀花的體會，內容很廣，但是每一點都不是很深刻，具體的應用場景也比較淺顯和冷僻。希望自己能在裏面獲得一些體會，因此整理其中典型知識點如下： 1、分析與探索是對數據的認知，將遵循如下順序：數據源質量→數據類型→數據集質量→平均水平→數據分佈→量變關係→多維交叉。 2、數據分析過程精簡提煉版：業務理解→指標設計→數據建模→分析報告→執行監控。 3、控制圖就是對生產過程的關鍵質量特性值進行測定、記錄、評估並監測過程是否處於控制狀態的一種圖形方法。中心線、上控制線和下控制線統稱爲控制線，通常控制界限設定在±3標準差的位置。中心線是所控制的統計量的平均值，上下控制界限與中心線相距數倍標準差。 4、 理解用戶的幾個主要節點：1）爲誰做?我的用戶羣體是誰?2）爲什麼做?解決了用戶什麼問題?爲用戶提供了何種服務?3）這個服務本身可以帶來什麼樣的預期結果?4）這個服務的上線和運營成本是多少?投入產出比是否合理?是否存在替代方案?5）這個服務可以爲後續哪些服務提供依據（前期也可以不考慮這個問題）?6）如果是運營需求，那麼是否提高了運營的效率並且給用戶帶來價值? 5、數據分析需要注意的兩個陷阱： 不要把假設和結論混爲一談；避免純粹的線性思維；現象和原因是不同的。 6、 數據探索的主要任務是檢驗原始數據中是否存在髒數據（噪聲），常見髒數據包括：缺失值；異常值；不一致值；重複數據；含特殊符號的數據。 7、數據分析報告給出結論的5個步驟：1）有沒有問題：核心指標是否達標；2）有多大問題：問題的缺口和持續發展等？3）問題出在哪兒：是哪個部門的鍋？4）爲什麼會出問題：出問題的指標？5）如何應對問題：部門可以做什麼操作來嘗試解決問題。

被書名耽誤的一本書，內容上該講的都講到了，非常貼近企業應用實踐。着重強調了數據思維和對業務理解，並不像傳統的數據分析書一樣只講數據分析的方法和技術。數據分析從來都不是隻有技術就可以，要結合業務來產生價值。這本書後面有七八個非常詳細的案例，包括驗證性數據分析、探索性數據分析，非常有參考價值。對於新入門數據分析的人來說，是一本很有價值的參考書。

1.這本書帶給了我什麼新知？ ▪拉格朗日插日值法用於處理缺失值，而不是平均數和中位數， ▪K-mean聚類分析，CART決策樹模型 ▪RFM用在航空旅客營銷管理不夠，比如作者提到的LRFMC客戶分析模型 ▪不同維度的單位之間要進行量綱標準化處理，才能進行比較。比如說使用極差標準分析法 ▪Pearson相關係數要求連續變量的取值服從正態分佈，不服從正太分佈的變量分類或等級變量之間關係，可以採用Spareman等級相關係數來分析。 2.他改變了我過去什麼樣的觀念？ ▪數據的敏感在於無知，無知帶來好奇，好奇帶來驚喜，驚喜帶來快樂 ▪對數據不敏感，看不出毛病，與平時不善於提問有密切關係。要多加練習纔是。 3.覺得有哪些不足？ ▪關於數據分析的假設提出部分，假設怎麼樣提最好，不會有疏漏？作者並沒有給出一個系統化的思維和角度！而是一帶而過。但問題的提出本身就比數據分析和工具更重要。你的出發點錯了，你的結論就是沒有價值的。 ▪對於不會R語言的人不友好。代碼部分我都是直接跳過的。 ▪對於數據分析思維的養成，寫的太簡陋，大概因爲編著的書都是這樣的吧。

總的來說，業務理解、指標設計兩篇對我幫助較大，因爲工作時剛好用到，在此感謝作者的分享。

內容比較基礎，適合建立概念瞭解分析框架的入門學習

適合新手和初級人員夯實和確認工作思路和流程，也可以給中級的數分人員提供一些啓發；作者語言自然，思路清晰，行文中多次提到自己工作過程中的心得，作爲讀者，有一些我也深有同感；書中未詳盡的地方，作者也提到讓讀者再找其他資料閱讀 我看有點評說書寫的太淺了；這個我同意，確實如果你已經是數分專家了，這本書確實不用看了 （寫的太細，包羅萬象的書好像叫字典，估計沒人愛看字典吧

很不錯，每個概念都懂，但是涉及到r語言就抓瞎了，看來得吧前面因爲裝不上電腦而放棄的r抓起來看看，非常有意思

第一：本書對一些專業名詞解釋很有見解； 第二：比較全面的介紹了數據分析的流程和各個階段的重點及詳情； 第三：通過案例進一步讓讀者更一步的瞭解了數據分析的全貌和實際的應用，對數據分析師這個職位工作內容有了更加具體的瞭解；

把數據分析講的通俗易懂，適合小白。

語言通俗易懂又實用，不過裏面提到統計的部分，需要有一定統計基礎才能看懂