數據思維：從數據分析到商業價值

樊登讀書會上聽過王漢生老師一個小時的授課，跑步的時候反覆聽了三遍，恰巧遇上微信讀書上沒有資源，就淘寶買了一本Pdf版本的電子書導入閱讀。 雖然描述迴歸分析、機器學習、非結構化數據分析的案例大都貼近生活，但畢竟涉及到統計學相關的專業知識太多，只能走馬觀花、不求甚解了。 大體框架結構的收穫還是不錯的，數字化轉型應爲三個步驟：1.將一個業務問題定義成數據可分析問題2.建模與分析（描述統計、可視化分析、線性迴歸、機器學習）3.數據業務實施（流程再造、產品設計、標準定製）。 在社會分工越來越精細化的今天，我們應該儘可能的把業務問題定位清晰，而2和3的步驟交於專業人士處理。

1.建立數據思維、用數據解決實際業務問題。 2.數據分析的唯一目的是解決業務問題、創造商業價值。 3.教你如何系統地思考問題，將抽象的業務痛點轉化爲具體的數據分析問題，最終創造可量化的商業價值。數據分析本身不產生價值，只有將其與業務結合，解決實際問題，才能轉化爲商業價值。 4. 本質：數據思維是“業務優先”的思維。是從業務痛點出發，尋找數據支撐，通過數據分析得出結論，最後反哺業務決策的閉環。 5. 數據是土壤，模型是工具，業務是種子，只有三者結合，才能結出商業價值的果實。

這本書不建議同學們直接學習，而是有一定數據分析基礎學習與實踐之後，作爲一本簡單的案例集來看待會比較好。 個人覺得對同學們來說，全書可以分爲兩大部分內容： 第一部分是基礎理論部分的梳理，包括：數據分析、數據科學的通用基礎知識，這部分內容在數據較爲零散，需要同學根據自己的理解重新整理一下。 第二部分是案例部分，這部分內容講解得較爲淺嘗輒止，讀起來總是意猶未盡的感覺，可以當做數據故事來看待，也可以學習到基本的分析思路。

整體比較淺顯，思路很直接： 各種問題抽象成數學分析問題，再分析。 相關技術還看不懂，但如何跟業務問題結合的思路後續可以借鑑並深入學習。還是要在業務中實踐才能掌握

剛發現微信讀書居然有這本書，評分怎麼這麼少。有用又有趣的統計入門書籍，非常推薦。

專業課老師要求閱讀的一本書，並且還要求據此寫一篇課程論文，比較推薦閱讀前三章的，後面的大致瀏覽一下即可。更像是很多篇公衆號推文雜糅而成的一本書…

回到四五年前，做數據分析是一項很昂貴的投資。但因爲雲計算的普及，“把數據用起來！” 讓數據分析變得更加普惠可用，並從數據挖掘中爲我們帶來上萬億的利潤增長空間。 作爲入門書，該書從各行各業的熱門實例中以客戶的盈利模式爲切口，不斷強化商業環節之間的起承轉合，這種數據產品化的思維訓練是學生進入到更真實世界的必要環節。

首先，是要知道所有能夠被電子記錄的東西才被稱作是數據，然後通過它能夠形成具體的動作產品化才能夠創造價值。所謂的數據思維，就是了解從數據到價值之間的這個過程。然後把我們整個業務當中的因變量，就是你希望改變的那個Y找到，對它所影響的X都有哪些。把這些數據採集出來之後，我們交給專業人士去做迴歸分析，找到它們的相關關係。迴歸分析之後，就能夠得出哪些東西的影響更大，哪些東西影響更小，之後形成一個具體的動作，就叫產品化的過程，從而創造價值。

感覺前面的部分還可以後面越看越不太行了

特別細節，尤其是圖表部分，並且對各種數據進行了闡述和舉例說明，普及了很多知識，形象的案例便於理解。不過涉及到機器學習，深度算法部分理論知識講的比較基礎，以及各種案例背後的算法實現還需要自己去琢磨，總體上是很推薦的一本思維入門書籍。