数据分析师养成宝典

#小曾曾读书笔记#《数据分析师养成宝典》：本书从业务理解、指标设计、数据建模、价值展示四个方面，对数据分析师养成提供了较为全面整体的描绘。最后的实战训练将流程进行了落地展示，富有一定实操意义，对于使用R的小伙伴来说会有较大价值。 整本书涉及的层次较为广泛，但是读完之后有一种走马观花的体会，内容很广，但是每一点都不是很深刻，具体的应用场景也比较浅显和冷僻。希望自己能在里面获得一些体会，因此整理其中典型知识点如下： 1、分析与探索是对数据的认知，将遵循如下顺序：数据源质量→数据类型→数据集质量→平均水平→数据分布→量变关系→多维交叉。 2、数据分析过程精简提炼版：业务理解→指标设计→数据建模→分析报告→执行监控。 3、控制图就是对生产过程的关键质量特性值进行测定、记录、评估并监测过程是否处于控制状态的一种图形方法。中心线、上控制线和下控制线统称为控制线，通常控制界限设定在±3标准差的位置。中心线是所控制的统计量的平均值，上下控制界限与中心线相距数倍标准差。 4、 理解用户的几个主要节点：1）为谁做?我的用户群体是谁?2）为什么做?解决了用户什么问题?为用户提供了何种服务?3）这个服务本身可以带来什么样的预期结果?4）这个服务的上线和运营成本是多少?投入产出比是否合理?是否存在替代方案?5）这个服务可以为后续哪些服务提供依据（前期也可以不考虑这个问题）?6）如果是运营需求，那么是否提高了运营的效率并且给用户带来价值? 5、数据分析需要注意的两个陷阱： 不要把假设和结论混为一谈；避免纯粹的线性思维；现象和原因是不同的。 6、 数据探索的主要任务是检验原始数据中是否存在脏数据（噪声），常见脏数据包括：缺失值；异常值；不一致值；重复数据；含特殊符号的数据。 7、数据分析报告给出结论的5个步骤：1）有没有问题：核心指标是否达标；2）有多大问题：问题的缺口和持续发展等？3）问题出在哪儿：是哪个部门的锅？4）为什么会出问题：出问题的指标？5）如何应对问题：部门可以做什么操作来尝试解决问题。

被书名耽误的一本书，内容上该讲的都讲到了，非常贴近企业应用实践。着重强调了数据思维和对业务理解，并不像传统的数据分析书一样只讲数据分析的方法和技术。数据分析从来都不是只有技术就可以，要结合业务来产生价值。这本书后面有七八个非常详细的案例，包括验证性数据分析、探索性数据分析，非常有参考价值。对于新入门数据分析的人来说，是一本很有价值的参考书。

1.这本书带给了我什么新知？ ▪拉格朗日插日值法用于处理缺失值，而不是平均数和中位数， ▪K-mean聚类分析，CART决策树模型 ▪RFM用在航空旅客营销管理不够，比如作者提到的LRFMC客户分析模型 ▪不同维度的单位之间要进行量纲标准化处理，才能进行比较。比如说使用极差标准分析法 ▪Pearson相关系数要求连续变量的取值服从正态分布，不服从正太分布的变量分类或等级变量之间关系，可以采用Spareman等级相关系数来分析。 2.他改变了我过去什么样的观念？ ▪数据的敏感在于无知，无知带来好奇，好奇带来惊喜，惊喜带来快乐 ▪对数据不敏感，看不出毛病，与平时不善于提问有密切关系。要多加练习才是。 3.觉得有哪些不足？ ▪关于数据分析的假设提出部分，假设怎么样提最好，不会有疏漏？作者并没有给出一个系统化的思维和角度！而是一带而过。但问题的提出本身就比数据分析和工具更重要。你的出发点错了，你的结论就是没有价值的。 ▪对于不会R语言的人不友好。代码部分我都是直接跳过的。 ▪对于数据分析思维的养成，写的太简陋，大概因为编著的书都是这样的吧。

总的来说，业务理解、指标设计两篇对我帮助较大，因为工作时刚好用到，在此感谢作者的分享。

内容比较基础，适合建立概念了解分析框架的入门学习

适合新手和初级人员夯实和确认工作思路和流程，也可以给中级的数分人员提供一些启发；作者语言自然，思路清晰，行文中多次提到自己工作过程中的心得，作为读者，有一些我也深有同感；书中未详尽的地方，作者也提到让读者再找其他资料阅读 我看有点评说书写的太浅了；这个我同意，确实如果你已经是数分专家了，这本书确实不用看了 （写的太细，包罗万象的书好像叫字典，估计没人爱看字典吧

很不错，每个概念都懂，但是涉及到r语言就抓瞎了，看来得吧前面因为装不上电脑而放弃的r抓起来看看，非常有意思

第一：本书对一些专业名词解释很有见解； 第二：比较全面的介绍了数据分析的流程和各个阶段的重点及详情； 第三：通过案例进一步让读者更一步的了解了数据分析的全貌和实际的应用，对数据分析师这个职位工作内容有了更加具体的了解；

把数据分析讲的通俗易懂，适合小白。

语言通俗易懂又实用，不过里面提到统计的部分，需要有一定统计基础才能看懂