有哪些数据分析思维?这些思维才数据分析师要注意的

说到数据分析，啤酒和尿布的例子应该都听腻了。更具体、更深入的内容，往往因为数学让很多人望而却步。我想和大家分享9种不需要数学推导的数据分析方法。希望你喜欢~

1、有哪些数据分析思维——分类

分类分析的目的是将一组人(或物)分成几个类别，或者预测他们属于每个类别的概率。

拿一个栗子来说：“京东的哪个用户会在618下订单?”这是一个典型的两类问题：买还是不买。

分类分析(基于历史信息)产生一个模型来预测一个新的人(或事物)将属于哪个类别，或者属于某个类别的概率。结果有两种形式：

形式一：京东的所有用户分为两类，要么购买，要么不购买。

形式2：每个用户都有一个“会买”或“不买”的概率(显然这两个是相等的)。“会买”的概率越大，我们认为这个用户下单的可能性就越大。

如果为表单2画一条线，例如0.5，大于0.5表示买入，小于0.5表示不买入，则表格2变成表格1。

2、有哪些数据分析思维——返回

回归任务的目标是根据一些属性变量给每个人(或对象)一个数字(衡量他或她的好坏)。

以栗子为例：每个用户在618订购JD要多少钱?

注意回归和分类的区别：分类输出的结果是几个固定选项中的一个，而回归的结果是连续数，可能值是无穷大的。

3、有哪些数据分析思维——聚类

聚类任务的目标是：给定一组人(或物)，而不指定目标，看哪些人(或物)更接近。

注意聚类与上述分类回归的本质区别：分类和回归都有一个给定的目标(是否下单、贷款是否违约、房价等)，聚类没有给定目标。

以栗子为例：鉴于一组用户的购买记录，是否可以将其分为几种类型?(零食狂人、电子爱好者、美容美术师)

4、有哪些数据分析思维——相似匹配

相似性匹配任务的目标是根据已知的数据判断哪些人(或对象)与某一特定的人(或对象)更相似。

以栗子为例：我们知道有一批用户在去年11月11日投了1万多元。哪些用户与他们相似?

5、有哪些数据分析思维——频繁集发现

频繁集发现的目标是找到普通人(或事物)。这是一个著名的啤酒和尿布的例子。

这个例子太容易扩展了，所以我们不提栗子了。

6、有哪些数据分析思维——统计(属性、行为、状态)描述

对任务目标的统计描述最容易理解：人(或对象)的哪些属性处于什么状态，该做什么。

以栗子为例：5月份一个月内每个用户7天内无条件退货的数量

用户经常会想象一个月内一个用户返回100倍以上的欺诈情况?

7、有哪些数据分析思维——连接预测

关联预测的目标是预测本应连接(尚未连接)的人(或事物)。

拿栗子来说：你可能认识XXX?你想看看XXX吗?

8、有哪些数据分析思维——数据压缩

数据压缩的目的是缩小数据集的规模，提高信息密度。

以栗子为例：豆瓣希望分析用户对国外电影的偏好，并排除了国内电影的评级数据

大数据并不是数据越多越好。更多的数据带来更多的信息，但更多的噪音。

9、有哪些数据分析思维——因果分析

顾名思义，因果分析的目的是找出事物之间的关系。

让我们拿栗子来说：广告效果的提高是因为广告内容好，还是传递给更准确的用户?

这里最常见的方法是a/B测试

数据分析是非常强大的，但当然，我们仍然需要使用科学的分析方法，在特定的场景和严格的选择假设下产生有价值的结果。数据说谎的典型案例是安慰剂效应。

以上就是《有哪些数据分析思维?这些思维才数据分析师要注意的》的全部内容，从文字中我们可以看到，说到数据分析，啤酒和尿布的例子应该都听腻了。更具体、更深入的内容，往往因为数学让很多人望而却步，如果你想变得更优秀，小编建议大家点击下方资料下载链接。