數據分析實戰45講（第二講）--筆記

　    上週在極客時間偶然看到陳暘博士的關於數據分析的課程，以爲很不錯，便堅決果斷的花錢買了這個課程，今天抽空看了實戰分析第二講，感觸最深的就是學習過程必定要作筆記，不只能鍛鍊本身的概括總結能力，更能對這一講的東西進行回顧，還能時不時回頭看看當初的想法。因此，我也試着開始作些筆記，畢竟大神都是這麼過來的，好了，話很少說，進入今天的正題：數據分析全景圖及修煉指南。

　　該講主要引導讀者從全局去了解什麼是數據分析？爲何作數據分析？怎麼去作數據分析？答案就是：掌握數據，就是掌握規律。當你瞭解了市場數據，對它進行分析，就能夠獲得市場規律。當你掌握了產品自身的數據，對它進行分析，就能夠了解產品的用戶來源、用戶畫像等等。因此說數據是個全新的視角。數據分析如此重要，它不只是新時代的「數據結構 + 算法」，也更是企業爭奪人才的高地。

      談到數據分析，咱們通常都會從3個方面入手：

• 數據採集 -- 數據源，咱們要用的原材料
• 數據挖掘 -- 它能夠說是最「高大上」的部分，也是整個商業價值所在。之因此要進行數據分析，就是要找到其中的規律，來指導咱們的業務。所以數據挖掘的核心是挖掘數據的商業價值（所謂的商業智能BI）
• 數據的可視化 -- 數據領域中的萬金油，直觀瞭解數據分析結構

　　數據分析的三駕馬車的關係以下：

　　

　　下面來大體認識下這三駕馬車：

　　1）數據採集：

　　數據的採集，主要是和數據打交道，用工具對數據進行採集，經常使用的數據源，如何獲取它們。在專欄裏，後續會將介紹如何掌握「八爪魚」這個自動抓取的神器，它能夠幫你抓取 99% 的頁面源。也會教讀者如何編寫 Python 爬蟲。掌握 Python 爬蟲的樂趣是無窮的。它不只能讓你獲取微博上的熱點評論，自動下載例如「王祖賢」的海報，還能自動給微博加粉絲，讓你掌握自動化的快感。

　　

　　2）數據挖掘：

　　數據挖掘，它能夠說是知識型的工程，至關於整個專欄中的「算法」部分。首先你要知道它的基本流程、十大算法、以及背後的數學基礎。

　　掌握了數據挖掘，就比如手握水晶球同樣，它會經過歷史數據，告訴你將來會發生什麼。固然它也會告訴你這件事發生的置信度是怎樣的。

　　

　　3）數據可視化

 　　爲何說數據要可視化，由於數據每每是隱性的，尤爲是當數據量大的時候很難感知，可視化能夠幫咱們很好地理解這些數據的結構，以及分析結果的呈現。這是一個很是重要的步驟，也是咱們特別感興趣的一個步驟。

 數據可視化的兩種方法：

　　Python ：在 Python 對數據進行清洗、挖掘的過程當中，不少的庫可使用，像 Matplotlib、Seaborn 等第三方庫進行呈現。

　　第三方工具：若是你已經生成了 csv 格式文件，想要採用所見即所得的方式進行呈現，能夠採用微圖、DataV、Data GIF Maker 等第三方工具，它們能夠很方便地對數據進行處理，還能夠幫你製做呈現的效果。

 　　

　　數據分析包括數據採集、數據挖掘、數據可視化這三個部分。乍看你可能以爲東西不少，無從下手，或者感受數據挖掘涉及好多算法，有點「高深莫測」，掌握起來是否是會吃力。其實這些都是沒必要要的煩惱。我的以爲只要心裏篤定，認爲本身必定能作成，學成，其餘一切都是「紙老虎」哈。

　　再說下，陳博在文章中提到的如何來快速掌握數據分析，核心就是認知。咱們只有把知識轉化爲本身的語言，它才真正變成了咱們本身的東西。這個轉換的過程就是認知升級的過程。

　　

　　我本人也是很贊同這種說法，簡單一句就是「知行合一」

　　總結

• 記錄下你天天的認知　　
• 這些認知對應工具的哪些操做
• 作更多練習來鞏固你的認知