近来有一些小伙伴咨询数据分析相关的一些知识内容 我收集了一些相关信息 在这里简单做一些分享和介绍，后续有相关的内容我也会持续的更新！感谢大家的支持与陪伴！

拆解问题一个原则四类方法

数据分析工程技术

数据分析四种类型 六个方向 + 分析师层级

万能问题确认公式

数据分析认知知识点

• 数据自身三大属性
  • 客观
  • 量化
  • 机器可处理
• 数据建设的七个层级
  • 凭感觉
  • 看数字
  • 用表格
  • 搭系统
  • 建数仓
  • 中心化
  • 智能化
• 数据分析实际价值
  • 个人价值
    • 效率提升
  • 公司价值
    • 映射现状，及时反馈
    • 统一认知，加强协作
    • 算法基础，自动生产
  • 时代价值
    • 数据是一切科学研究的基础
• 数据分析的实现原理
  • 数据分析解决问题的原理
    • 业务中的数据分析是为了更好的解决现实问题
    • 传统：问题发生——结合现实——逻辑推理——得出结论
    • 数据：问题发生——结合现实——数据映射——量化分析——得出结论
  • 数据分析实现的具体流程
    • 定义问题
      • 明确范围
      • 拆解问题
    • 准备数据
      • 获取数据
      • 清洗数据
      • 处理数据
      • 验证数据
    • 分析数据
      • 分析的目的
        • 业务分析：关注数据与业务的关联性、映射关系和可解释性
          • 常规计算
          • 数据可视化
          • 归纳/演绎
        • 建模分析：关注数据的整体特征（特征决定上限，模型调参无限趋近于上限）
          • 机器学习建模
          • 深度学习挖掘
      • 分析的种类
        • 计算型分析
          • 统计学
          • 机器学习
        • 逻辑型分析
          • 归纳/演绎
          • 思维模型
    • 得出结论
      • 假设性结论
      • 初步传递结论
      • 得到新的反馈
      • 验证/推翻结论
    • 应用数据
      • 策略+实施：业务解决问题
      • 监控+预警：自动发现问题
      • 算法+部署：自动解决问题
  • 数据分析实现所需的技术
    • 埋点采集
      • （1）传感器
      • （2）系统日志采集方法
      • （3）Web爬虫
    • 传输存储
      • 传输
        • 借助网络
      • 存储
        • 借助数据库技术
        • 研究如何组织和存储数据。如何高效的获取和处理数据
        • 存储是一门大学问
          • 速度
          • 准确性
          • 最大规模
          • 数据种类
    • 提取回流
      • 提取
        • 查询
        • 导出
      • 回流
        • 数据被操作过后，怎么回到数据库，继续参与生产和建模
    • 清洗处理
      • 清晰
        • 符合数据标准
      • 处理
        • 符合实际需求
    • 连接导入
      • 怎么对接到不同的工具和软件，涉及到各种中间键和协议
    • 分析建模
      • 分析
        • 计算
        • 图表
      • 建模
        • 机器学习
        • 深度学习
    • 部署应用
      • BI监控
      • 算法平台
        • 先知
      • 工程开发
  • 数据分析的职业发展
    • 三个层级（四种类型六个方向分析师层级图）
      • 接需求 = 工具人
        • 即插即用，把工具练到极致
      • 背指标 = 对业务负责的分析师
        • 不对业务结果负责的分析本质上没有任何意义
        • 想要做好分析师就要深入业务场景，对业务负责
      • 做研究 = 数据科学家
        • 研究准确率更高的算法框架
        • 提供效率更好性能更好的数据技术