马云曾说“中国正迎来从IT时代到DT时代的变革”，DT就是大数据时代。数据已成为企业的核心资产和宝贵资源，企业愈加重视和善加利用数据分析与挖掘技术。

1.1什么是数据分析与挖掘

数据分析和挖掘都是基于搜集来的数据，应用数学、统计、计算机等技术抽出数据中的有用信息，进而为决策提供依据和指导方向。

举例：应用漏斗分析法挖掘出用户体验过程中的不足之处，从而进一步改善产品的用户流程；基于RFM模型实现用户的价值分析，进而针对不同价值等级的用户采用各自的营销方案，实现精准触达。

1.2数据分析与挖掘的应用领域

有数据的地方就有用武之地：电商平台、游戏平台、社交平台、金融行业、教育行业、医疗行业、房地产、餐饮等，这些行业都需要借助数据分析和挖掘技术来指导下一步的决策方向。

应用实例：

1.2.1电商领域——发现破坏规则的害群之马

1.2.2交通出行领域——为打车平台进行私人订制

1.2.3医疗健康领域——找到最佳医疗方案

1.3数据分析与数据挖掘的区别

从广义角度来说：数据分析涵盖了数据分析与数据挖掘，是对搜集来的数据运用基础探索、统计分析、深层挖掘等方法，发现数据中有用的信息和未知的规律与模式，进而为下一步的业务决策提供理论与实践依据。

从狭义角度来说，两略有不同：

1.4数据挖掘的流程

1.5常用数据分析与挖掘工具

工欲善其事 ，必先利其器。“器”兼指两方面：软实力：对企业业务逻辑的理解、理论知识的掌握和施展工作的清醒大脑；硬实力：即对数据挖掘工具的掌握；

1. R语言：奥克兰大学统计系的Robert Gentleman 和 Ross Ihaka共同开发，1993年首次面世。数据操作灵活、向量化计算高效、数据可视化效果佳、易用性和可扩展性好，优秀的数据挖掘工具。
2. Python：荷兰人Guido van Rossum于1989年发明，1991年首次公开发行。简单易学的编程类工具。代码具有简洁性、易读性、易维护性的优点，第三方
   模块与R语言一样丰富，在大数据时代应用日益广泛。
3. Weka：由新西兰怀卡托大学计算机系Ian Written博士于1992年底研发，是公开的数据挖掘平台。其图形化界面适用于对于不擅长编程的用户。
4. SAS：美国北卡罗来纳州大学开发的统计分析软件，应用广泛，包含数十个模块。
5. SPSS：世界上最早的统计分析软件，斯坦福大学三个研究生在1968年研发。

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python学习路线汇总👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取哈）

👉Python必备开发工具👈

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉实战案例👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉100道Python练习题👈

检查学习结果。

👉面试刷题👈

资料领取

上述这份完整版的Python全套学习资料已经上传CSDN官方，朋友们如果需要可以微信扫描下方CSDN官方认证二维码输入“领取资料” 即可领取