07182020 《数据思维》第269/500本【旭哥佳庆方舟阅

07182020 《数据思维》第269/500本【旭哥佳庆方舟阅读好每一天】

一、朴素的数据价值观

1.数据的价值a.什么是数据

凡是可以被电子化记录的都是数据。

b.数据有什么用。数据之于个人的价值，一定关乎自身业务的核心诉求。

从收入、支出、风险三方面看待这个问题：

收入。最典型的是百度付费搜索广告，它通过对用户搜索数据的深入分析，进行精准匹配，为广告主带去一大波流量，它所创造的收入增长就是数据的价值。

支出。根据物联网技术采集到的信息，这也是数据分析带来的价值。

风险。很多商业银行都有网上申请系统，风险普遍高于线下面签。数据分析可以帮助它们更加准确地区分哪些线上申请者是好人，哪些是坏人。降低商业风险

2.什么是数据思维

以道驭术，以术驱道。在“道”的层面上，回归分析是一种思维方式，在它的指导下，我们可以把“业务问题”定义成“数据可分析问题”。而在“术”的层面，回归分析又是一种可以运用的数据分析工具，

因变量Y：因为别人的改变而改变的变量，这是业务的核心诉求。

自变量X：用来解释因变量Y的相关变量，通俗点说，自变量X的改变，影响了因变量Y的变化。X表现了数据分析者对业务的洞见。

二、大数据到底是什么

1.大数据和统计学的关系

大数据和统计学至少有两方面的关系：

a.统计学关注的核心，是对数据的分析建模，并通过建模对业务不确定性的刻画，这对大数据的贡献巨大。

b.大数据并不能代替抽样，相反，越是大数据抽样越重要。

2.大数据的准确度如何“预测不准是常态，预测准确是变态。”王教授这句话，戳破了许多人对预测抱有的美好期待。统计学研究中包括了大量的相关关系，其中只有极小一部分非常稀有的因果关系，但是因果关系的重要性依旧无法取代。

相关关系：客观现象存在的一种非确定的相互依存关系。例公鸡叫，太阳升起来。

因果关系：第一个事件（因）和第二个事件（果）之间的作用关系，其中后一事件被认为是前一事件的结果。

三、人人应有数据思维

1.提高沟通效率

不仅需要专业人士摆脱自己知识的诅咒，也需要需求部门克服对于数据的恐惧感，公司内部自上而下都有必要培养数据思维。

2.抓住商业机会

具备数据思维，能帮助创业者抓住商业机会，但这需要经过以下三个步骤：

a.我所在的创业方向，数据是否能帮助我？

b.如果数据很重要，将业务中的因变量Y和自变量X梳理清楚。

c.在战略层面上，保证Y和X的高质量供给、长时间积累。

3.生活中的数据思维 首先，培养数据思维帮你养成一种思考有的放矢的习惯：分析的目的是什么？核心诉求是什么？因变量Y是什么？其次，搞清楚目的后，你就能将注意力聚焦在相关的自变量X上，就不会陷入“放眼望去都是重点”的迷乱状态中。最后，你可以尝试最简单的分析，区分一下哪些是相关关系、哪些是因果关系。

四、各种数据分析方法

1.回归分析。 在“术”的层面就是各种各样的统计学模型。五种类型：线性回归、0-1回归、定序回归、计数回归以及生存回归。

线性回归，更严格地说是普通线性回归，其主要特征是：因变量Y必须是连续型数据，而对解释性变量X没有太多要求。在数据世界中，线性回归可以应用于股票投资、客户终身价值、医疗健康等领域。

0-1回归就是因变量Y是0-1型数据（只有两个可能取值）的回归分析模型。例如，性别只有“男”或“女”。

定序回归就是因变量Y为定序数据（关乎顺序的数据）的回归分析定序回归常见的应用场景有：电影的打分评级（1~5星）；电商产品的满意度评分（1~5星）等。

计数回归。如果因变量Y是一个计数数据（非负整数，对应的回归分析模型就是计数回归。计数回归应用于：客户关系管理的RFM模型即一定时间内客户到访的次数

生存数据回归即因变量Y为生存数据（刻画一个现象或个体存续生存了多久）的回归分析模型

2.数据可视化。方法是统计图，而一张好的统计图应该满足四个标准：准确、有效、简洁、美观。常见的统计图有：柱状图、堆积柱状图、饼图、直方图、折线图、散点图、箱线图、茎叶图等。

3.机器学习。代表着一大类优秀的数据模型分析方法，是立志成为数据科学家的书友们的必修课。它主要涉及的方法有：朴素贝叶斯、决策树（含随机森林）、神经网络（含深度学习）、K均值聚类。

4.非结构化数据

数据是结构化的还是非结构化的，这是一个相对的、主观的概念。当然，其中也有一些达成了共识，公认的非结构化数据包括中文文本、数据结构、图像等。

结语：数据思维不仅仅是创始人一个人的事，是公司从上到下所有人都应该具备的一种基础的素养