本书主要概括性地讲了五个问题：
1、有哪些最新商业数据分析理念？
2、什么是商业数据分析？
3、为什么商业数据分析如此有价值？
4、如何应用商业数据分析？
5、现在常用的统计技术、方法、软件工具有哪些？
接下来主要针对第二个问题“什么是商业数据分析？”进行总结，其他问题待更新。
首先，对更广义的概念-数据科学（data science），有一个深刻认识。
数据科学：对海量数据信息进行的收集、预处理、分析、可视化、管理、保存等工作。
商业数据分析就是，利用各种分析工具来研究数据（包含大数据），寻找有用信息，进而更好地进行决策。商业数据分析更关注预处理、分析、可视化过程。
商业数据分析的逻辑基于这个问题：企业所拥有的数据蕴含着哪些有价值或者有助于解决问题的信息？
商业数据分析要求的基础知识：数学、统计学、计算机科学。
数据分析的基本问题是：找出模型。
常用数据类型与数据模型对应关系：
（1）点集-概率分布
（2）时间序列-随机过程
（3）图像-随机场
（4）网络数据-图模型、贝叶斯模型
（5）模糊数据-模糊概率分布
数据科学家应具备的基本素质和技能：
（1）统计学（statistics）
（2）坚实深厚的行业知识储备（domain knowledge）
（3）计算技术（computing）
（4）团队合作（collaborating）
（5）与外界的沟通能力（communicating）
数据科学家所做的：
（1）收集数据
（2）清洗数据
（3）创建数据集
（4）分析数据
（5）根据数据提出新观点
（6）利用数据预测未来
数据科学家应该具备的三个特质：
（1）知道如何提出好问题
（2）理解所要处理数据的结构
（3）很好地解读这些数据
数据分析实现了数据-信息-知识-洞察力的转换。
数据分析分为三种：
（1）描述性数据分析：识别数据中的趋势，方法有，集中趋势指标（均值、中位数、众数）、离散趋势指标（标准差）、表格、图、排序法、频数分布、概率分布和抽样法。
（2）预测性数据分析：建立预测模型，识别与预测未来趋势，方法有，多元回归等。
（3）规范性数据分析：最优配置资源，方法有，线性规划与决策论等。
商业数据分析的三个条件：
（1）与商业的关联清晰
（2）所获得的的结果是可执行的
（3）绩效和价值可测量
数据科学家要具备的背景知识
网友评论