如何提升数据分析能力

Q1：如何学习提高自己的数据分析能力

熟悉所在行业与业务知识 熟悉行业、公司业务及流程，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的实用价值。 分析工作开始前明确分析的目标 开始分析工作前，一定要明确本次分析或本阶段分析工作的目标

Q2：如何提高收集数据和分析数据的能力

谈一些个人的工作经验，希望对后来人有帮助。首先总结下平时数据分析的一般步骤。
---------------------------浓缩精华版--------------------------------
第一步：数据准备：（70%时间）
获取数据（爬虫，数据仓库）
验证数据
数据清理（缺失值、孤立点、垃圾信息、规范化、重复记录、特殊值、合并数据集）
使用python进行文件读取csv或者txt便于操作数据文件（I/O和文件串的处理，逗号分隔）
抽样（大数据时。关键是随机）
存储和归档
第二步：数据观察（发现规律和隐藏的关联）
单一变量：点图、抖动图；直方图、核密度估计；累计分布函数
两个变量：散点图、LOESS平滑、残差分析、对数图、倾斜
多个变量：假色图、马赛克图、平行左边图
第三步：数据建模
推算和估算（均衡可行性和成本消耗）
缩放参数模型（缩放维度优化问题）
建立概率模型（二项、高斯、幂律、几何、泊松分布与已知模型对比）
第四步：数据挖掘
选择合适的机器学习算法（蒙特卡洛模拟，相似度计算，主成分分析）
大数据考虑用Map/Reduce
得出结论，绘制最后图表
循环到第二步到第四步，进行数据分析，根据图表得出结论完成文章。
------------------------------业务分析版--------------------------------
“无尺度网络模型”的作者艾伯特-拉斯洛·巴拉巴西认为——人类93%的行为是可以预测的。数据作为人类活动的痕迹，就像金矿等待发掘。但是首先你得明确自己的业务需求，数据才可能为你所用。
1. 数据为王，业务是核心
了解整个产业链的结构
制定好业务的发展规划
衡量的核心指标有哪些
有了数据必须和业务结合才有效果。首先你需要摸清楚所在产业链的整个结构，对行业的上游和下游的经营情况有大致的了解。然后根据业务当前的需要，指定发展计划，从而归类出需要整理的数据。最后一步详细的列出数据核心指标（KPI），并且对几个核心指标进行更细致的拆解，当然具体结合你的业务属性来处理，找出那些对指标影响幅度较大的影响因子。前期资料的收集以及业务现况的全面掌握非常关键。
2. 思考指标现状，发现多维规律
熟悉产品框架，全面定义每个指标的运营现状
对比同行业指标，挖掘隐藏的提升空间
拆解关键指标，合理设置运营方法来观察效果
争对核心用户，单独进行产品用研与需求挖掘
发现规律不一定需要很高深的编程方法，或者复杂的统计公式，更重要的是培养一种感觉和意识。不能用你的感觉去揣测用户的感觉，因为每个人的教育背景、生活环境都不一样。很多数据元素之间的关系没有明显的显示，需要使用直觉与观察（数据可视化技术来呈现）。
3. 规律验证，经验总结
发现了规律之后不能立刻上线，需要在测试机上对模型进行验证。
P.S.数学建模能力对培养数感有一定的帮助
推荐两个论坛：
数学建模与数学应用论坛(Mathematical Modeling and Mathematical Applications Forum)
数学中国 (数学建模)-最专业的数学理论研究、建模实践平台

Q3：如何提高企业的数据分析能力？

在大数据时代背景下，数据分析能力决定了数据价值化能力，而数据价值化能力对于企业的发展会起到重要的影响作用。对于企业来说，如果想提升数据分析能力，应该从以下几个方面入手：

第一：提升数据采集和整理能力。数据采集是数据分析的前提和基础，常见的数据采集渠道包括物联网系统、传统信息化系统（ERP等）和互联网，所以要想全面提升企业的数据分析能力，首先要从这三个信息采集渠道入手。物联网是大数据的主要数据来源，同时物联网也是产业互联网建设的重要环节，所以物联网建设是企业应该考虑的重要环节。

第二：逐步搭建完善的数据分析团队。数据分析是专业程度比较高的工作岗位，在大数据环境下，数据分析既要具备专业知识也要具备行业知识，场景大数据分析是数据分析的重点，也是数据价值化的重点。因此，搭建一个完善的数据分析团队是提升企业数据分析能力的重要保障。数据分析团队的搭建要循序渐进，采取阶段化建设的方式，可以先从应用性分析（工具）开始，然后再逐步提升。

第三：建立大数据思维。数据分析是大数据落地应用的关键环节，而如何让数据分析产生更多的实际价值是大数据从业者和企业管理者都应该思考的问题。要想让数据分析落地并产生价值，一定要建立大数据思维方式。大数据思维方式的建立一方面要了解大数据概念，另一方面就是大数据与具体行业的结合，通过大数据打破已有的行业发展壁垒。大数据思维方式的建立需要一个系统的过程，也需要在实际应用大数据技术的过程中不断总结。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续在头条写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网方面的问题，也可以咨询我，谢谢！

Q4：如何提高数据处理，分析能力

未至科技魔方是一款大数据模型平台，是一款基于服务总线与分布式云计算两大技术架构的一款数据分析、挖掘的工具平台，其采用分布式文件系统对数据进行存储，支持海量数据的处理。采用多种的数据采集技术，支持结构化数据及非结构化数据的采集。通过图形化的模型搭建工具，支持流程化的模型配置。通过第三方插件技术，很容易将其他工具及服务集成到平台中去。数据分析研判平台就是海量信息的采集，数据模型的搭建，数据的挖掘、分析最后形成知识服务于实战、服务于决策的过程，平台主要包括数据采集部分，模型配置部分，模型执行部分及成果展示部分等。

Q5：产品经理如何培养数据分析能力？

1. 了解业务，熟悉数据框架、体系

了解你的业务是做什么的，业务的发展规划有什么，衡量的核心指标有哪些，列出KPI或是核心指标，一般重点指标就那么几个；然后对几个核心指标进行拆解，这点也需要根据你的业务属性进行，你的业务凡是会影响到这个指标的有哪几个元素，举个简单的例子，你开发的手机APP上的登录次数、用户数，你拆分为是ios、安卓、wp7还是其它，如果你是接入的新浪或者QQ的开放平台账号，拆分为新浪账号、QQ账号、人人网账号或是单独注册等一系列；

拆分的好处是你能对一个具体的指标很清晰它是怎么组成的，好像庖丁解牛，当然这个过程可以不断拆分下去，加上一些公共属性，例如时间、用户性别、用户年龄、用户职业等公共的纬度进去细切，不过个人觉得这是建立在有专人专团队做这事的基础上去不断细分数据，这些结果可以帮助你更精准的定位你的产品，为你后面的运营、推广、品牌等定位出一个比较精准的模型；

2. 对现有数据指标进行思考；多维度集中分析找规律

在熟悉产品需要关注的指标、框架之后，了解现有每个指标的运营现状；如果有同行业指标对比更好，看是否有提高的空间；或者是，希望通过某个运营的动作，提高哪一个指标，提高到多少；回到1中的例子，例如发现安卓的女性用户偏高，且登录时间集中在周五晚上，那下一次如果做活动运营的内容可能有所偏重，同时发布时间也尽量靠近那个时段；通过一系列的比较精准命中，预估运营能够提升指标到一个什么水准；

另外有一个精准模型的好处是了解你的核心用户后，你可以单独针对这部分用户进行产品用研与需求挖掘，更利于你内心确定哪些指标是可以通过什么手段提升的；

同时找规律，对于拆解出来的指标，想办法做一些分析，这里的分析个人觉得并不一定需要很复杂的手段，更重要的是一种感觉和意识，可能觉得某些数据之间会关联，例如可能登录高的时候用户的UGC内容产生频率也很高（这种简单的不能再简单的相信一般人都会有意识=。=容我举个这么简单的栗子），这里的例子是很明显易见的关联，但其实有很多数据之间的关系可能没那么明显，需要一种直觉去组合，然后判断，如果不是通过归纳分析能得到结论的，甚至可以想办法去做一些改动证明；

3. 规律验证，经验总结

找到规律了，内心明白了，下一次做事情心里会更透亮一些，对产品的理解又会更深一些；很多事情，就是这样一点点去熟悉，去深入慢慢产生亲切感的；数据是让你和你的产品心灵贴近的一个话题而已，聊到一定程度对于PM来说就差不多了，可以聊些别的了；更高级更深入人心的数据沟通，不妨还是交给专业的数据处理人员吧，就好像不是人人都是心理咨询师一样；

西线学院是国内不错的大数据培训机构，除了坚持小班化教学之外，还以项目式教学为宗旨，手把手辅导学员，进行大量的案例操作，保障学员不光学会书本上的知识，更具有实际操作的能力。