www.918.com

产品分类
您现在的位置: 主页 > 产品案例 > 数据分析(2):数据分析的方法论

数据分析(2):数据分析的方法论

时间:2018-10-22 09:31 来源:未知 作者: 点击:

  本文大概梳理了统计数据分析的三种方法论,即描述性数据分析、数理统计分析和数据挖掘分析。enjoy~

  我们说数据分析要有目的进行分析,实际上我们在平常的工作中,没有学过数据分析也能靠直觉推断出一些数据产生的原因。那么为什么还要进行数据分析的学习呢?也就是说,数据分析,到底在学什么?

  其实我认为如果是在初创团队中,确实无需使用太专业的数据分析方法,因为往往数据不足。但是,如果你掌握了数据分析的方法,就能够在产品的初期设计合理的埋点,要知道现在很多产品在早期是没有这个意识的,于是等产品成熟了再去做这件事是极其痛苦的。所以也才催生了类如诸葛IO这样的“无埋点”数据分析的产品。“无埋点”只能收集到很浅层次的数据,如点击数据,IP/PV等,业务层面就无法统计。而且存在着不稳定性,从技术上讲就是说如果用户使用了一些奇奇怪怪的浏览器(例如低版本的IE)的话,很可能无埋点的代码就无法运行,造成原始数据的偏差。说了这么多,回到话题,学习数据分析,我们能够:

  一般来说数据分析可以从两个学科出发,一个是数理统计学,另一个是营销理论。本文将主要从数理统计学着手介绍,因为营销理论(就是我们常见的5w2h,PEST分析等等方法论)的掌握,更多是思维框架的掌握,而真正能够通晓营销理论的,需要大量的经验积累。而数理统计学是工具,可以手到擒来,马上就用的。

  上篇文章讲到,数据分析大致可以分为描述性分析、诊断性分析、预测性分析,同样的数据分析的方法论也大致分为:描述性数据分析、数理统计分析、数据挖掘分析。

  本篇文章将就此展开谈谈这三种数据分析方法论(方法论没有好坏高低之分,只有合适的。根据业务场景来选择合适的分析方法。一定要以目标为导向,并不是手法越高级就越好。能用简单分析的就不需要使用大数据挖掘。)

  描述性数据分析可以用一言蔽之”一句话描述数据“。我们平时说的,这个月的平均访问量是多少,环比增长了多少。用户平均付费是多少,中位数是多少,众位数是多少,四分位数是多少都属于描述性统计分析。描述数据的集中趋势还可以用方差、标准差。用一个指标,一句话概括数据特点。描述数据之间的简单关系可以用相关性分析,如转化率和用户停留时间的正相关的(距离,以实际为准。一般也是这样。)这边大家都比较熟悉,不过多介绍。

  数理统计涉及较多的数学知识,但是其实常用的也就是概率论和微积分,本科的知识稍微复习一下还是容易掌握的。微积分只需要用到一元积分,用于计算概率分布。统计学中有许许多多的内容,在数据分析中,并不是所有都需要掌握。因为我们不是在做实验室里科学实验的数据分析。

  方差分析,又称为F检验。作用是研究因素对于数值型变量的影响。例如想要知道某次改版对于转化率是否有显著影响,可能从宏观上看增长的数值不大,看不大出来影响有多大,这时候就可以用方差分析做对于改版这个因素的单因素方差分析。

  回归分析比较好理解,简单的说就是寻找到一个函数来拟合自变量和因变量的关系。例如想要做一次活动,假设优惠的价格x,销售额为y。这两者之间可能存在y=x+1(纯举例)这样的函数关系式。回归分析就是要找出这样的函数关系,来指导活动的运营,提升ROI。

  因子分析即从大量的变量中寻找共性因子的统计方法,因子表现为一种表征,通常是多个变量的集合。因子分析可以简化数据,所以是一种降维的方式。常用的因子分析方法有重心法、最小平方法、最大似然法等。互联网门外汉做招聘网站:海市蜃楼

  数据挖掘源于统计机器学习,还有人工智能的方法。之前写过的人工智能相关的文章中有提到,AI=数据+算法=模型。数据挖掘也就是利用算法从数据中寻找规律。因为我们并不能总是能用常见的函数去拟合所有的规律,而太复杂的规律通过人工根本就是无法进行计算的。那么机器学习就可以做到。机器学习的原理其实就是定义一个损失函数,可以把损失函数简单理解为错误率。然后枚举所有的情况,找到错误率最低的模型。用在数据挖掘中,www.d88.com2017临沂临沭县政务服务中心招聘临时工取我们可以用到的机器学习算法一般有:

  俗话说,物以类聚。聚类分析是一种探索性的分析方法,由机器无监督地将样本数据进行分类,再观察其特征,从而帮助发现潜在的共性。聚类分析的方式也有很多,用不同方式进行的聚类分析结果也不尽相同。

  分类应该是机器学习、人工智能中应用最广泛的了。例如NLP中的情感分析、文章分类,CV中的医疗影像诊断,物品识别等等。又扯远了,回到数据分析,常用于数据挖掘的分类算法有:

  决策树直观上的理解就是从样本建立分支规则。举个简单的例子,同事A有时候迟到有时候不迟到,你观察到如果下雨了。A就迟到。如果没有下雨,A就不迟到。主管只有在周一和周三在,如果主管在A就要挨骂了。那么用决策树来预测A是否会挨骂(以上例子纯属YY)就是:

  能够构造这样的决策数据的常用算法有C4.5、CART、CHAID、ID3等。

  决策时擅长处理离散数据,并可以直观出其中的关键变量。决策树生成的规则也容易被人所理解。接下去要讲的神经网络就不是人可以理解的了。

  人工神经网络是个黑箱模型,神经网络是类似于大脑神经突触连接的形式,仅仅是类似,不能把它理解得过于玄乎,本质上和脑神经的运作方式是相差很大的。人工神经网络包括输入层、输出层、隐藏层。其中隐藏层就是就是对输入层的输入进行各种加权互联,最终得出最逼近训练集的结果。理论上可以逼近任何非线性的关系。能够充分考虑到数据的各种特征。

  只要知道P(Y)、P(X)、P(XY)就能知道P(YX)的值了。前3个值可以通过历史数据得到先验概率,在先验概率的基础上就能对新的事件(数据)进行后验概率的计算。

  SVM,是机器学习的重大成果。SVM将非线性的数据将数据映射到一个高维空间,在新的维度上,搜索一个线性最佳超平面,两类数据总是能够被超平面分开。

  随机森林有着较高的准确率,鲁棒性也好。随机森林运用bootstrap方法从原始样本中抽取样本,对每个样本进行决策树建模,然后将决策树组合,对每个决策树分类出来的结果进行一种投票统计,最终得出分类结果。这个方式很形象的被叫做随机森林。

  举个例子就能明白什么是关联规则了。大家都知道的“啤酒与尿布”的例子,关联规则算法能够找出多次重复、同时出现的关系。

  描述性分析中也有回归分析,这边回归和描述性分析中回归的区别主要是,这里指的是多元线性回归和逻辑斯蒂回归。典型的回归问题是运费计算的问题, 快递运费受地区、重量、物品类型、运送方式等多种因素的影响,这时候可以使用多元线性回归来分析他们之间的关系。

  本次的分享就到这里,本文大概梳理了统计数据分析的方法论,接下去的系列文章将会逐个对各种方式进行介绍。

  跹尘,人人都是产品经理专栏作家。人工智能产品经理,独立音乐人,擅长需求分析、原型设计和项目管理。喜欢阅读、思考、创作。网易云音乐主页:跹尘。

  人人都是产品经理(是以产品经理、运营为核心的学习、交流、分享平台,集媒体、培训、招聘、社群为一体,全方位服务产品人和运营人,成立8年举办在线+期,线+场,产品经理大会、运营大会20+场,覆盖北上广深杭成都等15个城市,在行业有较高的影响力和知名度。平台聚集了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里分享知识、招聘人才,与你一起成长。

相关文章推荐:

Copyright © 2013 www.918.com,918博天堂门户,博天堂官网,博天堂918 All Rights Reserved 网站地图