《深入浅出数据分析》读后详解
《深入浅出数据分析》为数据挖掘入门级教材,通篇以一个化妆品公司Acme为典型案例,分析了从数据分析到决策的全过程。本篇为读后总结,加入自己的练习回答,同时贴出书中答案,供对比。
第一部分 高效读书
1.人的大脑会拼命阻止普通、常规、一般的事情,以免干扰自己记录重要的事情。
不是每件事情都如同洪水猛兽般突然、紧急、重要,因此尽管理性上你认为这件事非常重要,但是大脑会习惯性地阻止。有两种方法让大脑像吃人的老虎一样记住知识:
一、缓慢而乏味——重复灌输。
二、迅速而有效——做一切促进不同类型大脑活动的事。比如用图形、对话、故事,代替文字描述。
2.反复多形式论述同一主题。
文章安排对话、场景、思考练习来代替纯文字描述,利用大脑追逐的三个特性来组织:图片记忆、新鲜不晦涩、人与情感。
3.征服大脑的小技巧
(1) 进入场景找到感觉——不被打扰——大口喝水——聆听大脑休息信号
(2) 慢读——理解思考——记笔记——开口大声讨论
(3) 有一部分学习过程,发生在放下书本之后,大脑需要有自己的时间进行更多处理,如果这段时间学习新的内容,将会丢失一些刚学会的东西
第二部分 数据分析
数据分析就是仔细推敲证据:确定——分解——评估——决策
(1) 客户帮助确定问题
您希望销量提高多少(目标)——怎样才能办到——销量提高多少合理(细化目标)——对手销量如何——对某些数据感到好奇具体提问
(2) 开始分析
问题分解:
客户确信无疑的观点:
1.销量必须回到目标值
2.目标群体11-15岁少女
3.社会网络的广告开支很有必要
4.对手销量更高
我对数据的想法:
1.社会网络费的增加并没有为提高销量带来明显影响
2.单价降低对总销量影响微弱
3.广告费和社会网络费总支出基本维持不变,广告费越少,越不容易达标
4.销量波动不明显
书中答案
(3) 亲自介入
分析从你介入的那一刻开始,作为数据分析师,应敢于让自己介入——作出自己明确假设,并且以自己的信用为自己的结论打赌。
介入好处:在数据中发现——避免做出过头结论——对结论负责 客户更尊重你的判断——理解你的判断有局限性
不介入坏处:无法追踪基准假设对结果影响——逃避责任 客户不信任你的动机和能力——变得冷漠而理性
记住——数据分析就是你的信念、判断、信用。除非将分析形成报表供制定决策,否则,分析将毫无用处。
我的建议:
1.增加社会网络费用的同时,不削减广告费用,维持为11月的950400。
2.单价保持2.0不变
3.适当降低目标值,根据社会网络费用和广告费用的投入,目标销量定为:在前一季度销量基础上加上增加的社会网络费用(针对少女消费投放广告)。
4.调研对手营销策略,适当放宽目标群体
第三部分 心智模型
你对外界的假设和你确信的观点就是你的心智模型,统计模型取决于心智模型。
最好做出多方假设,采用正确的心智模型。心智模型应当包含你不知道的因素。
报道含义分析:少女消费者保湿霜市场接近饱和,人均日用量足够
重新定位:
1.放宽目标群体,到11-25岁年轻女性,65-85岁年长女人。
2.已经基本占据市场,提高单价,但不超过50%。
3.打造中高档产品服务25-65岁女性,提升品牌知名度,有助于增加原产品可信度。
文中对首席执行官进行了后续的发问:
关于销售情况您觉得在哪方面欠缺了解——广告对销量的贡献您有多大信心——还有哪些群体可能买产品——有没有我不知道的难以确定的因素
第四部分 数据处理
保存原始数据,不进行改动,方便比较。
为了避免在数据海洋兜圈子,注意集中于该完成的数据处理,优秀的数据分析根本在于密切关注需要了解的数据。
发现问题后深入挖掘需要问卷调查或者进一步资料。
《深入浅出数据分析》读后详解相关推荐
- 深入浅出 spring-data-elasticsearch - 基本案例详解(三
『 风云说:能分享自己职位的知识的领导是个好领导. 』 运行环境 :JDK 7 或 8,Maven 3.0+ 技术栈 :SpringBoot 1.5+, Spring Data Elasticsea ...
- 数据分析之Python-Pandas详解
数据分析之Python-Pandas详解 1.pandas简介 2.Series 3.DataFrame 4.Pandas CSV 文件 5.Pandas CSV文件数据处理 1.pandas简介 P ...
- 17@MySQL数据库读现象详解(脏读、幻读、不可重复读)
文章目录 MySQL数据库读现象 一.数据库的读现象 1.脏读(dirty read):读取未提交数据 [案列详解] 2.不可重复读取 (nonrepeatable read):前后多次读取,数据内容 ...
- 案例1:金融数据分析----code知识点详解版
案例1:金融数据分析----code详解版 1.引言 1.1案例分析目标 1.2涉及知识点 1.3案例分析流程 2.数据获取 `涉及知识点:` 2.1安装*tushare*库 2.2获取Token 2 ...
- Python全栈开发-数据分析-03 Pandas详解 (中)
Pandas详解 (中) 一. 处理缺失值 1.1 drop函数:删除行,删除列 1.删除某列或某行数据可以用到pandas提供的方法drop 2.drop方法的用法: drop(labels, ax ...
- Python全栈开发-数据分析-02 Pandas详解 (上)
Pandas详解 (上) 一. 安装pandas 1.按Win+R,输入CMD确定, 输入 pip install pandas 回车 还要安装xlrd,否则你打不开Excel文件 pip insta ...
- Python全栈开发-数据分析-03 Pandas详解 (下)
Pandas详解 (下) 一. Excel文件的拆分与合并 1.1 一个文件夹下多个工作簿的合并[单独Sheet] 思路: 1,把文件夹下面所有的文件都遍历出来 2.循环读取每个文件 (1)第一次读取 ...
- MySQL之幻读的详解、实例及解决办法
事务隔离级别(tx_isolation) mysql 有四级事务隔离级别 每个级别都有字符或数字编号 读未提交 READ-UNCOMMITTED | 0:存在脏读,不可重复读,幻读的问题 读已提交 R ...
- 数据分析之Hadoop详解
1.1 什么是Hadoop - Hadoop的概念: Apache™ Hadoop® 是一个开源的, 可靠的(reliable), 可扩展的(scalable)分布式计算框架 允许使用简单的编程模型跨 ...
- 大数据分析-用户画像详解
转自: 百丽百灵(ID:BL100BL) 转自数据分析公号,来源:数据客 什么是用户画像? 用户画像(User Profile),作为大数据的根基,它完美地抽象出一个用户的信息全貌,为进一步精准.快速 ...
最新文章
- Oracle procedure
- Java中的基本类型变量储存方式
- 第 3 章 Keystone - 018 - 理解 Keystone 核心概念
- CentOS 6.4配置TL-WN823N外置无线网卡
- 数据结构与算法之二分查找法
- Qmake建立常见的项目类型
- SQL Server 2005合并列成字符串 2008-11-07
- php求平均值的函数_国二常用函数(二)
- 使用对象存储应对勒索病毒
- 【BZOJ3930】选数(莫比乌斯反演倍数形式,杜教筛)
- iwrite提交不了作业_iWrite英语写作教学与评阅系统移动端——学生使用手册
- SweetAlert – 替代 Alert 的漂亮的提示效果
- iOS 获取手机信息
- TdxAlertWindowManager右下角HINT显示控件
- 【网址收藏】golang持久层框架GORM 中文文档地址
- 刘寅立matlab数值计算案例分析 pdf,《MATLAB数值计算案例分析》源代码
- python爬虫爬取豆瓣电影评分排行榜前n名的前n页影评
- 怎样解决ip访问受限问题
- 【MySQL篇】MySQL下载位置
- PMP,IPMP,CPMP的区别
热门文章
- swc反编译工具_Flash反编译工具下载_Flash反编译工具(JPEXS Free Flash Decompiler)v11.3中文版-这家软件站...
- jquery ajax 详细教程视频,Ajax+jquery基础与提升2017视频教程
- pclint html报告,PC-lint 9 + 中文手册
- 安卓手机端抓包获取直播源下载并使用PotPlayer播放
- java教学视频_孔浩老师_孔浩Java教学系列视频教程 - 轻松自学网
- 解决Matlab2016无法访问笔记本自带摄像头问题
- mnist数据集无法下载
- linux卸载jdk权限不够,linux中卸载jdk,一个简单有关问题整了一上午
- mysql 导入SQL脚本及乱码处理
- Logisim元件用法详解四:Arithmetic 运算器