《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 ...

《深入浅出数据分析》读后详解

《深入浅出数据分析》读后详解相关推荐

最新文章

热门文章