《商业数据分析 原理、方法与应用》读后总结

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