<↓↓点击标题查看文档↓↓>
数据分析相关概念多且杂，容易搞混。为了便于区分，盘点一下数据分析常用的术语解释。
按照以下三类进行汇总。
1、互联网常用名词解释
2、统计学名词解释
<↓↓点击标题查看文档↓↓>
掌握数据分析方法有一条好的捷径——套用分析模型，对新手来说几乎是百试百灵，只要掌握了下面几个分析模型，基本上可以应对工作中的所有业务分析场景。
1.AARRR模型
2.5W2H模型
3.SWOT模型
4.漏斗模型
5.PEST模型
6.4P模型理论
<↓↓点击标题查看文档↓↓>
2. 数据类型 ：结构化与非结构化数据 ， 定性与定量数据，截面数据与时间序列数据
3. 数据来源
4. 数据预处理方法：数据清洗 ，数据集成， 数据规约 ，数据变换
5. 数据分析模型 ：对比分析，漏斗分析，留存分析，A/B 测试，用户行为路径分析，用户分群，用户画像
6. 数据分析方法：描述性统计分析，假设检验，信度分析，方差分析， 相关分析，回归分析，聚类分析，判别分析，主成分分析与因子分析，时间序列分析
7. 数据可视化：常见数据可视化图表，常用数据可视化工具
<↓↓点击标题查看文档↓↓>
大数据公司挖掘数据价值的49个典型案例.pdf
本文力图从企业运营和管理的角度，梳理出发掘大数据价值的 一般规律：
一是以数据驱动的决策，主要通过提高预测概率，来提高决策成功率；
二是以数据驱动的流程，主要是形成营销闭环战略，提高销售漏斗的转化率；
三是以数据驱动的产品，在产品设计阶段，强调个性化；在产品运营阶段，则强调迭代式创新。
企业公司案例包括：亚马逊、谷歌、Ebay、中国移动、沃尔玛、百合网等。
<↓↓点击标题查看文档↓↓>
16种常用的数据分析方法：描述性统计、假设检验、信度分析、列联表分析、相关分析、方差分析、回归分析、聚类分析、判别分析、主成分分析、因子分析、生存分析、时间序列分析、典型相关分析、R0C分析、其他分析方法。
<↓↓点击标题查看文档↓↓>
用思维导图与文字说明，介绍一个数据分析人应该具备哪些基本素质？有哪些职业要求？同时也讲述了数据分析的一些常用指标和术语，有哪些数据分析的类型，数据分析有什么作用，以及我们做数据分析有哪些主要流程。
<↓↓点击标题查看文档↓↓>
指标与维度是数据分析中最常用到的术语，它们是非常基础的，但是又很重要，经常有朋友没有搞清楚它们之间的关系，只有掌握理解了，我们的数据分析工作开展就就容易多了。
<↓↓点击标题查看文档↓↓>
SEMMA范式：
1.Sample，数据抽样，保证数据的效度和信度；
2.Explore，数据特征探索及预处理，e.g. 看数据的分布情况、对数据进行标准化等；
3.Modefy，明确问题、模型选择、方案调整；
4.Model，执行建模方案；
5.Assess，结果评估(准确性、稳定性、是否符合业务预期、效益如何)；
CRISP-DM
1.商业理解：确定业务目标，评估现有资源，确定分析目标，制定解决方案；
2.数据理解：数据采集，探索分析，数据质量验证；
3.数据准备：筛选数据，数据清洗，整合数据，变量衍生；
4.建立模型：模型选择，检验设计，模型建立，结果评估；
5.模型评估：分析结果和业务目标匹配度确认，检查1-4步的执行过程，确定下一步行动；
6.结果部署：规划部署方案、监控和维护方案，输出项目报告，项目复盘。
......
常见的6种数据分析思路，涉及具体的业务场景还要结合业务特点适当变通。精通方法，深入业务，勤于实践，多加总结，最终就能踏上描述-->解释-->预测-->控制，步步高升的数据分析师精进之路。
关注公众号【MBA智库文档】回复【14】领取福利，每周更新免费下载文档~
