Chinaunix首页 | 论坛 | 博客
  • 博客访问: 242220
  • 博文数量: 95
  • 博客积分: 400
  • 博客等级: 一等列兵
  • 技术积分: 906
  • 用 户 组: 普通用户
  • 注册时间: 2010-11-04 16:04
个人简介

人生意义在于积累,而不是日复一日的重复

文章分类

全部博文(95)

文章存档

2016年(2)

2015年(44)

2014年(35)

2011年(5)

2010年(9)

我的朋友

分类: 大数据

2015-03-18 14:04:19

转载:

第一步:数据准备:(70%时间)
  • 获取数据(爬虫,数据仓库)
  • 验证数据
  • 数据清理(缺失值、孤立点、垃圾信息、规范化、重复记录、特殊值、合并数据集)
  • 使用python进行文件读取csv或者txt便于操作数据文件(I/O和文件串的处理,逗号分隔)
  • 抽样(大数据时。关键是随机)
  • 存储和归档
第二步:数据观察(发现规律和隐藏的关联)
  • 单一变量:点图、抖动图;直方图、核密度估计;累计分布函数
  • 两个变量:散点图、LOESS平滑、残差分析、对数图、倾斜
  • 多个变量:假色图、马赛克图、平行左边图
第三步:数据建模
  • 推算和估算(均衡可行性和成本消耗)
  • 缩放参数模型(缩放维度优化问题)
  • 建立概率模型(二项、高斯、幂律、几何、泊松分布与已知模型对比)
第四步:数据挖掘
  • 选择合适的机器学习算法(蒙特卡洛模拟,相似度计算,主成分分析)
  • 大数据考虑用Map/Reduce
  • 得出结论,绘制最后图表
循环到第二步到第四步,进行数据分析,根据图表得出结论完成文章。

业务分析
“无尺度网络模型”的作者艾伯特-拉斯洛·巴拉巴西认为——人类93%的行为是可以预测的。数据作为人类活动的痕迹,就像金矿等待发掘。但是首先你得明确自己的业务需求,数据才可能为你所用。

1. 数据为王,业务是核心
  • 解整个产业链的结构
  • 制定好业务的发展规划
  • 衡量的核心指标有哪些
有了数据必须和业务结合才有效果。首先你需要摸清楚所在产业链的整个结构,对行业的上游和下游的经营情况有大致的了解。然后根据业务当前的需要,指定发展计划,从而归类出需要整理的数据。最后一步详细的列出数据核心指标(KPI),并且对几个核心指标进行更细致的拆解,当然具体结合你的业务属性来处理,找出那些对指标影响幅度较大的影响因子。前期资料的收集以及业务现况的全面掌握非常关键。

2. 思考指标现状,发现多维规律
  • 熟悉产品框架,全面定义每个指标的运营现状
  • 对比同行业指标,挖掘隐藏的提升空间
  • 拆解关键指标,合理设置运营方法来观察效果
  • 争对核心用户,单独进行产品用研与需求挖掘
发现规律不一定需要很高深的编程方法,或者复杂的统计公式,更重要的是培养一种感觉和意识。不能用你的感觉去揣测用户的感觉,因为每个人的教育背景、生活环境都不一样。很多数据元素之间的关系没有明显的显示,需要使用直觉与观察(数据可视化技术来呈现)

3. 规律验证,经验总结
发现了规律之后不能立刻上线,需要在测试机上对模型进行验证。
阅读(533) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~