數據分析

收集的數據要進行清洗，把無用的數據捨棄，對有效數據進行分析。

數據的質量：重複？完整？一致？時效？

數據的形式：結構化數據；半結構化數據；非結構化數據

結構化數據：SQL數據（完全限制格式）

半結構化數據：JSON（整體有着一定的格式，具體是非結構化的數據）——既有結構化數據，又有非結構化數據

非結構化數據：圖像，文本

數據分析的好處（通俗化）：

搞清事實，接近真相，預測未知，幫助決策

逐步挖掘商業價值的分析（學術）：

描述分析，診斷分析，預測分析，指導分析（Excel，Python）

分析所用的一些模型：

分析方法與工具：

另外，學會使用GitHub！

數據可視化：

爲了更好的閱讀，爲了更好的解析結果，我們把結果可視化，但是，可視化的方式不對，可能會得到完全沒用的結論。舉例如下：

這是9月份同比銷售額的可視化：

不同的可視化方式，得到完全不一樣的視覺效果，由此得到不一樣的結果。更甚者，有惡意可視化，完全與真實相反，誤導人們的眼球。

可視化的時候，注意選取正確的可視化方法。

典型數據驅動開發團隊人員：

 

大型的項目需要一個團隊共同協作才能做得更好！