在学习数据分析知识的过程中发现了一个七周成为数据分析师课程班，讲解的比较基础和全面，相对于常见的一些数据分析课程，突出的优点在于它把重心放在了数据分析的思维和业务能力，更加符合实际需求。毕竟对于数据分析师来说，最难的地方在于思维业务能力，否则只会使用各种各样炫酷的软件代码而不知所措。
这里记录一下七周成为数据分析师课程的学习笔记，教学视频是在万能的b站上发现的。可能涉及到版权原因这里就不贴上链接。
对应的文字教学资料可以查看：互联网数据分析能力的养成，需一份七周的提纲——秦路
接下来是第一周的课程内容：数据分析思维
一个好的分析思维应该是结构化的，充满逻辑性和美感的，具有明确的方向性和目的性。
结构化思维(金字塔)：将分析思维结构化，层层递进+拆解
这里课程举例为：结构化思维分析近期销量下降原因
自己尝试做了一个简单分析，如下：
老师随后做的分析如下：
笔记：
1. 自己做的练习，遗漏了一个很重要的，根据空间维度进行划分来分析销量下降原因。
时间维度和空间维度是两个常用的分析角度，销量下降在时间纬度上可能和其他外部因素有关也更繁杂，但空间维度是最显著能用于思维角度划分的。
2. 自己做的练习，各论点的分列不够完善，缺少相应业务知识。
结构化思维固然重要，但它有自身明显的缺点：结构化思维提出的猜想难以用数据来验证，并且各论点间可能其实是相互交叉的， 不能被严格分列。
这里引入公式化的思维方式，两个重点在于：一切结构皆可量化+最小不可分割。
举例：如何测算上海投放共享单车量
前两个思维方式，结构化+公式化，可能更多的是在抽象层面上为了分析而去分析，缺少对业务的深入理解。
用结构化思考+公式化拆解获得的最终分析论点，很多时候是现象。数据是某个结果的体现，但不代表原因。
好的数据分析思维，本身也需要具备业务思维。
结构化+公式化+业务化三种核心思想是框架型的指引，实际应用中也应该借助思维的技巧工具，达到四两拨千斤的效果。而且他们应该足够简单和有效。
将数据/原因/问题进行象限划分归类，每一类间的各成分相似，不同类间相异（聚类）。
将数据/事件/用户用多个纬度进行划分，依赖于大数据量
这部分类似于结构化思维，将事件从多个维度进行考虑
很多时候，数据分析并没有数据可供明确参考。
比如新进入一个市场或公司需要新开发摸个产品，需要预测一年后的销量。
这种时候有效数据缺失，选择先做出假设，再在假设的前提下进行分析。
很多时候我们有数据但不知道该如何应用，就是因为缺乏有效的方向。
这个方向可以成为目标指数：通过将数据加工成指数，达到聚焦的目的。
1) 线性加权
2) 反比例
3) log对数
二八法基于二八法则(帕累托法则)。
好的数据指标，一定是比例或比率。
好的数据分析，一定会用到对比。
对比法需要将当前数据同相应数据进行对比，数据才有相应的参考价值。
好奇心，多思考
1. 用数据说话，运用思维方法思考问题
2. 换位思考，复盘分析
原文地址：https://www.cnblogs.com/xingyucn/p/10398517.html
