[[195223]]

說到數據分析，啤酒和尿布的例子大家應該都聽膩了。再具體、深入一些的內容，往往因為數學就令很多人望而卻步了。給大家分享9個不帶數學推導的數據分析思路，希望大家能喜歡~

1.分類

分類分析的目標是：給一批人(或者物)分成幾個類別，或者預測他們屬于每個類別的概率大小。

舉個栗子：“京東的用戶中，有哪些會在618中下單?”這就是個典型的二分類問題：買or不買。

分類分析(根據歷史信息)會產出一個模型，來預測一個新的人(或物)會屬于哪個類別，或者屬于某個類別的概率。結果會有兩種形式：

形式1：京東的所有用戶中分為兩類，要么會買，要么不會買。

形式2：每個用戶有一個“會買”，或者“不會買”的概率(顯然這兩個是等效的)。“會買”的概率越大，我們認為這個用戶越有可能下單。

如果為形式2畫一道線，比如0.5，大于0.5是買，小于0.5是不買，形式2就轉變成形式1了。

2.回歸

回歸任務的目標是：給每個人(或物)根據一些屬性變量來產出一個數字(來衡量他的好壞)。

舉個栗子：每個用戶在618會為京東下單多少錢的?

注意回歸和分類的區別在：分類產出的結果是 固定的幾個選項之一 ，而 回歸的結果是連續的數字，可能的取值是***多的 。

3.聚類

聚類任務的目標是：給定一批人(或物)，在不指定目標的前提下，看看哪些人(或物)之間更接近。

注意聚類和上面的分類和回歸的本質區別：分類和回歸都會有一個給定的目標(是否下單，貸款是否違約，房屋價格等等)，聚類是沒有給定目標的。

舉個栗子：給定一批用戶的購買記錄，有沒有可能分成幾種類型?(零食狂魔，電子愛好者，美妝達人……)

4.相似匹配

相似匹配任務的目標是：根據已知數據，判斷哪些人(或物)跟特定的一個(一批)人(或物)更相似。

舉個栗子：已知一批在去年雙十一下單超過10000元的用戶，哪些用戶跟他們比較相似?

5.頻繁集發現

頻繁集發現的目標是：找出經常共同出現的人(或物)。這就是大名鼎鼎的“啤酒和尿布”的例子了。這個例子太容易擴展，就不再舉栗子啦。

6.統計(屬性、行為、狀態)描述

統計描述任務的目標是***理解的：具有哪些屬性的人(或物)在什么狀態下做什么什么事情。

舉個栗子：5月份一個月內每個用戶在京東7天內無條件退貨的次數

統計描述常常用戶欺詐檢測，試想一個用戶一個月退貨100+次，這會是一種什么情況?

7.連接預測

連接預測的目標是：預測本應該有聯系(暫時還沒有)的人(或物)。

舉個栗子：你可能認識xxx?你可能想看xxx?

8.數據壓縮

數據壓縮的目的是：減少數據集規模，增加信息密度。

舉個栗子：豆瓣想分析用戶關于國外電影的喜好，講國內電影的評分數據都排除掉

大數據，也不是數據越多越好，數據多帶來的信息多，但是噪聲也會變多。

9.因果分析

顧名思義，因果分析的目標是：找出事物間相互影響的關系。

舉個栗子：廣告的效果提升的原因是廣告內容好?還是投放到了更精準的用戶?

這里最常見的手段就是A/B test啦

數據分析是非常強大的，不過當然還是要在具體的情景下，嚴格的選擇假設，采用科學的分析方法才能產出有價值的結果。數據會說謊的經典案例就是“安慰劑效應”了。以后會分享其他更具體的內容，歡迎大家留言吐槽，一起學習~