第一篇：[轉(zhuǎn)載]讀書筆記《誰說菜鳥不會(huì)數(shù)據(jù)分析》

[轉(zhuǎn)載]讀書筆記《誰說菜鳥不會(huì)數(shù)據(jù)分析》

原文地址：讀書筆記《誰說菜鳥不會(huì)數(shù)據(jù)分析》作者：不過如此

起因：對(duì)于數(shù)據(jù)分析，雖然一直在做，當(dāng)然也想了很多思路，查了大量的數(shù)據(jù)，解決了一些問題。但效果卻 仍是在一直下降，始終不能讓人滿意，總感覺分析得不是很專業(yè)，很系統(tǒng)。因此，想學(xué)習(xí)數(shù)據(jù)分析方面的理 論知識(shí)，了解一下更多的分析方法，借鑒與學(xué)習(xí)別人的分析思路，以用于當(dāng)前的實(shí)際工作，改善項(xiàng)目運(yùn)營的 效果！

購買：最近家里的事情都安排妥當(dāng)，需要將重心回到工作中！在當(dāng)當(dāng)網(wǎng)和京東商城找書，看到《誰說菜鳥不 會(huì)數(shù)據(jù)分析》這些書，人氣很高，難度不大，可以先作為入門學(xué)習(xí)的材料。

學(xué)習(xí)時(shí)間：2011年7月16日至2011年7月17日

閱讀方式：只抓重點(diǎn)，快速閱讀

讀書摘要：

重點(diǎn)看了數(shù)據(jù)分析的概念，數(shù)據(jù)分析師的基本素質(zhì)，數(shù)據(jù)分析的六個(gè)步驟，數(shù)據(jù)分析方法論與數(shù)據(jù)分析方法，以及看了下以前都很熟悉字段、記錄、數(shù)據(jù)類型、數(shù)據(jù)表。對(duì)于EXCEL使用與操作，如函數(shù)、圖表、快捷 鍵等，以及數(shù)據(jù)的展現(xiàn)（圖表的使用）以及分析報(bào)告（PPT的制作）等內(nèi)容，我早已具備了這方面的知識(shí)，且在實(shí)際工作中，都是以功能比EXCEL強(qiáng)大得多的數(shù)據(jù)庫，通過編寫大量的SQL腳本來處理數(shù)據(jù)，因此這里只 是瀏覽帶過?？傮w來說，這是一本很基礎(chǔ)，入門的數(shù)據(jù)分析讀本。該書使用情景故事與對(duì)話，使得讀起來更 通俗易懂，更容易讓人理解，也便于記憶。

筆記：

1，何謂數(shù)據(jù)分析？

數(shù)據(jù)分析，是指用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)收集來的大量數(shù)據(jù)進(jìn)行分析，將它們加以匯總、理解并消化，以求最大化地開發(fā)數(shù)據(jù)的功能。數(shù)據(jù)分析是為了提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié) 的過程。

2，數(shù)據(jù)分析師的基本素質(zhì)

1）態(tài)度嚴(yán)謹(jǐn)負(fù)責(zé)：只有本著嚴(yán)謹(jǐn)負(fù)責(zé)的態(tài)度，才能保證數(shù)據(jù)的客觀、準(zhǔn)確。數(shù)據(jù)分析師可以說是企業(yè) 的醫(yī)生，他們通對(duì)企業(yè)運(yùn)營數(shù)據(jù)的分析，為企業(yè)尋找癥結(jié)及問題。

2）好奇心強(qiáng)烈：積極主動(dòng)地發(fā)現(xiàn)與挖掘隱藏在數(shù)據(jù)背后的真相。

3）邏輯思路清晰：通常數(shù)據(jù)分析面臨的都是復(fù)雜的問題，會(huì)有無數(shù)影響與改變結(jié)果的因素。因此要求

數(shù)據(jù)分析保持清醒的頭腦，清晰的思路，縝密的邏輯，將雜亂無章的數(shù)據(jù)，整理得清晰，有序，方能找到影 響與改變結(jié)果的真正原因。

4）擅長模仿：學(xué)習(xí)與借鑒他人優(yōu)秀的分析思路和分析方法。

5）勇于創(chuàng)新：通過不斷創(chuàng)新，提高自己的分析水平，以及解決問題的思路和能力。

3，數(shù)據(jù)分析六部曲

1）明確分析目的和內(nèi)容：凡事都要先明確目的，數(shù)據(jù)分析當(dāng)然也不例外，不可盲目。

2）數(shù)據(jù)收集：根據(jù)分析的目的和內(nèi)容，收集相關(guān)的數(shù)據(jù)，為數(shù)據(jù)分析提供素材和依據(jù)。

3）數(shù)據(jù)處理：對(duì)收集來的數(shù)據(jù)進(jìn)行加工整理，形成適合數(shù)據(jù)分析的樣式。數(shù)據(jù)處理的目的是從大量的、雜亂無章的、難以理解的數(shù)據(jù)中抽取并推導(dǎo)出對(duì)解決問題有價(jià)值、有意義的數(shù)據(jù)。

4）數(shù)據(jù)分析: 通過統(tǒng)計(jì)分析或數(shù)據(jù)挖掘技術(shù)對(duì)處理過的數(shù)據(jù)進(jìn)行分析和研究，從中發(fā)現(xiàn)數(shù)據(jù)的內(nèi)部關(guān)

系和規(guī)律，為解決問題提供參考。

5）數(shù)據(jù)展現(xiàn)：通過表格和圖形來展現(xiàn)數(shù)據(jù)，讓他人更直觀地理解數(shù)據(jù)，發(fā)現(xiàn)其中的規(guī)律。

6）報(bào)告撰寫：對(duì)整個(gè)數(shù)據(jù)分析過程的一個(gè)總結(jié)。通過報(bào)告，把數(shù)據(jù)分析的起因、過程、結(jié)果以及建議 完整地呈現(xiàn)出來，以供決策者參考。

4，幾個(gè)常用指標(biāo)或術(shù)語

1）平均數(shù)

2）絕對(duì)數(shù)與相對(duì)數(shù)

3）百分比和百分點(diǎn)

4）頻度和頻率

5）比例和比率

6）倍數(shù)和番數(shù)

7）同比和環(huán)比

5，理解數(shù)據(jù)

1）字段與記錄：字段是事物或現(xiàn)象的某種特征。記錄是事物或現(xiàn)象的具體表現(xiàn)。

2）數(shù)據(jù)類型

3）數(shù)據(jù)表

6，“三心二意”處理數(shù)據(jù)

1）信心

2）細(xì)心

3）平常心

4）誠意

5）合老板意

7，PEST分析法

影響一切行業(yè)和企業(yè)的宏觀力量。PEST：Political（政治）、Economic（經(jīng)濟(jì)）、Technological（技

術(shù)）、Social（社會(huì)）。

1）政治環(huán)境：包括一個(gè)國家的社會(huì)制度，執(zhí)政黨的性質(zhì)，政府的方針、政策、法令等。關(guān)鍵指標(biāo)有： 政治體制、經(jīng)濟(jì)體制、財(cái)政政策、稅收政策、產(chǎn)業(yè)政策、投資政策、專利數(shù)量、國防開支水平等。

2）經(jīng)濟(jì)環(huán)境：分為宏觀與微觀兩個(gè)方面。宏觀經(jīng)濟(jì)環(huán)境是指一個(gè)國家的國民收入、國民生產(chǎn)總值及其 變化情況，以及通過這些指標(biāo)反映的國民經(jīng)濟(jì)發(fā)展水平和發(fā)展速度。微觀經(jīng)濟(jì)環(huán)境是指企業(yè)所在地區(qū)或所服 務(wù)地區(qū)消費(fèi)者的收入水平、消費(fèi)偏好等。關(guān)鍵指標(biāo)有：GDP及增長率，進(jìn)出口總量及增長率，利率，通貨膨 脹率，消費(fèi)價(jià)格指數(shù)，居民可支配收入，失業(yè)率等。

3）社會(huì)環(huán)境：指一個(gè)國家或地區(qū)的居民受教育程序和文化水平、宗教信仰、風(fēng)俗習(xí)慣、審美觀點(diǎn)和價(jià) 值觀念等。關(guān)鍵指標(biāo)有：人口規(guī)模、性別比例、年齡結(jié)構(gòu)、出生率、死亡率、種族結(jié)構(gòu)、生活方式、教育狀 況、宗教信仰等。

4）技術(shù)環(huán)境：國家對(duì)科技開發(fā)的投資和支持重點(diǎn)，技術(shù)轉(zhuǎn)移和商品化速度，專利及保護(hù)情況等。關(guān)鍵 指標(biāo)有：新技術(shù)的發(fā)明與進(jìn)展，折舊與報(bào)廢速度，技術(shù)更新速度，技術(shù)傳播速度，技術(shù)商品化速度，國家重 點(diǎn)扶持項(xiàng)目，國家投入的研發(fā)費(fèi)用，專利個(gè)數(shù)，專利保護(hù)等。

8，5W2H分析法（方法論之一）

5W2H：Why（何因），What（何事），Who（何人），When（何時(shí)），Wherr（何地），How（如何做），How much(何價(jià)）。

9，邏輯樹分析法（方法論之二）

邏輯樹，又稱問題樹，分解樹或演繹樹。把一個(gè)已知的問題當(dāng)成樹干，然后考慮這個(gè)問題和哪些問題有 關(guān)，每個(gè)問題作為一個(gè)樹枝，同樣，每個(gè)樹枝可以有若干小的樹枝（每個(gè)大問題有若干小問題），以此類推，直到列出所有的問題。邏輯樹的作用是幫助你理清自己的思路，避免進(jìn)行重復(fù)和無關(guān)的思考。

10，4P營銷理論（方法論之三）

4P：Product（產(chǎn)品）、Price（價(jià)格）、Place（渠道）、Promotion（促銷）。

11，用戶行為理念（方法論之四）

用戶使用行為：是指用戶為獲取、使用物品或服務(wù)所采取的各種行為。用戶對(duì)產(chǎn)品首先需要有一個(gè)認(rèn)知、熟悉的過程，然后試用，再?zèng)Q定是否繼續(xù)消費(fèi)使用，最后成為忠誠用戶。

12，對(duì)比分析法（分析方法之一）

對(duì)比分析法，是指將兩個(gè)或兩個(gè)以上的數(shù)據(jù)進(jìn)行比較，分析它們的差異，從而揭示這些數(shù)據(jù)所代表的事 物發(fā)展變化情況和規(guī)律性。它的特點(diǎn)是：可以非常直觀地看出事物某方面的變化和差距，并且可以準(zhǔn)確、量 化地表示出這種變化和差距是多少。

1）實(shí)際完成與目標(biāo)的對(duì)比。

2）兩個(gè)不同時(shí)期的對(duì)比。

3）同級(jí)部門、單位、地區(qū)的對(duì)比。

4）行業(yè)內(nèi)對(duì)比（競爭對(duì)手對(duì)比）

5）活動(dòng)效果對(duì)比。

13，分組分析法（分析方法之二）

分組分析法，是根據(jù)數(shù)據(jù)分析對(duì)象的特征，按照一定的標(biāo)志和區(qū)別，把數(shù)據(jù)分析對(duì)象劃分為不同的部分 和類別來進(jìn)行研究，以提示其內(nèi)在的聯(lián)系和規(guī)律性。

14，結(jié)構(gòu)分析法（分析方法之三）

結(jié)構(gòu)分析法，是指被分析研究總體內(nèi)各部分與總體之間進(jìn)行對(duì)比的分析方法，即總體內(nèi)各部分占總體的 比例。

15，平均分析法（分析方法之四）

平均分析法，是指運(yùn)用計(jì)算平均數(shù)的方法來反映總體在一定時(shí)間、地點(diǎn)條件下某一數(shù)量特征的一般水平。

16，交叉分析法（分析方法之五）

交叉分析法，通常用于分析兩個(gè)變量（字段）之間的關(guān)系，即同時(shí)將兩個(gè)有一定聯(lián)系的變量及其值交叉

排列在一張表格內(nèi)，使各個(gè)變量值成為不同變量的交叉結(jié)點(diǎn)，形成交叉表，從而分析交叉表中變量之間的關(guān) 系。

17，綜合評(píng)價(jià)分析法（分析方法之六）

1）綜合評(píng)價(jià)分析法的基本思想是將多個(gè)指標(biāo)轉(zhuǎn)化為一個(gè)能夠反映綜合情況的指標(biāo)來進(jìn)行分析評(píng)價(jià)，如 不同國家的經(jīng)濟(jì)實(shí)力，不同地區(qū)的社會(huì)發(fā)展水平，企業(yè)經(jīng)濟(jì)效益評(píng)價(jià)。

2）5個(gè)步驟：

a.確定綜合評(píng)價(jià)指標(biāo)體系，即包含哪些指標(biāo)，是綜合評(píng)價(jià)的基礎(chǔ)和依據(jù)。

b.收集數(shù)據(jù)，并對(duì)不同計(jì)量單位的指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

c.確定指標(biāo)體系中各指標(biāo)的權(quán)重，以保證評(píng)價(jià)的科學(xué)性。

d.對(duì)經(jīng)處理后的指標(biāo)再進(jìn)行匯總，計(jì)算出綜合評(píng)價(jià)指數(shù)或綜合評(píng)價(jià)分值。

e.根據(jù)評(píng)價(jià)指數(shù)或分值對(duì)參評(píng)單位進(jìn)行排序，并由此得出結(jié)論。

18，杜邦分析法（分析方法之七）

杜邦分析法，是由美國杜邦公司創(chuàng)造并最先使用的一種綜合分析方法。它是利用各主要財(cái)務(wù)指標(biāo)間的內(nèi) 在聯(lián)系，對(duì)企業(yè)財(cái)務(wù)狀況及經(jīng)濟(jì)效益進(jìn)行綜合分析評(píng)價(jià)的方法。

19，漏斗圖分析法（分析方法之八）

漏斗圖是一個(gè)適合業(yè)務(wù)流程比較規(guī)范、周期比較長、各流程環(huán)節(jié)涉及比較復(fù)雜、業(yè)務(wù)過程比較多的管理 分析工具。

總結(jié)：

花了兩天時(shí)間，只是初略了解一分析方法論與分析方法。下周可以花一些時(shí)間，考慮是否對(duì)現(xiàn)有的工作有多少適用性。

第二篇：【EXCEL】數(shù)據(jù)分析那些事(菜鳥入門必看)

Q1：我現(xiàn)在的工作有一點(diǎn)數(shù)據(jù)分析的模塊，自從上微薄后了解到還有專門從事數(shù)據(jù)分析工作，我現(xiàn)在想做這一行，但是經(jīng)驗(yàn)、能力都還是菜鳥中的菜鳥，請(qǐng)問成為一名數(shù)據(jù)分析師還有需要哪些準(zhǔn)備？

A：很簡單，我們可以看一下國內(nèi)知名互聯(lián)網(wǎng)數(shù)據(jù)分析師的招聘要求，進(jìn)行自我對(duì)照，即可知道需要做哪些準(zhǔn)備。

數(shù)據(jù)分析師職位要求 ：

1、計(jì)算機(jī)、統(tǒng)計(jì)學(xué)、數(shù)學(xué)等相關(guān)專業(yè)本科及以上學(xué)歷；

2、具有深厚的統(tǒng)計(jì)學(xué)、數(shù)據(jù)挖掘知識(shí)，熟悉數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的相關(guān)技術(shù)，能夠熟練地使用SQL；

3、三年以上具有海量數(shù)據(jù)挖掘、分析相關(guān)項(xiàng)目實(shí)施的工作經(jīng)驗(yàn)，參與過較完整的數(shù)據(jù)采集、整理、分析和建模工作；

4、對(duì)商業(yè)和業(yè)務(wù)邏輯敏感，熟悉傳統(tǒng)行業(yè)數(shù)據(jù)挖掘背景、了解市場特點(diǎn)及用戶需求，有互聯(lián)網(wǎng)相關(guān)行業(yè)背景，有網(wǎng)站用戶行為研究和文本挖掘經(jīng)驗(yàn)尤佳；

5、具備良好的邏輯分析能力、組織溝通能力和團(tuán)隊(duì)精神；

6、富有創(chuàng)新精神，充滿激情，樂于接受挑戰(zhàn)。

Q2：對(duì)數(shù)據(jù)分析有濃厚興趣，希望從事數(shù)據(jù)分析、市場研究相關(guān)工作，但聽說對(duì)學(xué)歷要求較高，請(qǐng)問我是否要讀研，讀研的話應(yīng)該讀哪個(gè)方向？

A：讀研要看自身情況，但可明確：專業(yè)不是問題，本科學(xué)歷就夠。關(guān)鍵是興趣與能力，以及自身的努力，興趣是學(xué)習(xí)成長最好的老師！

當(dāng)然如果是在校生考上研究生的話那是最好，如果考不上可以先工作，等你工作有經(jīng)驗(yàn)了，你就知道哪方面的知識(shí)是自己需要，要考哪方面的研究生，也就更有方向性。

Q3：那么如何培養(yǎng)對(duì)數(shù)據(jù)分析的興趣呢？

A：建議如下：

1、先了解數(shù)據(jù)分析是神馬？

2、了解數(shù)據(jù)分析有何用？可解決什么問題？

3、可以看看啤酒與尿布等成功數(shù)據(jù)分析案例；

4、關(guān)注數(shù)據(jù)分析牛人微博，聽牛人談數(shù)據(jù)分析（參考Q1的三個(gè)鏈接）；

5、多思考，親自動(dòng)手分析實(shí)踐，體驗(yàn)查找、解決問題的成就感；

6、用好搜索引擎等工具，有問題就搜索，你會(huì)有驚喜發(fā)現(xiàn)；

7、可以看看@李開復(fù) 老師寫的《培養(yǎng)興趣：開拓視野，立定志向》；

有網(wǎng)友說：讓數(shù)據(jù)分析變的有趣的方法是，把自己想象成福爾摩斯，數(shù)據(jù)背后一定是真相！Q4：我有點(diǎn)迷茫，是練好技能再找工作，還是找一個(gè)數(shù)據(jù)分析助理之類的要求不是特別高的工作，在工作中提升？

A：建議在工作中進(jìn)行學(xué)習(xí)實(shí)踐，這才是最好的提升?？茨敲炊鄷瑳]有實(shí)踐都是虛的。Q5：我是做電商的，對(duì)于數(shù)據(jù)分析這塊，您有什么好的軟件工具類推薦嗎？

A：做數(shù)據(jù)分析首先是熟悉業(yè)務(wù)及行業(yè)知識(shí)，其次是分析思路清晰，再次才是方法與工具，切勿為了方法而方法，為工具而工具！不論是EXCEL、SPSS還是SAS，只要能解決問題的工具就是好工具。

問題的高效解決開始于將待解決問題的結(jié)構(gòu)化，然后進(jìn)行系統(tǒng)的假設(shè)和驗(yàn)證。分析框架可以幫助我們：

1、以完整的邏輯形式結(jié)構(gòu)化問題；

2、把問題分解成相關(guān)聯(lián)的部分并顯示它們之間的關(guān)系；

3、理順?biāo)悸?、系統(tǒng)描述情形/業(yè)務(wù)；

4、然后洞察什么是造成我們正在解決的問題的原因。

Q6：請(qǐng)問現(xiàn)在國內(nèi)做數(shù)據(jù)分析行業(yè)需要精通SPSS、SAS之類的統(tǒng)計(jì)軟件嗎？

A：不同公司不同職位要求都不一樣，雖然大部分公司的招聘要求有提到要求會(huì)SPSS、SAS之類的統(tǒng)計(jì)軟件，但是實(shí)際工作中還是以EXCEL居多，只有少數(shù)公司在工作中才常用到SPSS、SAS。

另外分享一網(wǎng)友@AC不米蘭微博感想：

其實(shí)對(duì)絕大多數(shù)財(cái)務(wù)人員和管理人員而言，excel用到透視表已經(jīng)可以解決95%的問題了吧，宏什么的屬于炫技式用法。重要的是數(shù)據(jù)設(shè)置時(shí)的邏輯關(guān)系。還有一個(gè)重要的是分析結(jié)果的展示方法。

地址：

Q9：看完小黃書后要看哪本書？有何推薦沒有？

A：如果看完小黃書后，能對(duì)數(shù)據(jù)分析有個(gè)清晰的認(rèn)識(shí)，知道數(shù)據(jù)分析是做什么用的，并且書中每個(gè)方法都理解，都能用簡單的語言描述出來，能活學(xué)活用，那就說明你真正掌握了。到時(shí)你自然而然的知道你需要再補(bǔ)充哪方面的知識(shí)。

如果是想往統(tǒng)計(jì)技術(shù)方面發(fā)展，可以看@文彤老師 這本SPSS統(tǒng)計(jì)分析基礎(chǔ)教程（第二版）。Q10：我想知道想要從事數(shù)據(jù)分析這方面的工作，我現(xiàn)在應(yīng)該找什么類型的公司和實(shí)習(xí)崗位來積累經(jīng)驗(yàn)?zāi)兀?/p>

A：建議是互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、游戲、通信類的企業(yè)，因?yàn)檫@些類型的公司是數(shù)據(jù)都較為龐大，并且也較為重視數(shù)據(jù)分析工作的公司。

不過先想清楚自己以后所要從事的行業(yè)，然后在有針對(duì)性的實(shí)習(xí)，這樣可以累積行業(yè)經(jīng)驗(yàn)，加深對(duì)行業(yè)及業(yè)務(wù)的理解，應(yīng)為畢竟數(shù)據(jù)分析的前提是要熟悉行業(yè)及業(yè)務(wù)。如果你熟悉了業(yè)務(wù)，你看到的不在是簡簡單單的數(shù)據(jù)，而是看到數(shù)據(jù)后面所隱含的信息。

舉個(gè)案例：某公司面試官發(fā)了這么一條微博：問他擅長什么，答數(shù)據(jù)分析，于是給他一堆數(shù)據(jù)，5分鐘后問他，答約，可以分析出標(biāo)準(zhǔn)差，離散度……再追問，分析這些的意義是什么，答曰：可以知道樣本數(shù)據(jù)的標(biāo)準(zhǔn)差，離散程度……

地址：http://weibo.com/1590680882/y4YGB8nIH

這就是技術(shù)與業(yè)務(wù)脫節(jié)，為了分析而分析，謹(jǐn)記！

Q11：如何寫成一份好的數(shù)據(jù)分析報(bào)告？

A：一份好的數(shù)據(jù)分析報(bào)告，首先需要有一個(gè)好的分析框架，并且圖文并茂，層次明晰，能夠讓閱讀者一目了然。結(jié)構(gòu)清晰、主次分明可以使閱讀者正確理解報(bào)告內(nèi)容；圖文并茂，可以令數(shù)據(jù)更加生動(dòng)活潑，提高視覺沖擊力，有助于閱讀者更形象、直觀地看清楚問題和結(jié)論，從而產(chǎn)生思考。--小黃書《誰說菜鳥不會(huì)數(shù)據(jù)分析》

Q12：該如何學(xué)習(xí)數(shù)據(jù)分析呢？

A：數(shù)據(jù)分析三字經(jīng)：

①學(xué)習(xí)：先了解，后深入；先記錄，后記憶；先理論，后實(shí)踐；先模仿，后創(chuàng)新； ②方法：先思路，后方法；先框架，后細(xì)化；先方法，后工具；先思考，后動(dòng)手； ③分析：先業(yè)務(wù)，后數(shù)據(jù)；先假設(shè)，后驗(yàn)證；先總體，后局部；先總結(jié)，后建議；

Q13：我看到有人說數(shù)據(jù)分析可以分為數(shù)據(jù)分析師和數(shù)據(jù)挖掘師，是這樣嗎？數(shù)據(jù)分析做到深入的話必須要懂?dāng)?shù)據(jù)挖掘嗎？數(shù)據(jù)挖掘要掌握一些算法吧，那不成了計(jì)算機(jī)專業(yè)的了嗎？

A：首先要了解數(shù)據(jù)挖掘與數(shù)據(jù)分析之間的關(guān)系。

《誰說菜鳥不會(huì)數(shù)據(jù)分析》中有如下介紹：數(shù)據(jù)挖掘其實(shí)是一種高級(jí)的數(shù)據(jù)分析方法。數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中挖掘出有用的信息，它是根據(jù)用戶的特定要求，從浩如煙海的數(shù)據(jù)中找出所需的信息，以滿足用戶的特定需求。數(shù)據(jù)挖掘技術(shù)是人們長期對(duì)數(shù)據(jù)庫技術(shù)進(jìn)行研究和開發(fā)的結(jié)果。一般來說，數(shù)據(jù)挖掘主要側(cè)重解決四類數(shù)據(jù)分析問題：分類、聚類、關(guān)聯(lián)和預(yù)測，重點(diǎn)在尋找模式與規(guī)律。

數(shù)據(jù)分析與數(shù)據(jù)挖掘的本質(zhì)都是一樣的，都是從數(shù)據(jù)里面發(fā)現(xiàn)關(guān)于業(yè)務(wù)的知識(shí)。

另外從事數(shù)據(jù)挖掘工作需要各種專業(yè)的人才一起參與，如計(jì)算機(jī)、統(tǒng)計(jì)學(xué)、數(shù)學(xué)等，數(shù)據(jù)挖掘工作包括算法研究開發(fā)、ETL、業(yè)務(wù)建模、系統(tǒng)開發(fā)等等，所以要看你的工作偏向哪方面，如果是業(yè)務(wù)建模分析，那就要熟悉業(yè)務(wù)，并對(duì)各種常用算法原理、優(yōu)缺點(diǎn)比較熟悉，至于具體如何實(shí)現(xiàn)，統(tǒng)統(tǒng)交給數(shù)據(jù)挖掘軟件和計(jì)算機(jī)去處理吧！

Q14：數(shù)據(jù)分析師會(huì)遇到哪些困難呢？

A：可以參考下最傷數(shù)據(jù)分析師的幾句話：

1、你這個(gè)數(shù)據(jù)不對(duì)吧；

2、數(shù)據(jù)換個(gè)口徑重新跑一遍；

3、你們做的一大堆數(shù)據(jù)，有啥用呢？無法落地；

4、怎么數(shù)據(jù)還沒跑出來；

5、報(bào)告一點(diǎn)邏輯都沒有；

6、報(bào)告一點(diǎn)業(yè)務(wù)深度都沒有；

7、報(bào)告看不懂；

8、報(bào)告看懂了但沒用；

9、報(bào)告再改改；

10、全是基礎(chǔ)數(shù)據(jù)堆徹，沒有重點(diǎn)，沒有分析和結(jié)論！

以上問題在工作中可能會(huì)遇到，要盡量避免及做好心理準(zhǔn)備！一句話：數(shù)據(jù)分析師傷不起！

第三篇：誰說大象不能跳舞 讀書筆記

誰說大象不能跳舞讀書筆記

《誰說大象不能跳舞》是IBM公司前CEO郭士納寫的一本自傳，記錄了他在IBM公司長達(dá)9年的時(shí)間中的一些所見所聞，以及他在臨危受命以后所采取的一系列行動(dòng)。講述了他作為一個(gè)臨危受命的CEO是如何讓一個(gè)瀕臨破產(chǎn)的巨型公司重新煥發(fā)青春，重塑企業(yè)競爭力的全過程。

整本書可以分為五個(gè)部分：掌舵領(lǐng)航、戰(zhàn)略決策、IBM文化、教訓(xùn)篇、經(jīng)驗(yàn)篇。作者郭士納是IBM公司的前任董事長，CEO。加盟IBM之前，他曾是納貝斯克公司的董事長兼CEO。他還曾在著名的麥肯錫管理咨詢公司擔(dān)任公司總監(jiān)。

在他加盟IBM初，IBM是個(gè)擁有龐大資源的機(jī)構(gòu)，在150多個(gè)國家都有分公司，然后它每月都在以億美元計(jì)算虧損。而他離開時(shí)，IBM擁有同樣的資源，同樣的業(yè)務(wù)，然而卻成為IT行業(yè)的領(lǐng)先者。

那么郭士納靠什么帶領(lǐng)IBM走出低谷？

面對(duì)市場地位急劇下挫、巨額虧損和士氣低落的危局，作為一個(gè)完全的局外人，郭士納并沒有盲目行動(dòng)，也沒有輕言許諾，而是采取完全務(wù)實(shí)的策略。

他在首次公開亮相時(shí)提出了IBM要做的五件大事：

第一是盡快實(shí)現(xiàn)盈利，第二是贏得客戶信任，第三是強(qiáng)化服務(wù)器業(yè)務(wù)；

第四是強(qiáng)化IBM作為整體服務(wù)提供者的獨(dú)一無二的定位；

第五是提高回應(yīng)客戶的速度和效率。

這五件大事是他最初為IBM設(shè)計(jì)的基本戰(zhàn)略的具體體現(xiàn)。這些基本戰(zhàn)略是：保持公司的完整性、改變公司的經(jīng)濟(jì)模式、再造業(yè)務(wù)流程以及出售缺乏生產(chǎn)力的資產(chǎn)。這一戰(zhàn)略貫穿于郭士納在IBM重整過程的始終。

盡管郭士納重整IBM的戰(zhàn)略是清晰、直接和有效的，但在一個(gè)擁有20多萬聰明絕頂?shù)母呒?jí)白領(lǐng)的企業(yè)中，對(duì)于一個(gè)沒有IT背景的CEO來說要貫徹執(zhí)行則是一件異常困難的事。因?yàn)橐淖內(nèi)藗兊挠^念和習(xí)慣本來就很難，如果這個(gè)習(xí)慣和觀念背后又包含著利益，那么就更困難。要克服這些困難，關(guān)鍵在于戰(zhàn)略執(zhí)行，而執(zhí)行的關(guān)鍵又在于領(lǐng)導(dǎo)，這是郭士納重整IBM成功的關(guān)鍵。

一流的戰(zhàn)略，需要卓越執(zhí)行才能實(shí)現(xiàn)戰(zhàn)略效果。提升戰(zhàn)略實(shí)施效果，在精神方面，他通過IBM企業(yè)文化的演繹闡述，傳達(dá)，植入，最終實(shí)現(xiàn)引導(dǎo)IBM忠誠員工向戰(zhàn)略方向集中投入。在物質(zhì)方面，他通過將資源重新配置，讓IBM更多資源投入到戰(zhàn)略實(shí)施中。他通過變賣對(duì)企業(yè)沒有價(jià)值的資產(chǎn)獲取足夠資金，同時(shí)通過組織架構(gòu)的調(diào)整，權(quán)力的回收，讓更多人力資源投入。最終在3年內(nèi)復(fù)蘇。

這本書讓我領(lǐng)悟到：現(xiàn)階段，企業(yè)的經(jīng)營，需要以客戶需求作為導(dǎo)向，并且以此作為公司經(jīng)營的唯一焦點(diǎn)。通過卓越的執(zhí)行力實(shí)施，實(shí)現(xiàn)焦點(diǎn)目標(biāo)，同時(shí)利用領(lǐng)導(dǎo)藝術(shù)（激情，品德，溝通）等讓資源持續(xù)化投入。卓越執(zhí)行力指將更多時(shí)間，采用更適合手段，投入到事情上。

第四篇：《大數(shù)據(jù)時(shí)代》讀書筆記

“凡是過去，皆為序曲”

《大數(shù)據(jù)時(shí)代》讀書筆記

2014年2月20日sunjinshuang

各章節(jié)內(nèi)容摘要與感想

第一部分 大數(shù)據(jù)時(shí)代的思維變革

1.不是隨機(jī)樣本，而是全體數(shù)據(jù)--更多

通過GOOGLE預(yù)測流感流行趨勢和Farecast系統(tǒng)預(yù)測機(jī)票價(jià)格等例子說明了大數(shù)據(jù)時(shí)代分析數(shù)據(jù)立足于海量數(shù)據(jù)分析的重要性，而非傳統(tǒng)的取樣分析，并且闡述了在很多領(lǐng)域曾經(jīng)不被重視的混雜數(shù)據(jù)在大數(shù)據(jù)時(shí)代而產(chǎn)生了新的商業(yè)價(jià)值的案例，只有從思想上改變了原始的數(shù)據(jù)分析方法，重視大數(shù)據(jù)思維方式，才能更好的發(fā)現(xiàn)生活中更具價(jià)值的信息和商機(jī)。

2.不是精確性，而是混雜性--更雜

在“小數(shù)據(jù)”時(shí)代，采樣最基本、最重要的要求就是減少錯(cuò)誤，保證質(zhì)量，因?yàn)槭占男畔⒘枯^少，所以要保證記錄下來的信息要盡量精確。但在大數(shù)據(jù)時(shí)代，很多時(shí)候數(shù)據(jù)的量變會(huì)產(chǎn)生質(zhì)變，如果依然沿用以前的分析方法，可能會(huì)和更多有價(jià)值的信息失之交臂，只有容忍不精確性，擁抱混雜性，以一種高屋建瓴的思維方式跳出傳統(tǒng)思維模式，才有可能發(fā)現(xiàn)更多平凡數(shù)據(jù)中隱藏的“寶藏”。

3.不是因果關(guān)系，而是相關(guān)關(guān)系--更好

知道“是什么”就夠了，沒必要知道“為什么”。在大數(shù)據(jù)時(shí)代，我們不必知道現(xiàn)象背后的原因，而是要讓數(shù)據(jù)自己“發(fā)聲”。本節(jié)通過列舉了亞馬遜網(wǎng)站的書評(píng)團(tuán)隊(duì)輸給圖書推薦系統(tǒng)、蛋撻與颶風(fēng)用品捆綁銷售、客戶購買行為與懷孕預(yù)測、紐約沙井蓋與爆炸事故預(yù)測等眾多經(jīng)典案例來闡述在生活中很多時(shí)候我們并不需要尋找事物之間的因果關(guān)系，而只要知道了相關(guān)關(guān)系就足夠給我們的生活和工作帶來有價(jià)值的信息，人們必須轉(zhuǎn)變在以往的日常生活中，習(xí)慣性地用因果關(guān)系來考慮事情的思維，才能在大數(shù)據(jù)

時(shí)代更好的認(rèn)知自己和這個(gè)世界。

第二部分 大數(shù)據(jù)時(shí)代的商業(yè)變革

1.數(shù)據(jù)化：一切皆可“量化”

“數(shù)據(jù)”（data）一詞在拉丁文里是“已知”的意思，也可以理解為“事實(shí)”。信息化的發(fā)展其實(shí)就是一場逐漸將世界轉(zhuǎn)化為數(shù)據(jù)的革命，在將世間萬物運(yùn)轉(zhuǎn)過程中所“散發(fā)”的特征量化為數(shù)據(jù)的過程中，其所具有的的商業(yè)價(jià)值也就如泉水般源源不斷的涌現(xiàn)出來，文中莫里的航海導(dǎo)航圖的研制和日本教授通過研究司機(jī)不同坐姿的臀部經(jīng)壓力傳感器數(shù)據(jù)化后所孕育出的新型產(chǎn)業(yè)鏈，著實(shí)讓人眼前一亮，大呼數(shù)據(jù)化研究的不可思議。如今的信息技術(shù)變革重點(diǎn)在“T”（技術(shù)）上，而不是在“I”（信息）上?，F(xiàn)在，是時(shí)候把聚光燈打向“I”，開始關(guān)注信息本身了。

2.價(jià)值：“取之不盡，用之不竭”的數(shù)據(jù)創(chuàng)新

節(jié)選：

我們所處的時(shí)代之所以與眾不同，是因?yàn)閿?shù)據(jù)的收集不再存在固有的局限性。技術(shù)已經(jīng)發(fā)展到一定程度，大量信息可以被廉價(jià)地捕捉和記錄。數(shù)據(jù)經(jīng)常會(huì)得到被動(dòng)的收集，人們無需投入太多精力甚至不需要認(rèn)識(shí)這些數(shù)據(jù)。而且，由于存儲(chǔ)成本的大幅下降（在過去的50年中，數(shù)字儲(chǔ)存成本大約每2年就削減一半，而存儲(chǔ)密度則增加了5000萬倍），保存數(shù)據(jù)比丟棄數(shù)據(jù)更加容易。這使得以較低成本獲得更多數(shù)據(jù)的可能性比以往任何時(shí)候都大。

不同于物質(zhì)性的東西，數(shù)據(jù)的價(jià)值不會(huì)隨著它的使用而減少，而是可以不斷地被處理。這就是經(jīng)濟(jì)學(xué)家所謂的“非競爭性“的好處：個(gè)人的使用不會(huì)妨礙其他人的使用，而且信息不會(huì)像其他物質(zhì)產(chǎn)品一樣隨著使用而有所耗損。

數(shù)據(jù)就像一個(gè)神奇的鉆石礦，當(dāng)它的首要價(jià)值被發(fā)掘后仍能不斷給予。它的真實(shí)價(jià)值就像漂浮在海洋中的冰山，第一眼只能看到冰山的一角，而絕大部分都隱藏在表面之下。

3.角色定位：數(shù)據(jù)、技術(shù)與思維的三足鼎立

從商業(yè)角度描繪了大數(shù)據(jù)價(jià)值鏈的三種角色定位：

? 基于數(shù)據(jù)本身的公司

? 基于技能的公司

? 基于思維的公司

并依此講述了3種定位不同的公司的核心競爭力、未來發(fā)展前景和商業(yè)模式的轉(zhuǎn)變所帶來的新的挑戰(zhàn)和商機(jī)。作者對(duì)未來公司體系結(jié)構(gòu)和經(jīng)營模式有了大膽的設(shè)想，認(rèn)為大數(shù)據(jù)是決定未來企業(yè)的核心競爭力，對(duì)各個(gè)行業(yè)將會(huì)起到?jīng)Q定性的影響，誰首先掌握了大數(shù)據(jù)技術(shù)和思維，進(jìn)行了深入的變革，誰就會(huì)最先受益并在此后的競爭過程中遙遙領(lǐng)先。文中的一個(gè)觀點(diǎn)讓人印象頗深：“行業(yè)專家和技術(shù)專家的光芒都會(huì)因?yàn)榻y(tǒng)計(jì)學(xué)家和數(shù)據(jù)分析家的出現(xiàn)而變暗，因?yàn)楹笳卟皇芘f觀念的影響，能夠聆聽數(shù)據(jù)發(fā)出的聲音“。

第三部分 大數(shù)據(jù)時(shí)代的管理變革

1.風(fēng)險(xiǎn)：讓數(shù)據(jù)主宰一切的隱憂

2.掌控：責(zé)任與自由并舉的信息管理

最后一章主要是講大數(shù)據(jù)時(shí)代的到來帶來的個(gè)人隱私、公共安全、司法公正方面的風(fēng)險(xiǎn)問題，通過數(shù)據(jù)的公開和共享，個(gè)人信息將越來越容易被利用，個(gè)人隱私的保護(hù)將變得不堪一擊。甚至通過大數(shù)據(jù)分析預(yù)測，將將要犯罪之人繩之以法所面臨的道德風(fēng)險(xiǎn)問題，一一進(jìn)行討論分析。但就如核工業(yè)技術(shù)和生物工程學(xué)領(lǐng)域的發(fā)展一樣，人類總是先創(chuàng)造出可能危害自身的工具，然后才著手建立保護(hù)自己、防范危險(xiǎn)的安全機(jī)制，在這方面，大數(shù)據(jù)也和其他領(lǐng)域的新技術(shù)一樣，機(jī)會(huì)的到來也伴隨著風(fēng)險(xiǎn)。但作者也在書中討論了應(yīng)該如何建立一種安全的機(jī)制去管控不可預(yù)知的風(fēng)險(xiǎn)問題，甚至設(shè)想了一種新的職業(yè)--“大數(shù)據(jù)算法師”，對(duì)數(shù)據(jù)利用的風(fēng)險(xiǎn)進(jìn)行評(píng)估和提供相關(guān)分析算法的解決方案這一職業(yè)進(jìn)行了描繪。

雖然大數(shù)據(jù)技術(shù)和思想能幫助我們更好地進(jìn)行已有的工作，但大數(shù)據(jù)也并非萬能的，人類的創(chuàng)造力、直覺、天賦和靈感遠(yuǎn)非機(jī)器所能取代。大數(shù)據(jù)為我們提供的不是最終答案，只是參考答案。

第五篇：大數(shù)據(jù)時(shí)代讀書筆記

大數(shù)據(jù)時(shí)代——讀書筆記

一、引論

1.大數(shù)據(jù)時(shí)代的三個(gè)轉(zhuǎn)變：

1.可以分析更多的數(shù)據(jù)，處理和某個(gè)現(xiàn)象相關(guān)的所有數(shù)據(jù)，而不是隨機(jī)采樣

2.不熱衷于精確度

3.不熱衷與尋找因果關(guān)系

2.習(xí)慣：用來決策的信息必須是少量而精確的。實(shí)際：數(shù)據(jù)量變大，數(shù)據(jù)處理速度變快，數(shù)據(jù)不在精確

3.危險(xiǎn)：不是隱私的泄露而是未來行動(dòng)的預(yù)判

二、大數(shù)據(jù)時(shí)代的思維變革

1.原因：沒有意識(shí)到處理大規(guī)模數(shù)據(jù)的能力，假設(shè)信息匱乏，發(fā)展一些使用少量信息的技

術(shù)（隨機(jī)采樣）

1.1086年 末日審判書 英國對(duì)人的記載

2.約翰·格朗特：統(tǒng)計(jì)學(xué)，采樣分析精確性隨著采樣隨機(jī)性上升而大幅上升，與樣本數(shù)

量關(guān)系不大

3.1890年，穿孔卡片制表機(jī)，人口普查

4.隨機(jī)采樣有固有的缺陷

1.采樣過程中存在偏差

2.采樣不適合考察子類別

3.只能得出實(shí)現(xiàn)設(shè)計(jì)好的問題的結(jié)果

4.忽視了細(xì)節(jié)考察

2.全數(shù)據(jù)模式：樣本=總體

1.通過異常量判斷信用卡詐騙

2.大數(shù)據(jù)分析：不用隨機(jī)抽樣，而是采用所有數(shù)據(jù)。不是絕對(duì)意義而是相對(duì)意義。

（Xroom信用卡詐騙，日本相撲比賽）

3.多樣性的價(jià)值（社區(qū)外聯(lián)系很多》社區(qū)內(nèi)聯(lián)系很多）

3.混雜性而非精確性

1.葡萄樹溫度測量：數(shù)據(jù)變多，雖然可能有錯(cuò)誤數(shù)據(jù)，但總體而言會(huì)更加精確。

2.包容錯(cuò)誤有更大好處

3.word語法檢查：語料庫》算法發(fā)展

4.google翻譯：讓計(jì)算機(jī)自己估算對(duì)應(yīng)關(guān)系，尋找成千上萬對(duì)譯

結(jié)論：大數(shù)據(jù)的簡單算法好過小數(shù)據(jù)的復(fù)雜算法

5.大數(shù)據(jù)讓我們不執(zhí)著于也無法執(zhí)著于精確

6.MIT的通貨緊縮軟件：即時(shí)的大數(shù)據(jù)

7.標(biāo)簽：不精確

8.想要獲得大規(guī)模數(shù)據(jù)的好處，混亂是一種標(biāo)準(zhǔn)途經(jīng)

9.新的數(shù)據(jù)庫：大部分?jǐn)?shù)據(jù)是非結(jié)構(gòu)化的，無法被利用

10.Hadoop：與mapreduce系統(tǒng)相對(duì)的開源式分布系統(tǒng)，輸出結(jié)果不精確，但是非常快 結(jié)論：相比于依賴小數(shù)據(jù)和精確性的時(shí)代，大數(shù)據(jù)因?yàn)楦鼜?qiáng)調(diào)數(shù)據(jù)的完整性和混雜性，幫助我們進(jìn)一步接近事情的真相?！安糠帧焙汀贝_切“的吸引力是可以理解的。但是當(dāng)我們的視野局限在我們可以分析和確定的數(shù)據(jù)上時(shí)，我們對(duì)世界的整體影響就會(huì)產(chǎn)生偏差和錯(cuò)誤。不僅失去了盡力收集一切數(shù)據(jù)和活力，也失去了從不同角度觀察時(shí)間的權(quán)利。

三、不是因果是相關(guān)

1.知道是什么就夠了，不需要知道為什么。

1.亞馬遜放棄書評(píng)組，使用大數(shù)據(jù)預(yù)測人們的未來購書需求

2.2.在小數(shù)據(jù)世界，相關(guān)關(guān)系有用，但是大數(shù)據(jù)背景，相關(guān)關(guān)系大放異彩。通過找關(guān)聯(lián)

物，相關(guān)關(guān)系可以幫助我們捕捉現(xiàn)在和預(yù)測未來

1.A和B經(jīng)常一起發(fā)生，那么A發(fā)生時(shí)可以預(yù)測B發(fā)生

2.例子：沃爾瑪把颶風(fēng)用具和蛋撻放在一起

3.過時(shí)的尋找關(guān)聯(lián)物的方法

a)原因：數(shù)據(jù)少且收集花時(shí)間

b)在建立，應(yīng)用假想和選擇關(guān)聯(lián)物時(shí)容易犯錯(cuò)誤

c)結(jié)論：我們不需要人工選擇關(guān)聯(lián)物

3.大數(shù)據(jù)的相關(guān)分析法更準(zhǔn)確，更快

1.例子：FICO我們知道你明天會(huì)做什么

2.伊百麗：根據(jù)個(gè)人信用卡交易記錄預(yù)測個(gè)人收入，防止逃稅

3.Aviva：根據(jù)生活方式數(shù)據(jù)預(yù)測疾病

4.美國零售商target：通過購買習(xí)慣預(yù)測是否懷孕

4.通過找出新種類數(shù)據(jù)的相互聯(lián)系解決日常需要：找到關(guān)聯(lián)物并監(jiān)控，我們可以預(yù)知未來

1.例子：UPS與汽車修理預(yù)測

2.新生兒健康監(jiān)測：肉眼看不到，但是計(jì)算機(jī)能看到

5.當(dāng)收集分析和儲(chǔ)存數(shù)據(jù)的成本較高時(shí)，應(yīng)當(dāng)適當(dāng)丟棄一些數(shù)據(jù)

6.數(shù)據(jù)的非線性關(guān)系

1.幸福的非線性關(guān)系

7.快速思維模式使人們偏向于用因果關(guān)系看待周圍的一切，因此經(jīng)常對(duì)世界產(chǎn)生錯(cuò)誤認(rèn)識(shí)。這也使大腦為了避免辛苦思考而產(chǎn)生的捷徑。大數(shù)據(jù)會(huì)經(jīng)常被用來證明我們習(xí)慣的思維方式是錯(cuò)誤的。

8.證明因果關(guān)系的實(shí)驗(yàn)開銷大，難于操作；相關(guān)關(guān)系很有用，不僅是因?yàn)槟転槲覀兲峁┬碌囊暯牵姨峁┑囊暯嵌己芮逦?。一旦我們考慮因果關(guān)系，這些視角會(huì)被蒙蔽。

9.大數(shù)據(jù)并非是理論消亡的時(shí)代。

四、一切皆可量化

1.莫里的信息交換計(jì)劃：總結(jié)所有船只的航海日志已獲得好的航線，為第一根大西洋電纜奠定基礎(chǔ)

2.坐姿研究與汽車防盜系統(tǒng)

3.數(shù)據(jù)化

1.把現(xiàn)象轉(zhuǎn)變成可指標(biāo)分析的量化形式的過程

2.計(jì)量和記錄促成了數(shù)據(jù)：

1.阿拉伯?dāng)?shù)字

2.計(jì)數(shù)板

3.復(fù)式記賬法

3.數(shù)字化與數(shù)據(jù)化的區(qū)別

1.例子：google的數(shù)字圖書館：開始使用掃描-》數(shù)字化，進(jìn)而光學(xué)識(shí)別-》數(shù)

據(jù)化。Google借此改進(jìn)自己的翻譯

2.文化組學(xué)：定量分析揭示人類行為

4.文字變成數(shù)據(jù)：人可以閱讀，機(jī)器可以分析

5.方位變成數(shù)據(jù)：需要一套標(biāo)準(zhǔn)的標(biāo)記系統(tǒng)和收集，記錄數(shù)據(jù)的工具。

1． 始于古希臘

2.1884年，國際子午線會(huì)議

3.1978年，全球定位系統(tǒng)

4.英國汽車保險(xiǎn)

5． UPS的最佳行車路線：減少左轉(zhuǎn)

6.收集用戶地理位置數(shù)據(jù)，以便進(jìn)行忠誠度計(jì)劃?；蛘呖梢灶A(yù)測交通情況

6.現(xiàn)實(shí)挖掘

1.處理大量手機(jī)數(shù)據(jù)，發(fā)現(xiàn)并預(yù)測人類的行為。

2.例子：預(yù)測流感隔離區(qū)域

3.例子：通過非洲預(yù)付費(fèi)用戶的位置信息和他們賬戶的資金，發(fā)現(xiàn)貧民窟是

經(jīng)濟(jì)繁榮的跳板

7.溝通變成數(shù)據(jù)

1.FaceBook：社交關(guān)系數(shù)據(jù)化

2.推特：情緒數(shù)據(jù)化。對(duì)沖基金正在分析微博的文本，以作為股市投資的信

號(hào)。新推特頻率可以預(yù)測電影票房

3.例子：微博與疫苗：人們對(duì)于疫苗的態(tài)度與他們實(shí)際注射預(yù)防流感藥物的可能性呈現(xiàn)正相關(guān)

8.萬物數(shù)據(jù)化

1.觸覺地板：適時(shí)開關(guān)燈，確定身份，某人摔倒之后是否站起來

2.人體傳感器：監(jiān)控健康狀態(tài)

4.結(jié)論：世界的本質(zhì)是信息和數(shù)據(jù)，大數(shù)據(jù)提供新視角。

五、大數(shù)據(jù)的潛在價(jià)值

1.例子：captcha（驗(yàn)證碼，全自動(dòng)區(qū)分人類和電腦的圖靈測試）與數(shù)據(jù)再利用。作者使用了新的驗(yàn)證碼recaptcha，人們從計(jì)算機(jī)光學(xué)字符識(shí)別程序無法識(shí)別的文本掃面項(xiàng)目中讀入單詞并輸出，知道他們都輸出正確后才確定（用來破譯數(shù)字化文本中不清楚的單詞）

2.大數(shù)據(jù)時(shí)代，所有的數(shù)據(jù)都是有價(jià)值的?，F(xiàn)在，我們能夠以較低成本獲取并存儲(chǔ)數(shù)據(jù)。數(shù)據(jù)的真實(shí)價(jià)值就像漂浮在海洋中的冰山，絕大部分隱藏在表面之下。

3． 不同于物質(zhì)性的東西，數(shù)據(jù)的價(jià)值不會(huì)隨它的使用而減少，而且可不斷被處理。意味著數(shù)據(jù)的最終價(jià)值遠(yuǎn)遠(yuǎn)大于它的最初價(jià)值。在基本用途完成后，數(shù)據(jù)的價(jià)值仍然存在，數(shù)據(jù)的價(jià)值是其所有可能用途的總和。

4.例子：IBM與電力汽車動(dòng)力系統(tǒng)的優(yōu)化預(yù)測：大數(shù)據(jù)預(yù)測模型，甚至考慮天氣預(yù)報(bào)

5.數(shù)據(jù)再利用：

1． 搜索關(guān)鍵詞，搜索結(jié)果預(yù)測夏天流行色

2.google保存語音翻譯記錄，開發(fā)自己的語音識(shí)別技術(shù)

3.移動(dòng)運(yùn)營商長期使用大數(shù)據(jù)微調(diào)網(wǎng)絡(luò)性能

4.有些公司可能會(huì)收集到大量的數(shù)據(jù)，但是他們并不急需使用，也不擅長使用數(shù)據(jù)，但是別的公司可以借此探尋數(shù)據(jù)的潛在價(jià)值

8.重組數(shù)據(jù)

1.例子：丹麥癌癥協(xié)會(huì)與手機(jī)致癌調(diào)查：使用所有的手機(jī)用戶信息和所有的中樞神經(jīng)系統(tǒng)腫瘤信息。

隨著大數(shù)據(jù)的出現(xiàn)，數(shù)據(jù)的總和比部分更有價(jià)值，當(dāng)我們將多個(gè)數(shù)據(jù)集的總和重組在一起，重組總和本身的價(jià)值也比單個(gè)總和更大

9.可拓展數(shù)據(jù)

1.Google街景和GPS采集，不僅將其用于基本用途，而且進(jìn)行了大量的二次利用。例如，對(duì)Google自動(dòng)駕駛汽車的運(yùn)作

10．?dāng)?shù)據(jù)的折舊值

1.隨著時(shí)間的推移，大多數(shù)數(shù)據(jù)都會(huì)失去一部分基礎(chǔ)用途，不應(yīng)用此破壞新數(shù)據(jù)

2.挑戰(zhàn)：如何得知某些數(shù)據(jù)不再有價(jià)值

3.并非所有數(shù)據(jù)都會(huì)貶值。例子：Google希望得到每年的同比數(shù)據(jù)

結(jié)論：組織機(jī)構(gòu)應(yīng)收集盡可能多的使用數(shù)據(jù)并保存盡可能長的時(shí)間。同時(shí)也應(yīng)該與第三方分享數(shù)據(jù)

11.數(shù)據(jù)廢氣：用戶在線交互的副產(chǎn)品，包括瀏覽哪些頁面，停留多久，輸入信息等

1.數(shù)據(jù)再利用的方式很隱蔽

2.例子：Google的拼寫檢查：搜集每天處理的查詢中數(shù)據(jù)搜索框的錯(cuò)誤拼寫

3.例子：Google的過濾噪音技術(shù)：如果用戶點(diǎn)擊搜索結(jié)果靠后的鏈接，說明這個(gè)結(jié)果更加有相關(guān)性，Google會(huì)把這個(gè)頁面的排名相應(yīng)提升。

4.當(dāng)用戶指出了各種自動(dòng)化程序的錯(cuò)誤，實(shí)際上是訓(xùn)練了系統(tǒng)

5.例子：巴諾與數(shù)據(jù)快照，電子書閱讀器捕捉人們閱讀書籍的習(xí)慣

6.例子：Coursera通過捕捉學(xué)生犯的錯(cuò)誤來提示未來犯錯(cuò)誤者

結(jié)論：數(shù)據(jù)廢氣可以成為公司的巨大競爭優(yōu)勢，和對(duì)手的強(qiáng)大進(jìn)入堡壘

12.開放數(shù)據(jù)

1.最大的數(shù)據(jù)收集者：政府，可以強(qiáng)迫人們提供信息，但是信息利用效率低下。最好允許私人運(yùn)營部門和社會(huì)大眾訪問

2.例子：FlyOnTime網(wǎng)站，通過開放的數(shù)據(jù)分析航班延誤可能性。

3.給數(shù)據(jù)估值：從數(shù)據(jù)持有人在價(jià)值提取上所采取的不同策略入手，將數(shù)據(jù)授權(quán)給第三方

三、角色定位：數(shù)據(jù)，技術(shù)與思維

1.例子：decide.com廣泛收集數(shù)據(jù)，用來發(fā)現(xiàn)不正常，不合理的價(jià)格高峰。

2.思維轉(zhuǎn)變的重要性

3.三種大數(shù)據(jù)公司

1.基于數(shù)據(jù)本身的公司：twitter

大數(shù)據(jù)最值錢的是他本身，所以應(yīng)該優(yōu)先考慮數(shù)據(jù)擁有者

例子：機(jī)票預(yù)訂系統(tǒng)ITA不直接使用數(shù)據(jù)：擔(dān)心暴露利潤

例子：MasterCard通過大數(shù)據(jù)預(yù)測客戶的消費(fèi)習(xí)慣

2.基于技能的公司：咨詢公司，技術(shù)供應(yīng)商或者分析公司：Teradata

例子：埃森哲公司利用大數(shù)據(jù)檢測汽車零件并節(jié)省費(fèi)用

例子：微軟分析公司利用大數(shù)據(jù)降低病人的再入院率

3.基于思維的公司：創(chuàng)新思維

例子：FlightCaster飛機(jī)晚點(diǎn)預(yù)測

例子：prismatic分析新聞并排序

4.大數(shù)據(jù)先驅(qū)者一般有跨學(xué)科的知識(shí)

5.例子：google和amazon三者兼?zhèn)?/p>

6.全新的數(shù)據(jù)中間商：從各個(gè)地方搜集數(shù)據(jù)，提取有用的信息進(jìn)行利用，并不威脅數(shù)據(jù)擁有者的利益

1.社會(huì)需要定向廣告

例子：Inrix：分析各種汽車制造者的數(shù)據(jù)和用戶的數(shù)據(jù)，提供衛(wèi)星導(dǎo)航服務(wù)

汽車制造商們本身數(shù)據(jù)量不夠，自身也沒有技術(shù)利用大數(shù)據(jù)，也并不介意數(shù)據(jù)會(huì)被中間商利用。同時(shí)可以提供失業(yè)率等相關(guān)數(shù)據(jù)

例子：Quantcast：收集用戶訪問信息來測評(píng)用戶年齡等，之后發(fā)定向廣告

例子：HCCI收集醫(yī)療保單，分析美國醫(yī)療費(fèi)用上漲是否合理

結(jié)論：

1.數(shù)據(jù)價(jià)值的轉(zhuǎn)移：從技術(shù)到數(shù)據(jù)本身和大數(shù)據(jù)思維

2.傳統(tǒng)商業(yè)模式顛覆：交易數(shù)據(jù)而不是交易技術(shù)

3.傳統(tǒng)專家的光芒會(huì)被統(tǒng)計(jì)和數(shù)據(jù)學(xué)家取代，因?yàn)楹笳咧魂P(guān)心數(shù)據(jù)

1.例子：谷歌翻譯團(tuán)隊(duì)的工程師都不會(huì)說出翻譯的語言

2.真正的專家不會(huì)消亡，但是主導(dǎo)地位會(huì)改變

3.專業(yè)技能只適用于小數(shù)據(jù)時(shí)代，因?yàn)槟鞘切枰揽恐庇X和經(jīng)驗(yàn)指導(dǎo)，但是

遭遇海量數(shù)據(jù)時(shí)，可以通過數(shù)據(jù)挖掘得到更多

4.數(shù)據(jù)和統(tǒng)計(jì)學(xué)知識(shí)將成為現(xiàn)代工廠的基礎(chǔ)，人類的價(jià)值體現(xiàn)在交流上，以進(jìn)行廣泛而深刻的傳播

1.例子：交互式游戲，會(huì)根據(jù)用戶來改良，以數(shù)據(jù)為基礎(chǔ)運(yùn)作

2.例子：The-numbers.com通過大數(shù)據(jù)來預(yù)測電影票房

5.大數(shù)據(jù)決定企業(yè)核心競爭力

1.數(shù)據(jù)規(guī)模決定價(jià)值

2.例子：勞斯萊斯通過大數(shù)據(jù)監(jiān)測引擎，預(yù)測可能出問題的引擎

3.例子：蘋果進(jìn)軍手機(jī)

4.大數(shù)據(jù)為小公司帶來了機(jī)遇：能享受非固有資產(chǎn)規(guī)模的好處，低成本傳播

創(chuàng)新結(jié)果，只需要?jiǎng)?chuàng)新思維

5.大數(shù)據(jù)擁有者會(huì)想辦法增加數(shù)據(jù)存儲(chǔ)量

6.消費(fèi)者成為數(shù)據(jù)擁有者并與中間商交易

7.大數(shù)據(jù)對(duì)中等規(guī)模的公司幫助不大：既沒有靈活性也沒有規(guī)模效應(yīng)

6.大數(shù)據(jù)撼動(dòng)國家競爭力：西方世界優(yōu)勢減少

四、大數(shù)據(jù)時(shí)代的管理

1.大數(shù)據(jù)會(huì)帶來很多危險(xiǎn)，因?yàn)槠浜诵乃枷胧怯靡?guī)模劇增來改變現(xiàn)狀。

2.濫用大數(shù)據(jù)的力量會(huì)傷害人身安全

3.大數(shù)據(jù)的二次利用顛覆了隱私保護(hù)法：無法征得個(gè)人同意

4.如果所有人的信息在數(shù)據(jù)庫里，有意識(shí)地避免就是此地?zé)o銀三百兩

5.匿名化：交叉檢驗(yàn)會(huì)檢驗(yàn)出來

6.大數(shù)據(jù)預(yù)測：罪責(zé)判定基于對(duì)個(gè)人未來行為的預(yù)測。大數(shù)據(jù)可能會(huì)否定人的自由意志

7.數(shù)據(jù)有其局限性，數(shù)據(jù)的質(zhì)量可能會(huì)很差，有誤導(dǎo)性。

8.卓越的才華并不依賴數(shù)據(jù)：Apple喬布斯的才能

五、掌握大數(shù)據(jù)

1.個(gè)人隱私保護(hù)：從個(gè)人許可到讓數(shù)據(jù)使用者承擔(dān)責(zé)任，因?yàn)閷⒇?zé)任從民眾轉(zhuǎn)移到數(shù)據(jù)使用者很有意義因?yàn)閿?shù)據(jù)使用者比其他人更明白他們想怎么樣使用數(shù)據(jù)，也因?yàn)樗麄兪亲畲罄娅@得者：監(jiān)管機(jī)制可以決定不同種類的個(gè)人數(shù)據(jù)必須刪除的時(shí)間

2.信息模糊處理

3.個(gè)人應(yīng)該為他們的行動(dòng)而非傾向負(fù)責(zé)

4.打破大數(shù)據(jù)的黑盒子：大數(shù)據(jù)算法師：評(píng)估數(shù)據(jù)源，分析數(shù)據(jù)工具，解讀運(yùn)算結(jié)果

1.外部算法師：審計(jì)大數(shù)據(jù)的準(zhǔn)確程度和有效性

2.內(nèi)部算法師：監(jiān)督大數(shù)據(jù)的運(yùn)轉(zhuǎn)

5.反數(shù)據(jù)壟斷

六、結(jié)語

沒有什么是上天注定的，因?yàn)槲覀兛偰芫褪种械男畔⒅贫ǔ鱿鄳?yīng)的對(duì)策。大數(shù)據(jù)的預(yù)測結(jié)果也并非鐵定而只是一種可能性，也就是說，只要我們愿意，結(jié)果可以改寫，我們可以判定出迎接未來的最佳方式，也無需理解宇宙的奧秘或者神的存在，因?yàn)榇髷?shù)據(jù)幫我們做好了。更大的數(shù)據(jù)來源于人本身，大數(shù)據(jù)所不能預(yù)測的，正是人類的直覺，勇氣，探索精神和獨(dú)創(chuàng)性。使用大數(shù)據(jù)的時(shí)候，我們應(yīng)該懷有謙卑之心，銘記人性之本