1. 문제 정의
당신이 필요로 하는 문제와 당신이 원하는 결론을 확정하세요. 고려할 수 있는 옵션이 많으니 업무에 따라 판단해야 한다. 흔히 볼 수 있는 것은 변화 추세, 사용자 초상화, 영향 요인, 과거 데이터 등이다.
2. 데이터 수집
데이터를 얻는 방법에는 여러 가지가 있습니다.
첫째, 엔터프라이즈 데이터베이스에서 직접 검색하며 데이터 추출과 같은 데이터베이스 관리를 완료하려면 SQL 기술이 필요합니다.
두 번째는 정부, 기업, 통계청 등의 공공 데이터를 얻는 것이다.
셋째는 파이썬을 통해 웹 파충류를 쓰는 것이다.
3. 데이터 전처리
불완전, 반복 등의 예외 데이터를 정리합니다.
4. 데이터 분석 및 모델링
이 섹션에서는 기본 통계 분석 방법 및 데이터 마이닝 알고리즘, 다양한 통계 방법의 적용 가능한 시나리오 및 적용 가능한 문제를 이해해야 합니다.
5. 데이터 시각화 및 분석 보고서 작성
시각화 도구를 학습하여 가장 직관적으로 데이터를 시각화합니다.
데이터 분석을 시작하는 데 필요한 기술은 다음과 같습니다.
1.SQL (데이터베이스):
데이터베이스에서 데이터를 가져오려면 어떻게 해야 합니까? 원하는 구체적인 데이터를 어떻게 얻을 수 있습니까? 이러한 문제는 먼저 고려해야 할 문제이며, 이러한 문제는 모두 SQL 로 해결되므로 SQL 은 데이터 분석의 가장 기본적인 기술입니다.
2. 잘하다
분석가는 데이터를 분석하는 경향이 있습니다. 데이터를 분석 할 때 데이터를 파일에 넣어야합니다. 이 파일은 excel 입니다.
Excel 공통 공식에 정통하고, 피벗 테이블을 만드는 법을 배우고, 어떤 데이터든지 차트를 그릴 수 있다.
3.3 의 기초. 파이썬 또는 r:
필수 항목도 가산점이며 데이터 마이닝 방향의 필수 항목입니다. 이 언어는 도구보다 더 유연하고 실용적이다.
4. 시각화 도구 학습
더 높은 수준으로 발전하려면 위의 물건은 최대 20%, 나머지 80% 는 비즈니스를 이해하는 능력, 목표를 분해하는 능력, 데이터 요구 사항에 따라 더 많은 새로운 기술을 배울 수 있는 능력입니다.