关于数据挖掘和数据分析
1、很多关于数据挖掘的帖子和文章都在强调工具、算法和架构等,但其实这些都不是数据挖掘的核心,数据挖掘的最重要的环节如下:
数据来源:通过无论是公开的数据还是合作方式、第三方的方式获得数据;
获取标签:对标的物无论是用户、商品、文章分析,以获取足够定义这些标的物的标签,并对标签进行指标化和定义权重,通过这些标签对;
定义特征:通过标的物的个体画像以及标的物间的关系定义个体和整体的特征;
评估模型:通过定义的特征定义并评估一系列数据模型;
应用模型:模型数据可视化、基于有效模型数据价值应用。
2、为什么把数据挖掘和数据分析放在一起说,是因为数据挖掘本身是一个数据应用化的过程,而应用化的过程某种意义上就是一个数据分析的过程,而这个数据分析可以是人为定义的、AI人工智能辅助的等等。
所以,我们可以暂且这样定数据挖掘和数据分析的关系:通过不断优化的数据分析方法,并利用数据挖掘才能够得出数据应用价值的最大化的结果。
数据挖掘是数据价值结果导向的过程集合,而数据应用价值到底有多大?者就是通过数据分析来评估的,其来自于数据分析的过程以及得出的结论。
3、数据挖掘并不局限。就狭义而言,它就是一个在海量数据中挖掘数据价值的过程;而就广义而言,只要是有数据来源的,并能够通过数据分析方法论得到一数据价值结果为导向的过程,都可以称作数据挖掘。
4、产品运营经常会涉及到数据分析,从某种意义上而言,也是一个以数据价值为结果导向的过程:
数据来源:产品运营过程中的产生和收集的一系列数据,如图:
获取标签:通过基本信息和一系列行为数据获取分析得到关键标签,并定义标签的权重和指标,以对基本用户、商品、文章等等标的物进行画像;
定义特征:通过标的物个体的统计数据和画像分析个体间关系的特征和整体性特征,比如电商类用户就可以根据性别和消费能力、消费周期等标签指标,定义其相应的特征;再比如对UV、PV等一系列数据进行整体性的特征判断,以判断产品本身目前的运营特征和情况;等等...
评估模型:通过提取的特征,定义一系列的可用模型,使得从数据来源到标签再到特征以及画像的数据通过模型更直观的展现出来;
应用模型:比如招聘网站按照不同职能区分的用户对于网站的使用情况,产品对于90后用户的运营情况等,以在某种程度上帮助改进产品和提升以及验证运营工作对于目前产品运营的有效性。
5、举个商业化应用的例子,比如EverString这个产品,去年年底刚刚融了B轮65m美刀。这是一家通过大数据技术提供B2B Marketing领域企业智能解决方案的公司,通过挖掘企业数据与结合企业CRM,并建立模型,再利用这些模型帮助企业来预测谁是他们下一个客户。以下是对于这家公司业务的分析:
数据来源:通过爬虫来抓取全网数据并结合企业CRM获取与企业相关的数据,EverString自称有1100万家企业的海量数据库;
获取标签:它们拥有丰富的公司标签,以及合理的指标与权重;
定义特征:与公司业务和规模相关的特征,更加个性化并增加精准性;
评估模型:定义无论是公司层面的营销运营模型,还是基于公司业务本身的数据模型,以关注数据应用价值和更加符合业务应用价值效果的数据模型;
应用模型:将模型应用在整体的业务流程当中,比如通过对历史大量积累的数据进行分析和建模,从而对未来事件的决策的预测。
6、关于数据分析,并不可以简单理解为对于对于数据进行定量、定性的分析和得出一个可用的数据结果的过程集合,这也是我为什么把数据挖掘和数据分析放在一起说的原因。数据分析一定是伴随着数据从采集到定义,再到应用,最后通过分析数据应用的价值,并不断自我过程优化。
从某种意义上而言,数据分析会用到的很多工具。我们会发现无论是用GA、百度统计、友盟等等,它们同样在做着:从采集数据、获取标签(机型、地理位置、用户画像等)、定义特征(转换率、客单价等)和模型(漏斗模型等)到应用模型(可视化图表等)。这个过程同样可以理解为一个数据分析方法结合数据挖掘的过程,即对可获取的数据进行价值挖掘和应用的过程。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14