1。大數(shù)據(jù)是新時(shí)代的新玩意。其實(shí)數(shù)據(jù)分析一點(diǎn)都不新鮮。早在幾百年前的啟蒙運(yùn)動(dòng)中，學(xué)者們就已經(jīng)開始遵循科學(xué)的方法，一步步拆解事物形成背后的原因?？茖W(xué)家先觀察、獲取、分析數(shù)據(jù)，得出假說，然后通過不斷的論證，逐漸形成規(guī)律。所以我們說的大數(shù)據(jù)，充其量就是科學(xué)方法的應(yīng)用。超過2.100TB就是大數(shù)據(jù)的規(guī)模。其實(shí)沒有明確的邊界。

大量的數(shù)據(jù)并不一定意味著你能做出準(zhǔn)確的預(yù)測(cè)——假設(shè)你有地球上70億人的姓名、性別、生日、身高、體重、膚色、視力以及他們的上網(wǎng)行為等各種數(shù)據(jù)，如果題目是預(yù)測(cè)他們明年的收入分配，恐怕這個(gè)龐大的數(shù)據(jù)庫幫不了你。所以數(shù)據(jù)不多，重點(diǎn)是要完成的任務(wù)，而不是儲(chǔ)存的數(shù)量。3.數(shù)據(jù)很客觀。采集數(shù)據(jù)的軟硬件都是人為設(shè)計(jì)的，不可能絕對(duì)客觀。

一個(gè)是數(shù)據(jù)的可獲得性，即決策所依據(jù)的數(shù)據(jù)能否獲得，是否有足夠的時(shí)間，是否有足夠的數(shù)據(jù)維度等等。第二是數(shù)據(jù)的質(zhì)量，數(shù)據(jù)中是否有噪聲，是否有虛假數(shù)據(jù)，數(shù)據(jù)有多稀疏。避免垃圾進(jìn)出。第三，數(shù)據(jù)的時(shí)效性是否滿足決策需求，比如實(shí)時(shí)更新、月度更新、季度更新？第四，數(shù)據(jù)決策的假設(shè)條件目前是否仍然滿足要求，比如模型開發(fā)時(shí)的假設(shè)條件是否仍然有效，模型的有效性是否滿足要求？

An優(yōu)秀數(shù)據(jù)分析如何寫報(bào)告？首先，要有一個(gè)好的框架，和蓋房子是一樣的。好的分析一定要基礎(chǔ)扎實(shí)，層次清晰，讓讀者一目了然，結(jié)構(gòu)清晰明了，讓別人也容易理解，讓人有讀下去的欲望。第二，每一個(gè)分析都有結(jié)論，結(jié)論一定要明確。如果沒有明確的結(jié)論，分析就不叫分析，也就失去了它本身的意義，因?yàn)槟阍谧龇治鲋笆且グl(fā)現(xiàn)或者確認(rèn)一個(gè)結(jié)論的，所以不要忘本，舍本逐末。

最常見的問題是自己分析的數(shù)據(jù)不準(zhǔn)確，導(dǎo)致辛苦半天，分析出來的結(jié)果沒有參考價(jià)值，甚至是錯(cuò)誤的。我有個(gè)同事是a 數(shù)據(jù)分析老師。當(dāng)然，我們公司目前這方面的工作才剛剛起步，還很不成熟。所有相關(guān)數(shù)據(jù)庫尚未建立，正處于建立階段。收集數(shù)據(jù)的方式也在摸索中。所以收集的數(shù)據(jù)很可能是不準(zhǔn)確的。有一次，領(lǐng)導(dǎo)讓我朋友對(duì)從市場(chǎng)數(shù)據(jù)分析收集的市場(chǎng)目標(biāo)群體的消費(fèi)習(xí)慣和愛好進(jìn)行調(diào)查，找出規(guī)律。

文件夾本身就有幾十兆大小，可想而知這些數(shù)據(jù)有多大。經(jīng)過幾天幾夜的不懈努力，我們終于取得了初步成果，對(duì)這些數(shù)據(jù)進(jìn)行了系統(tǒng)的整理和分類。但是在分類的過程中，發(fā)現(xiàn)一些關(guān)于市場(chǎng)活動(dòng)的數(shù)據(jù)是相互矛盾的。參加活動(dòng)的人數(shù)與實(shí)際轉(zhuǎn)化的人數(shù)不符，有時(shí)現(xiàn)場(chǎng)轉(zhuǎn)化的人數(shù)比實(shí)際參加活動(dòng)的人數(shù)還多。這顯然是有問題的。于是他找到相關(guān)部門的相關(guān)人員了解情況。