第一章的大纲
1 数据分析概述以及统计学基础
1.1 数据分析概述
数据分析是以解决业务需求为最终目的
数据分析概述
① 数据分析的八个层次
数据分析的八个层次
② 大数据对传统小数据分析的拓展以及区别和联系：
其实我个人感觉：小数据相当于就是数据分析对应的数据，大数据相当于就是数据挖掘对应的数据。所以也可以把这些理解成是数据分析和数据挖掘在数据上面的区别
数据上：小数据重抽样，大数据重全体 传统小数据分析的本质上是一句样本推断总体；大数据在建模的方法上已经偏向于机器学习，因此抽样已经不是最必要的手段和方法了。
方法上：小数据重实证，大数据重优化
目标上：小数据重解释，大数据重预测 我个人认为数据挖掘当中，预测是最重要的一个解决问题的方式
3 客户的生命周期管理
客户的生命周期管理
④ 数据分析方法论：
一 CRISP-DM5
CRISP-DM5
CRISP-DM5方法论
从图中可以看出，一切的挖掘和开发都是围绕数据本身的，对于一个数据分析师来说处理好数据就成功一大半了。
在学习这里的时候，其实要明白数据分析是的生态系统，还有生态分析的定位，因为不可能只是为了应付考试，如果真的想要入行，推荐一个视频：
https://www.bilibili.com/video/av22556168?from=search&seid=5444609284462524239
我有专门的一篇文章是关于这个视频的总结，有兴趣的可以去看看：数据分析师能力的养成
第一步：业务理解
该初始阶段集中在商业角度理解项目的目标和要求，通过理论分析转化成为数据挖掘可以操作的，制定实现目标的初步计划（相当于就是把大目标一步一步的拆分成可以实现的小目标）
第二步：数据理解
数据理解阶段开始于原始数据的收集，然后是熟悉数据，表明数据质量的问题，探索对数据的初步理解，挖掘有趣的子集以及需要京城探索关系的假设
第三步：数据准备 第四步：建模 第五步：模型评估 第六步：模型发布
二 SEMMA
