1.什么是数据分析
数据分析有很多种定义方式。在这里，只从三个方面对其进行描述：
1.1 数据分析的本质是比较
数据只有通过相互比较才会有意义。
举几个例子：
——实验设计，本质上是主动设计具备可比性的控制因素，以区分控制组和实验组，再用随机控制排除不可比的混杂因素，观察目标变量的变化。
——最优化问题，本质上是比较由不同决策变量生成的目标变量，在约束条件一致的情况下，找到最优的目标变量。
——假设检验，本质上是比较假设的真伪，对不能证伪的假设做评级比较。
——主观概率，本质上将定性比较数据化，实现精确的比较。
1.2 数据分析的目的是解决问题
分析工具会简化实际情况…分析以创建最有用的模型为目标…
为了解决问题，分析人员必须：
——先确定问题，把客户的问题转化为要分析的问题，能量化的要量化。
——确定假设，把客户的确定观点、自身知识等作为基准假设，同时要注意知识缺陷引起的基准假设谬误。
——分解问题到可管理、可解决的组块。
——有限决策，比如找到有意义的分析结论，完成无法证伪的假设评级，接受主观概率下的比较结果，采用启发式得到比直觉更优的结论，创建最满意而非最完美的模型等。
1.3 数据分析的基础是数据
整个分析过程都是以数据为基础进行的，包括：
——通过数据判断基准假设，发现未知信息或知识缺陷。
——通过探索性数据分析，寻找可能存在的数据模式。
——分解数据，从而观察和比较数据因子。
——通过数据精确度量假设、目标、可能性、相关性、误差等。
——利用关系数据库管理巨量数据。
——在进行分析前，完成混乱数据的整理。
2.简单的数据分析方法
2.1 调查和实验
适用场景：有控制组和实验组的场景
关键要素：控制组、实验组、混杂因素控制、随机控制
结论：选定解决策略
2.2 优化法
适用场景：最优化问题，启发式问题
关键要素：目标函数、决策变量、约束条件、可行区域、快省树
结论：最优目标变量、较优结果
2.3 假设检验
适用场景：利用有效证据选择假设
关键要素：证伪、诊断性、有效证据、假设评级
结论：采纳某一假设
2.4 贝叶斯规则
适用场景：需要整合新信息到分析中的场景
关键要素：基准概率、条件概率、条件概率互化、主观概率
结论：确定某一事件概率
2.5 数据图形化
适用场景：需要更直观的观察数据的场景
关键要素：目标相关、正确比较、多变量
结论：数据图形化得到的观点
2.6 回归
适用场景：预测问题，观察到数据的相关性
关键要素：相关系数r，回归方程、外插法、均方根误差、分割、预测功能、解释功能
结论：回归模型
