数据分析前的常规工作有哪些？

如果我们在数据分析之前需要做什么，那么有几个关键词：数据收集、特征提取、数据标准化、数据清理和数据预处理，这些都是传统数据分析之前的工作。让我们来看看常规数据分析的过程。首先，我们将有一个需求，通过一些阶段到达数据预处理。通常做数据分析的人从这一步开始，获取数据开始预处理、数据分析、建模、结果可视化或产品输出。今天我想和大家分享的是，在这些阶段的中间，在需求之后，到数据收集的这个阶段，中间也需要使用数据分析方法来做，包括数据收集的一部分量化，也就是说，在收集之前，我们需要在收集之前量化它。首先，需求理解和沟通我们得到了需求，需求可能来自客户沟通，也可能是领导告诉我们，在说话的过程中，不同的人，沟通表达的复杂性完全不同，有些人非常清楚，需求列出，有些人说炒作，最后说我的需求，你看，非常不同和开放。此时，他的主题可以总结为一句话，我们的第一步就是细化研究工作。我给你举个例子：我们早上都在食堂吃过早餐。当我们吃*蛋时，我们可能会发现有些蛋壳很容易剥皮，甚至可以直接吹掉。有些蛋壳很难剥皮。如果领导问你，用数据分析告诉你这个问题，你会从哪里开始。在生活场景中得到这样一个很小的问题：为什么熟*蛋有些难剥，有些容易剥？假如你得到了这个问题，你的第一反应是不是，我想要数据。然后领导说你可以回去。这些数据需要我们自己设计和实现来收集。我们传统的数据分析人员习惯于提供整理数据进行分析，但如何收集数据和收集数据通常是数据分析的工作。看看第二个例子：基本上每年，媒体都会发布这样的消息，高考后的家庭，离婚率会增加，民政局想否认谣言，如果我们这样做，我们能做什么。看第三个例子：知乎上的帖子很长时间都很流行，男女之间是否有纯粹的友谊。作为一名数据分析师，获得这一需求的第一步是拆解多个子主题（子需求）。子需求的拆解不是凭空想象的。当你听到这个话题时，有很多结论。例如，知乎上有几个高赞的结论。首先，男女之间有纯粹的友谊，越丑越纯；其他人说婚后会有纯粹的友谊。由于我们的研究能量有限，我们需要将大话题分成多个话题，从多个话题中选择一两个。所以我们分开：是所有男女之间都有纯粹的友谊，还是有些人有，有些人没有；越丑越纯洁——友谊与外表水平有关，什么关系，外表水平在其中发挥了多大作用；婚后（更年期）纯洁——友谊与年龄有关；纯度有多高；纯度是否会改变。这些都是细化后的子研究内容，然后选择内容，收集数据。第二步，有了研究内容，我们需要操作概念。你可能没听说过这些，但我们一定听说过另一个名词——抽象化或概念化，把抽象化的过程反过来称为操作化。以*蛋难剥为例，可以操作拆分成两个，*蛋的完整性和剥壳时间，*蛋的完整性是测量剥蛋后剩下多少。通过概念操作，我们实现了将宏观概念转化为可测量的微观概念。有了微观概念，下一步是如何测量。剥壳时间可以直接用表测量，那么如何测量完整性呢？剥皮后，*蛋的表面可能是坑坑洼洼的，也可能是一半的。有一套严格的概念操作方法论。抽象的过程往往是不同的结果，重复性差，但可操作性，不同的人做，往往重复性很高，因为遵循一套理论——概念定义、概念分类、自然指标的设计。操作后，我们需要设计指标和测量工具。让我们来谈谈男女之间纯粹友谊的话题。我们定义了一个叫做友谊纯洁的指标。这个指标不是一两句话就能掌握的，所以我们应该设计一个特殊的测量工具。有些人可能会说，我做数据分析，这些推给产品经理可以做，通常这样做，但掌握数据分析方法分析数据和不掌握数据的方法，往往有很大的不同，可以着陆和不能着陆的区别。有了测量工具，下一步需要检查:有效性和难度(针对不同人群)、信度、敏感度。数据分析方法：项目分析、探索性因素分析、验证性因素分析、聚类分析、IRT等。如果测量工具无效，后续工具将无效，因此测量工具非常重要。这些验证需要两年或更长时间，最终简化有效的测量工具。当然，现在已经有一些成熟的测量工具来验证量表，同样，这些量表也被广泛应用于心理学中。那么，测量工具检查后，数据收集是否开始？不是的。下一步需要理论模型设计在大数据中，包括数据挖掘等相关分析，方法涉及输入层输出层，这是一个常规模型，但在实际问题上，许多模型不是这样，如贝叶斯模型，我们的研究人员不会设计这些东西，也许贝叶斯，马尔科夫没有听说过，只了解数据分析方法，了解这些方法，根据我们的业务，涉及多少关系，关系是单向的还是双向的，等等，这样的图片首先是由理解数据分析方法的研究人员设计的，然后进入数据收集阶段。数据收集可以通过网上爬虫、直接从数据库导入数据、线下收集等方式进行。数据收集可以通过在线爬虫、直接从数据库导入数据、离线收集等方式进行。这里还提到了抽样方法，通过不同的理论模型选择不同的抽样方法。举个例子:北方到冬天会有暖气，暖气会造成空气污染，那么暖气会影响人的寿命吗？我们如何用数据分析来验证这件事，我们应该如何获取数据？我们的常规想法是在北方和南方找一些人，看看暖气是否会影响寿命。然而，这涉及到因果关系的验证。因果关系有三个前提。第一，两个事件必须相关；第二，原因事件必须发生在结果事件之前；第三，需要控制干扰因素。在这种情况下，一些学者在常规方法的基础上提出了改进和创新，称为断点回归。他不是在北方和南方抽烟，而是在中国南北分界线的地方抽烟。众所周知，寿命与很多因素有关。选择淮河两岸人员，可以有效保证他们的生活环境等因素大致相同。然后他得出结论，有暖气会降低人的寿命5.5年。上一本书对未来的发展有什么影响吗？学者选择某省一条曲线，上下加减5分，在这10分带中，人的未来发展是不同的。同样，这个案例也采用了断点回归的方法。在其他现实场景中，人们通常会考虑多种因素，那么所有涉及多种因素的人都应该包括在内吗？事实并非如此。日本统计学家发明了一种正交设计方法，采集特定的覆盖特征数据。接下来，数据二次抽样。吉野家正在做各种促销活动。有一次，它改进了营销平台。实验组用性感女模特的照片和宣传稿代替展示图片；对照组使用普通图片和文字。推广结果非常令人惊讶。实验组的推广远低于对照组。找出原因，采用PSM模型进行二次抽样。该方法将对照组与实验组数据逐一匹配，可有效解决样本的选择性偏差。以上是数据分析前需要做的各种量化工作。