数据思维:从数据分析到商业价值

数据思维:从数据分析到商业价值是一份商业分析和数据科学领域入门级趣味读物，本书可以被看作商业分析（business analytics）领域入门级通俗且有趣的读物，深入浅出，雅俗共赏。

文档说明

主要由五章组成。第一章介绍了熊大朴素的数据价值观，解读数据与价值的逻辑关系；第二章介绍了基本的数据可视化方法（统计图表）的规范与有趣应用；第三章介绍了回归分析，通过精彩案例展示了如何将一个业务问题定义成为一个数据可分析问题；第四章介绍了机器学习，可以看作是第三章技术上的一个重要补充；第五章展示了各种常见的非结构化数据分析（文本、图像）的有趣案例。

学习特点

本书的核心观点是其朴素的数据价值观，即数据产业实践不是单纯的数据分析与建模，而是要在一个产业环境下，让数据产生价值。事实上，从数据分析到商业价值的实现至少涉及三个关键环节：数据业务定义（把一个具体业务问题定义成一个数据可分析问题）、数据分析与建模（描述统计、数据可视化、回归分析、机器学习）、数据业务实施（流程改造、产品设计、标准制定、重构商业模式等），第一和第二环节属于数据分析，第三环节属于商业价值实现。

首先，数据业务定义是要把“业务问题”定义成“数据可分析问题”。只有把业务问题准确定义成一个数据可分析的问题，数据分析与建模才能有用武之地。什么样的问题可以被看作数据可分析问题？你需要找到两种变量：第一种是因变量Y：因为别人的改变而改变的变量，这是业务的核心诉求；第二种是自变量X：用来解释因变量Y的相关变量，通俗点说，自变量X的改变，影响了因变量Y的变化。X表现了数据分析者对业务的洞见。

其次，数据分析与建模是根据已经确定的因变量Y和自变量X（数量可以是多个），判断好Y和X的相关性方向，并评估好各X变量的权重，进行建模。通过数据可视化（柱状图、饼图、直方图等）、回归分析（线性回归、0—1回归、定序回归等）、机器学习（决策树、回归树、深度学习等）和非结构化数据（中文文本、网络结构数据、图像数据等）等分析工具对已有的巨量数据进行处理，提取出业务诉求因变量Y的相关影响因素自变量X，并建立可以对业务起到促进作用的模型，指导实际生产工作。

最后，数据业务实施是根据数据分析和建模的结果进行流程再造和产品改进，实现数据的商业价值。即使数据分析德再好、模型建立得再漂亮，如果无法落地成为可被执行的数据产品，那数据的商业价值还是没有实现。商业价值三要素：收入、支出、风险，在这三个方面中的任何一个方面实现可量化的改进，即提高收入、减少支出或减小风险，那么这个数据的商业价值就比较容易说清楚，否则非常困难。