图说数据挖掘是神马？
1、数据挖掘需要‘神马样’的流程？
2、哥，有没有详细点的，来个给力的！
3、数据挖掘在商业上的理解是？
4、数据在统计意义上有哪些类型？
5、他们的含义是什么呢？
6、基本的探测指标有哪些？
7、数据挖掘的算法有哪些呢？
8、需要掌握的工具有哪些？
9、知道这些工具不知道如何在工作中用呀？有没有‘浮云’般的角度？
10、结果如何可视化的展现？
11、还有没有更人性化、智能化的展现？
12、上面这图看起来很给力，背后很复杂吧？
13、职业的发展道路如何？
14、我的性格适合吗？（有志者，事竟成）
15、都说这行很累？NO！ 懂得生活。。。。
via：数据挖掘与数据分析
1、了解数据？
在别人的眼里数据分析既是很深奥的职业，也是被人挑战的职业，更是让你又恨又爱的职业！其实这些都不重要的，重要的是对此行感兴趣，骨子里有量化一切的意识！什么是数据？很多人首先脑海中出现的是1、2、3......等等，为何有这样的印象？其实是我们数据分析师为了更好的运用“统计学”所以要将许多数据想尽办法来转化为1、2、3这样的数据形式，从而更深入、科学的分析data，不扯这个了，这个没什么意思，看图：
2、了解数据分析？
提起数据分析，多数人第一印象就是图表，什么柱形图、条形图、饼图等等，还有现在比较时髦的信息化图表，对信息化图表感兴趣的可以关注一下@cnsns （新浪微博），这些都是数据分析师展现的方式而已，最重要的是你知道数据背后的故事，而且更够解读并加以应用！时髦叫法：数据—信息—知识—智慧！
3、了解数据分析流程？
数据分析的过程其实就是围绕着如何解决商业问题来展开，没什么捷径！用@数据化管理（新浪微博）的话：“大胆假设，小心求证”
接下来用一个图来看看分析问题，解决问题的思路，这个图来自@邮政数据应用中心（新浪微博）
4、开始行动....
商业问题理解透彻了，下来就该行动了，列出数据需求详单（数据来源、数据口径、字段名称、数据用途等等），拿到数据后别着急分析，先对数据进行初步的验证，看看数据的风险点，比如是否重复、是否存在异常、是否缺失、是否同量纲等等），验证完毕后，就要初步了解数据了，看数据的集中趋势、分布、离散等。
5、疯狂‘挖煤’。要练就统计心法，制图之功，工具挑选！
具体的大家等待@小蚊子乐园（新浪微博）的书吧《谁说菜鸟不会数据分析》，里面讲的very详细！
详细大家看看目的就了然一切了！http://blog.sina.com.cn/s/blog_49f78a4b0100rt9y.html
6、撰写报告
常见的方式：专业软件出数据、excel做图、PPT展示
常见的目录：1、总体结论 2、分析背景、目的、方法、思路 3、主题内容 4、营销建议
常见的疑惑：这是内部数据分析得到了，许多详细的分析无法开展，建议针对重点的问题进行外部调研，获取内部数据无法得到的，内外结合，效果更佳！
特别建议解读数据时要警钟长鸣，推理要科学，要有依据，要结合场景看看以下的小故事
1）常常听说，汽车事故多数发生在离家不远的地方，这是否就意味着在离家很远的公路上行车要比在城里安全些呢？不是，统计只不过反映了人们往往是在离家不远的地方开车，而很少在远处的公路上开车。
2）有一项研究表明其一个国家的人民，喝牛奶和死于癌症的比例都很高。这是否说明是牛奶引起癌症呢？不！这个国家老年人的比例也很高。由于癌症通常是年龄大的人易得，正是这个因素提高了这个国家癌症死亡者的比例。
3）一项研究表明在某个城市心力衰竭而死亡的人数和啤酒的消耗量都急剧升高。这是否表示喝啤酒会引起心脏病发作？不！两种情况的增加是人口迅速增加的结果。若按同样的理由，心脏病发作还可见归咎于上百个其他因素，如咖啡消耗量增加，嚼口香糖的人增多，玩桥牌更加盛行，更多的人看电视，等等。
4）一项研究显示出，欧洲某个城市的人口大量增加，同时鹳鸟窝也大量增加。这是否就支持了鹳鸟送来婴儿这一信念？（欧洲有一种说法，称婴儿是鹳鸟送来的，常用鹳鸟来临表示婴儿降生）。不！它反映的事实是这个城市内的房屋增多，鹳鸟就有更多地盘来筑窝了。
5）最近一项研究显示，大多数杰出的数学家是大儿子。这是否意味着头生子比以后生的儿子数学才能高些？不！这只是简单地反映出一个事实：大多数的儿子是头生子。
7、'回炉'营销反馈数据，做‘检讨’，练内功！
via：数据挖掘与数据分析
一、数据分析概念
数据也称观测值，是实验、测量、观察、调查等的结果，常以数量的形式给出。数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。例如J.开普勒通过分析行星角位置的观测数据，找出了行星运动规律。又如，一个企业的领导人要通过市场调查，分析所得数据以判定市场动向，从而制定合适的生产及销售计划。因此数据分析有极广泛的应用范围。
决策和过程控制的需求，提出对信息的需求。就过程控制而言，管理者应识别需求要利用那些信息支持评审过程输入、过程输出、资源配置的合理性、过程活动的优化方案和过程异常变异的发现。
二、收集数据
有目的的收集数据，是确保数据分析过程有效的基础。组织需要对收集数据的内容、渠道、方法进行策划。策划时应考虑：
①将识别的需求转化为具体的要求，如评价供方时，需要收集的数据可能包括其过程能力、测量系统不确定度等相关数据；
②明确由谁在何时何处，通过何种渠道和方法收集数据；
③记录表应便于使用；
④采取有效措施，防止数据丢失和虚假数据对系统的干扰。
三、分析数据
分析数据是将收集的数据通过加工、整理和分析、使其转化为信息，通常用方法有：
老七种工具，即排列图、因果图、分层法、调查表、散步图、直方图、控制图；
新七种工具，即关联图、系统图、矩阵图、KJ法、计划评审技术、PDPC法、矩阵数据图；
四、数据分析过程的改进
数据分析是质量管理体系的基础。组织的管理者应在适当时，通过对以下问题的分析，评估其有效性：
①提供决策的信息是否充分、可信，是否存在因信息不足、失准、滞后而导致决策失误的问题；
②信息对持续改进质量管理体系、过程、产品所发挥的作用是否与期望值一致，是否在产品实现过程中有效运用数据分析；
③收集数据的目的是否明确，收集的数据是否真实和充分，信息渠道是否畅通；
④数据分析方法是否合理，是否将风险控制在可接受的范围；
⑤数据分析所需资源是否得到保障。
