Python数据分析师自学（01）

Python数据分析师

大家好！在大数据时代，数据分析师成为了不可或缺的热门行业，数据的处理分析能力也成为计算机人才的全面能力要求，所以，小远想与大家一起学习进步掌握洞察数据的能力，希望喜欢和选择这个行业的我们都可以潜下心来专心学习！

进行数据分析需要的一些能力与天赋：

• 中观能力：真正的专业程度，不仅包括理论知识，更重要的是可以实践上手，作出真正的成果的能力。

• 微观能力：有效的沟通力和快速的发散力和理解力，找到问题的切入点，快速的解决业务方问题。

• 宏观能力：将当前业务与实际社会热点，行业风口相联系，提前预判，做出更好的决策。

实例引入一：京东App产品分析

分析角度：

• 如何看待京东App

• 整体数据分发效率

• 漏斗分析

• 新用户分析

1. 如何看待京东App

• 引流（界面）

• 漏斗（货）

• 用户（人）

2. 整体数据分发效率

• CTR：CTR=点击UV/曝光UV，反应用户点击欲望的指标

  点击UV：每天有多少用户点击进入页面

  曝光UV：每天有多少用户看到了页面

• 人均访问页面数：总访问页面数（PV）/总访问UV

  总访问页面数PV：点击所有也买呢次数总和

  总访问UV：点击页面的人数总和

3. 漏斗分析

• 搜索主界面uv：引流渠道

• 店面uv：热点，搜索

• 详情页uv：客服，评论，设计

• 加入购物车uv：尺寸，颜色

• 提交订单uv：地点

• 收银台uv：收银方式

• 交易成功uv

4. 新用户分析

• 优惠卷的分发

• 文案

• 用户来源

实例引入二：芝麻信用分建模

分析角度：

• 背景

• 授信模型

• 模型落地

1. 背景

数据分析师在金融行业基本上有两种角色：

• 数据建模师：对算法的理解较深

• 风控分析师：在专业的基础上了解大量的行情和法律法规

互联网金融在产品对象上分为to B 和to C

• to B：对企业整体进行信用评估

• to C：对个人的个人信用分

2. 授权模型

模型内容：

• 身份特质

• 行为偏好

• 人脉关系

• 信用历史

• 履约能力

数据处理：

• 检验数据的合理性，有效性，缺失性

• 字符串字段处理

• 数据标准化

建立拟合模型：

y=F(x1,x2,x3,x4,x5)

模型评估与优化：

查准率+查全率

ROC曲线下的面积AUC>0.6

不断的在运行周期中进行优化

3. 模型落地

在基础的任务做完之后，芝麻信用就可申请招联金融信用额度，与别的公司进行合作。

• 公司提供用户信息，芝麻信用给出反馈预测

• 公司根据预测的概率来估计模型的准确度

• 如果模型的准确率达到公司的要求双方则可能合作

一起学习的小伙伴可以互关哦～