
数据分析与数据挖掘,你了解多少
1.数据挖掘与数据分析在实际工作中,真的有很大区别甚至是区别吗?我知道一些定义,比如数据分析偏重于统计,而数据挖掘的工作是分类,聚类,是信息的提炼,但是实际工作中是不是往往两方面都在做?分不清,分不开。
答:第一个问号你指哪方面有区别?第二个问号,实际工作中是“谁”两方面都在做?
给些提示:实际工作中,数据挖掘通常后面跟的是工程师(engineer),而数据分析,英文是analyst。通常,一个人或者是分析师,或者是挖掘工程师,不会同时是两个角色,至少会有所侧重。
2.有些单位(互联网、软件)找数据方面的人会要求编程比如python,R,hadoop等。有些则似乎要求的是应用,比如spss,sas,modeler(过去叫clementine)等。是不是编程的那部分人使网站能动态的响应,而应用的那部分人的工作是通过了解分析改善运营跟业务状况?是不是有些公司把这部分人叫做需求分析师,业务分析师等?
答:数据方面的人,这个用词反映出你对实际工作确实了解不多。什么叫“数据方面的人”?数据有很多方面,因而也会有很多方面的人。我的理解是,你说到的编程,更偏基础层建设,而你提到的应用,是基于基础层进行的应用,属于analyst范畴。
3 针对与2所提问及的搞应用的人,现在的公司真的有对他们的分析结构给予足够重视吗?这部分人一般在什么部门?岗位多吗?
答:分析结果公司是否给予足够重视,这个问题还是太大,因而很那回答。我来解构一下:谁代表公司?业务方吗?业务方的什么级别的人呢?进而,假设你的分析结果是给业务部门的总经理做汇报,那么你的分析结论真的对总经理的工作有助益吗?如果回答为是,我想总经理会重视的。而如果你的分析结果没到总经理关注的层面,一来你可能没有机会把结论晒给总经理,你是否会得出结论这家公司不重视你的分析
这部分人的分布通常可能是这样:大型公司会有独立的BI部门(商业智能部),这部分人集中于此;某些小公司,这部分人直接归属在业务部门,比如运营部、销售部,甚至财务部等。
4 对于整个数据分析/数据挖掘,你们觉得是一次概念炒作,又或是我们遇到了大数据/云时代,所以有比很大的应用前景?
答:又是个很大的问题,前景二字,不用管概念如何炒作,你总能判断出来人类未来的决策会越来越依赖信息,即越来越依赖数据的产出。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26