互聯網也已經成熟，物聯網正在建設中。
每個人都生產數據，但只有少數人有能力玩數據。
有了數據，專家率先打開了先知的視角，我們卻連北方都摸不到！
從廣告的精準投放，到美國總統大選的預測和影響力，數據為何如此驚人？
首先，簡單的數據值
1.數據的價值
A.什麽是數據
壹切可以用電子方式記錄的東西都是數據。
這不僅限於數字，還包括語音輸入、數碼相機拍攝的照片、手機錄制的視頻以及其他電子記錄的內容。這個定義看似狹隘，但可以幫助我們更好地理解數據行業的變化，培養數據的時代觀。
b .數據有什麽用
數據對個人的價值必須與其自身業務的核心需求相關。只有明確了數據的商業價值，客戶才容易為數據付費，數據公司才容易產生收入，數據行業才會少壹些混亂。那麽，數據的價值是什麽？
我們可以從收入、支出和風險三個方面來看這個問題:
收入。最典型的例子就是百度付費搜索廣告，通過對用戶搜索數據的深入分析和精準匹配，為廣告主帶來壹大波流量，其創造的收入增長就是數據的價值。
支出。電視廠商根據物聯網技術收集的信息發現，某款電視只有1%的用戶還在使用舊的VGA視頻接口。所以他們決定取消這個接口設置，每年為企業節省上億元的成本。這也是數據分析帶來的價值。
風險。很多商業銀行都有線上申請系統，風險普遍高於線下簽約。數據分析可以幫助他們更準確地區分哪些網申好，哪些不好。這是數據以降低業務風險的方式給公司帶來的間接價值。
2.什麽是數據思維？
為了把本書中最重要的概念“數據思維”解釋清楚，我們不得不引入壹個恰當的統計學術語——回歸分析，這是壹種確定兩個或多個變量之間數量關系的統計分析方法。
古人雲:道控術，術驅道。在道的層面上，回歸分析是壹種思維方式。在它的指導下，我們可以將“業務問題”定義為“數據可分析的問題”。在“技術”層面，回歸分析是壹種可以使用的數據分析工具，將在本解讀的最後壹章介紹。
什麽樣的問題可以算是數據可分析的問題？妳需要找到兩個變量:
因變量y:因他人變化而變化的變量，是業務的核心需求。
自變量X:用於解釋因變量Y的相關變量，壹般來說，自變量X的變化影響因變量Y的變化..x代表數據分析師對業務的洞察力。
個案研究
假設A君向妳借1萬元，妳不妨從A君平時的行為分析入手，綜合考慮妳們的關系是否足夠牢固、是否簽過借條、A君的家庭情況等多種因素，來衡量A君還款的可能性。這裏，還錢的可能性是因變量y；人，關系，借條，家境都是自變量x。
數據思維就是將“業務問題”定義為“數據可分析的問題”。具體方法是在壹堆亂七八糟的業務問題中準確定位業務的核心訴求(因變量Y)，找到影響核心訴求的相關因素(自變量X)，然後利用各種數據分析工具進行進壹步研究。
在下壹章，我們將重點解決壹個問題。為什麽擁有數據思維如此重要？
二、什麽是大數據？
不了解數據分析，我們很容易神話大數據，認為它有多神奇。其實大數據並沒有那麽神秘，它和很多人接觸過的統計學有著千絲萬縷的聯系。
1.大數據和統計之間的關系
在本期節目中，王漢生教授提到，大數據和統計學之間至少有兩種關系:
A.統計關註的核心是對數據的分析和建模，通過建模對業務不確定性進行表征，這為大數據做出了巨大貢獻。
B.大數據代替不了抽樣。相反，用大數據采樣更重要。
2.大數據有多精準？
“預測不準是正常的，預測準是不正常的。”王教授的話戳破了很多人對預測的美好期待。
妳為什麽如此渴望準確？這是科學的本質。統計學研究包含了大量的相關關系，其中只有極小壹部分是非常罕見的因果關系，但是因果關系的重要性仍然是不可替代的。
相關性:客觀現象之間不確定的相互依賴關系。例句:公雞打鳴，太陽升起。
因果關系:第壹個事件(原因)和第二個事件(結果)之間的關系，其中後壹個事件被認為是前壹個事件的結果。例子:按下電源按鈕，電腦就亮了。
我們經常混淆這壹對概念，甚至有時候連關系都沒有的事件A和事件B經常壹起發生，於是盲目地認為它們有因果關系，鬧了很多笑話。
所以，識別相關性和因果性的概念，不僅是我們理解大數據的金鑰匙，也是培養科學素養的關鍵壹步——對偽科學說不！
第三，每個人都要有數據思維。
數據思維是必須的素養。因為我們生活在信息時代，某種程度上會和數據有關系。沒有數據思維，我們會像不懂炒股經濟知識的人壹樣容易被征收智商稅！
1.提高溝通效率
我們在工作中經常會遇到這樣的情況:數據專家講技術語言，需求部門講業務問題(包括可分析和不可分析的數據)，雙方的溝通總是難以順利進行。
要解決這個問題，不僅專業人員需要擺脫自身知識的魔咒，需求部門也需要克服對數據的恐懼。需要在公司內部從上到下培養數據思維。決策者要認識到什麽是與數據相關的，需求部門要有能力把核心需求說清楚。
對此，範老師形象地描述道，擁有數據思維就是“張嘴點川味豬肉”。
這樣可以大大提高溝通效率，讓數據分析的價值最大化！
2.抓住商機
另壹方面，數據思維也可能對創業者有所幫助，尤其是在那些與數據息息相關的創業項目中。擁有數據思維可以幫助創業者抓住商機，但需要經過以下三個步驟:
A.我在哪裏創業，數據能幫到我嗎？
b .如果數據重要，整理出業務中的因變量y和自變量x。
C.在戰略層面，保證Y和X的優質供給和長期積累..
3.生活中的數據思維
如果壹個人不是企業家，涉及的商業問題與數據分析無關，培養數據思維有什麽用？其實生活中大多數小事，數據思維都能啟發妳，關鍵看妳怎麽用。
首先，培養數據思維有助於妳養成壹種目標明確的思維習慣:分析的目的是什麽？核心訴求是什麽？因變量y是什麽？
其次，理解了目的之後，就可以專註於相關的自變量X，就不會陷入“看什麽都是關鍵”的困惑。
最後，妳可以嘗試最簡單的分析，拋開專業建模，至少妳可以分辨出哪些是相關的，哪些是因果的。
第四，各種數據分析方法
看完這個妳對數據分析產生興趣了嗎？本書還介紹了幾種常用的數據分析工具。有興趣可以研究壹下，嘗試用它們來解決數據分析的問題。
1.回歸分析
在技術層面上，回歸分析是各種統計模型。主要有五種類型:線性回歸、0-1回歸、有序回歸、計數回歸和生存回歸。
線性回歸，更嚴格地說，是壹種普通的線性回歸。其主要特點是因變量Y必須是連續數據，對解釋變量X沒有太大要求..在數據世界中，線性回歸可以應用於股票投資、客戶終身價值、醫療保健等領域。
0-1回歸是因變量Y為0-1數據(只有兩個可能值)的回歸分析模型。比如性別只有“男”或“女”。購買決策只有“買”或“不買”。癌癥的診斷只有“癌”或“非癌”。0-1回歸可應用於互聯網信用查詢、個性化推薦、社交好友推薦等。
有序回歸是因變量y為有序數據(與順序相關的數據)的回歸分析模型。例如，現在請評價本期作者的出席情況。根據他們的喜好，1表示非常喜歡，2表示有點喜歡，3表示感覺壹般，4表示有點不喜歡，5表示不太喜歡。這是壹種測序數據。有序回歸常見的應用場景有:電影評分(1~5星)；電商產品滿意度得分(1~5星)等。
計數回歸。如果因變量y是計數型數據(非負整數)，那麽對應的回歸分析模型就是計數型回歸。計數回歸常用於:客戶關系管理中的RFM模型，即壹定時期內客戶來訪的次數；在二胎政策的研究中，壹對夫婦選擇生育的孩子數量。
生存回歸是生存數據回歸的簡稱，即因變量y是生存數據(描述壹個現象或個體存活了多久)的回歸分析模型，如人的壽命、電子產品的使用壽命、創業公司的持續時間等。
2.數據可視化
最基本的數據可視化方法是統計圖，壹個好的統計圖應該滿足四個標準:準確、有效、簡潔、美觀。常見的統計圖有:直方圖、堆積直方圖、餅圖、直方圖、折線圖、散點圖、箱線圖、莖葉圖等。
3.機器學習
機器學習代表了壹大類優秀的數據模型分析方法，是立誌成為數據科學家的愛書人的必修課。主要涉及樸素貝葉斯、決策樹(包括隨機森林)、神經網絡(包括深度學習)、K-means聚類等方法。
4.非結構化數據
數據是結構化還是非結構化是壹個相對的主觀概念。當然也有壹部分達成了* * *理解，認可的非結構化數據包括中文文本、數據結構、圖像等等。
個案研究
非結構化的文本數據並不意味著我們不能分析它。以《倚天屠龍記》為例。張無忌最愛誰，趙敏，周芷若，李因還是小昭？這本書用數據分析的方法得到答案！
第壹步，提取小說的主要人物及其標題。接下來，確定分析單元，這裏是自然段。那麽張無忌到底愛誰呢？如何定義為數據可分析問題？在本書中，從出現頻率、出現時間、親密程度等不同角度對人物進行了分析。這裏最重要的親密度分析用他們和張無忌在同壹個自然段(同壹時間)出現的次數來簡述:
正所謂時間久了見真情，從這方面來說，張無忌與趙敏近距離接觸的機會最多，也最有可能愛上趙敏。
註:本案詳情可從微信微信官方賬號熊俱樂部(ID: clubear)獲取。
標簽
這是壹本可以提高認知的書。它沒有給妳帶來多少方法論，也不能馬上改變妳的人生。就連聽書的時候也會覺得有點費力。但是，偶爾走出自己的舒適區，嘗試去理解以前不敢碰的理科問題，然後驚喜地發現“哦！原來如此！”這對我們來說難道不是壹種進步嗎？
作者簡介
王漢生
北京大學光華管理學院商業統計與計量經濟學系教授、博士生導師兼系主任，北京大學商業智能研究中心主任，微信微信官方賬號“熊俱樂部”創始人。美國統計學會研究員(2014)，國家傑出青年基金獲得者(2016)，《JASA》、《JBES》、《中國科學:數學》主編。
京華渡劫
以下內容為數據思維的本質解讀，供書友參考。歡迎分享，未經允許不得用於商業用途。
目錄
首先，簡單的數據值
二、什麽是大數據？
第三，每個人都要有數據思維。
第四，各種數據分析方法
上導軌軸承
壹輛車遇到摸不著北的司機，再大的發動機也到不了目的地。大數據也是如此。如果沒有把商業問題變成數據可分析問題的數據思維，再神話的大數據也無法創造商業價值。
大數據很火，真正知道怎麽做的人少之又少。王漢生教授就是其中之壹。在喧囂的新媒體語境下，王教授以真誠求實的學術氣質，找到了壹條幫助我們在工作和生活中發展數據思維的新路。