近年来，向我请教如何快速成为数据分析人员的朋友越来越多。其实学习没有捷径，先来看看合格的数据分析师需要具备哪些能力。
根据《数据科学实战》一书，合格的数据分析师需要一定的数学、统计学和计算机能力，以及数据处理、建模、可视化等扩展能力，还需熟练掌握一门工具，将想法迅速实现。R和Python都是不错的选择，若从事数据分析、挖掘相关工作，建议首选R，其丰富的扩展包能高效完成数据处理与建模，让你更专注于业务和数据本身。
在数据处理方面，R在数据概要、变换、清洗和抽样等环节都有丰富选择。以ggplot2自带的钻石数据集为例，抽取1000个样本，研究carat（克拉数）与price（价格）的分布及关系。两者均呈严重不对称分布，用log函数进行对数转换后，正态密度曲线对称很多。对比建模效果，原始数据线性回归的R平方为0.8532，对数转换后为0.9345，说明后者拟合更好，散点也更集中在回归线上。
完成数据处理后即可建模分析。R拥有丰富的算法包，ICDM在2006年评选的数据挖掘十大经典算法（C4.5、k-Means、SVM、Apriori、EM、PageRank、AdaBoost、kNN、Naive Bayes、CART）在R中均有对应函数实现。以聚类和关联规则为例，kmeans函数可实现k-均值聚类，hclust函数可实现层次聚类，arules函数可构建关联规则，arulesViz包中的plot函数可对规则进行可视化。
当然，做数据分析需结合业务，构建适合业务的模型，不一定非要用复杂算法。简单的技术同样能得出有价值的知识。例如对新增用户、ARPPU、次日留存率绘制气泡图，可查看不同渠道的新增用户质量：渠道10日均新增最少但次日留存最高，用户黏性好；渠道8付费能力最强；渠道5留存率仅27.86%，用户质量较差。
更一般地，可将电信、金融行业的四象限图（Median-IQR）用于游戏数据，分析ARPPU、ARPU、新增次日和七日留存率等指标。中位数作为中心统计量、四分位距作为离散统计量，在有离群值时更稳健。据此可判断：渠道H属低价值用户；渠道A和C用户黏性高且稳定；渠道D留存率波动大，可能存在刷量。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70051142/viewspace-3184699/ ，如需转载，请注明出处，否则将追究法律责任。
