目录
[1.1 什么是数据分析](#1.1 什么是数据分析)
[1.2 数据分析的重要性](#1.2 数据分析的重要性)
[1.3 数据分析的基本流程](#1.3 数据分析的基本流程)
[1.4 数据分析的应用场景](#1.4 数据分析的应用场景)
[2.1 编辑器安装](#2.1 编辑器安装)
[2.2 Jupyter快捷使用](#2.2 Jupyter快捷使用)
一、了解数据分析
学习数据分析，先要掌握数据分析的工具，python则是数据分析工具的首选，接下来就让我们开启数据分析之旅，体验数据之美。
1.1 什么是数据分析
1、数据分析师利用数学，统计学理论与实践相结合的科学统计分析方法，对Excel数据，数据库中的数据，网页抓取的数据进行分析，从中提取有价值的信息，并形成结论进行展示得到过程。
2、数据分析实际就是通过总结数据的规律来解决业务问题，以帮助在实际工作中的管理者做出判断和决策
3、数据分析包括以下几个主要内容：
-
现状分析：分析已经发生了什么
-
原因分析：分析为什么会发生这种状况
-
预测分析：预测未来可能发生什么
1.2 数据分析的重要性
1、大数据，人工智能时代的来临，数据分析无处不在，数据分析帮助人们做出判断，以便采取适当的措施，发现机遇，创造新的商业价值，以及发现企业自身的问题和预测企业的未来。
2、在实际的工作中，无论从事哪种行业，哪种岗位，从数据分析师、市场经营策划、销售运营、财务管理、人力资源、金融等行业，数据分析都是基本功，不单单是一个职位，而是职场必备技能，能掌握一定的数据分析技能必然是职场的加分项。
1.3 数据分析的基本流程
-
数据分析的基本过程分为：提出问题、明确目的、数据清洗、构建模型、数据可视化。
-
提出问题：明确分析目的
-
明确目的：分析什么、想要表达什么样的效果
-
数据清洗：重置标签名，缺失值处理，数据类型转换，数据排序，异常值处理
-
数据获取
数据的来源有很多，像我们熟悉的电子表格数据，数据库中的数据，网站中的数据以及公开的数据等
那么获取数据之前首先要知道什么时间段的数据、那张表中的数据、以及如何获取，是下载，复制还是爬取。。。
数据处理
数据处理是从大量、杂乱无章、难以理解、缺失的数据中，抽取并推导出对解决问题有价值，有意义的数据，数据分析主要包括：数据规约、数据清洗、数据加工等处理方法
1.4 数据分析的应用场景
客户分析
主要是客户的基本数据信息进行商业行为分析，首先界定目标客户 ，根据客户的需求，目标客户的性质，所处行业的特征以及客户的经济状况等基本信息使用统计分析方法和预测验证法，分析目标客户，提高销售效率。 其次了解客户的采购过程 ，根据客户采购类型、采购性质进行分类分析制定不同的营销策略。 最后还可以根据已有的客户特征，进行客户特征分析、客户忠诚分析、客户注意力分析、客户营销分析和客户收益分析。
*
营销分析
主要包含了产品分析，价格分析，渠道分析，广告与促销分析这四类分析。 产品分析 主要是竞争产品分析，通过对竞争产品的分析制定自身产品策略。 价格分析又可以分为成本分析和售价分析，成本分析的目的是降低不必要成本，售价分析的目的是制定符合市场的价格。 渠道分析 目的是指对产品的销售渠道进行分析，确定最优的渠道配比。 广告与促销分析则能够结合客户分析，实现销量的提升，利润的增加。
二、数据分析工具
jupyter
Jupyter Notebook将代码、说明文本、数学方程式、数据可视化图表等内容全部组合到一起显示在一个共享的文档中，可以实现一边写代码一边记录，而这些功能是Python自带的IDLE和集成开发环境PyCharm无法比拟的。
2.1 编辑器安装
pip install jupyter
pip install notebook
pip install ipython-
启动编辑器
-
打开DOS界面，(CD到代码存放目录)输入jupyter notebook，即可在默认浏览器启动
-
若没有启动，可复制DOS界面出现的地址，手动打开
-
2.2 Jupyter快捷使用
-
Shift-Enter : 运行本单元，选中下个单元
-
Ctrl-Enter : 运行本单元
-
Alt-Enter : 运行本单元，在其下插入新单元
命令模式：按下ESC进入
-
Y ：cell切换到Code模式
-
M：cell切换到Markdown模式
-
A：在当前cell的上面添加cell
-
B：在当前cell的下面添加cell