数据分析学什么重要？数据分析有多重要
数据分析学什么重要？数据分析有多重要–不同菜品的组合效果？–不同时段的畅销菜？–有数据，如何发现商机，提取价值查漏补缺。目前能 做的是简单的排序和统计，很大程度上依赖于管理人员的个人经验，而如何脱离人治的风险，是数据挖掘 重点关注的问题。–推出什么菜系？–顾客各自的偏好如何？
案例一引入：一、某知名连锁餐饮企业的困惑
•背景：
–成立于1998年，粤菜，16家分店，1000多员工，行业利润下降，引入了信息化系统，包括客户关系管理系统、前厅管理系统、后厨管理系统、财务管理系统、物资管理系统
•问题：
–有数据，如何发现商机，提取价值查漏补缺。目前能 做的是简单的排序和统计，很大程度上依赖于管理人员的个人经验，而如何脱离人治的风险，是数据挖掘 重点关注的问题。
–推出什么菜系？
–顾客各自的偏好如何？
–不同时段的畅销菜？
–不同菜品的组合效果？
–未来菜品的销量，未来原材料的供应？
–等等
（出处：PYTHON数据分析与挖掘实践）
•目的：
–实现菜品智能推荐、促销效果实时分析、 客户价值分析、新店选址优化、热销滞销 菜品分析和销量趋势预测等，将分析结果 推送给管理者和服务人员，降低运营成本 增加盈利能力，实现精准营销。提供智能 服务支持。
案例二引入：
7:00-12:00
14:00-22：00
二、数据分析人才需求
最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡。
麦肯锡称：“数据，已经渗透到当今每一个 行业和业务职能领域，成为重要的生产因素。人 们对于海量数据的挖掘和运用，预示着新一波生 产率增长和消费者盈余浪潮的到来。”
随着一系列标志性事件的发生和建立，人们越发感觉到大 数据时代的力量。因此2013年被许多国外媒体和专家称为 “大数据元年”。
当今“大社会”，三分技术，七分数据，得数据者得天下。
三、大数据时代到来的必然性：
•硬件成本的降低
•网络带宽的提升
•云计算的兴起
•网络技术的发展
•智能终端的普及
•电子商务、社交网络、
电子地图等的全面应用
•物联网
我国网民数量居世界之首，每天产生的数据量也位于世界前列。
淘宝网站：单日数据产生量超过5万GB ；
百度公司：存储量4000万GB；目前数据总量10亿GB；存储网页1万亿页；每天大约要处理60亿次搜索请求；
一个8Mbps的摄像头：一小时能产生3.6GB的数据；一个城市每月产生的数据达上千万GB；
医院：一个病人的CT影像数据量达几十GB；全国每年需保存的数据达上百亿GB；
洞悉本质 预测未来 是人永恒的需求 也是数据分析的价值所在。技术的发展使数据记录成本不断降低 数据量急速扩张 数据分析为整个人类社会所带来的价值也被不断凸显。
数据分析：你跟，或者不跟我，我的手就在你手里，不舍不弃。
数据分析的神奇
数据分析的神奇
四、大数据发展面临的问题
- 企业基础大数据理念匮乏，关注大数据，却无从下手！
- 陷入误区，缺少数据分析本质，精准，决策无从谈起！
- 存在多概念、少实战的现象 不接地气，无法让企业受益!
- 人才紧缺，数据分析人才与执业事务所数量无法满足市场需求
五、数据分析人才需求现状
然而，在2017年的世界物联网大会上，马云提到：未来的数据分析师都将被人工智能取代。
作为一个数据分析刚刚入行的新人，听到这句 话时顿时感觉恐慌，自己即将要被替代掉了吗？
思考：a、数据分析这个职位到底是什么？
百度关键词“数据分析师”的搜索趋势
企业需要的的是通过数据产出对企业发展有驱动价值的信息。 而数据分析师则充当了中间的这个信息转换的角色，将数据 信息转化为发展决策信息。
b.人工智能可以替代掉的是哪些人？
人工智能作为一门计算科学，它所做的事就是从过去的事物之间找到一 定的规律，并以此来确定当下自己面临的事应该如何去做，它的决策基 础是数据，是概率。
•2000年，高盛在纽约总部的美国股票交易柜台雇佣 了600名交易员，根据投资银行大客户的订单买卖 股票。如今，他们只剩下了两个股票交易员。高盛 新消费贷款平台——马库斯。该平台完全由软件运 行，无人为干预，旨在整合信用卡余额。
•麦肯锡全球研究院在今年1月推出的一份报告中称， 金融和保险领域的工作，有43%的可能性会被自动 化替代。
•据《MIT科技评论》介绍，金融行业的自动化得益 于复杂交易算法的应用，部分软件还具有机器学习的能力。这些软件先应用在了价格容易确定的交易上，比如高盛600名股票交易员的工作。
•2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋 手李世石进行围棋人机大战，以4比1的总比分获胜
•2016年末2017年初，该程序在中国棋类网站上以"大师
"(Master)为注册帐号与中日韩数十位围棋高手进行快棋 对决，连续60局无一败绩
•2017年5月，在中国乌镇围棋峰会上，它与排名世界第 一的世界围棋冠军柯洁对战，以3比0的总比分获胜
•围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶 尖水平，在GoRatings网站公布的世界职业围棋排名中， 其等级分曾超过排名人类第一的棋手柯洁
•对于很多重复性的工作，人工智能可以很快的学会(人工智能战胜国际象棋、围棋专家)，通过我们过往的一些操作数据，人工智能可以就可以以此来当 做自己的经验，飞速学习，然后掌握这个技能。
•就比如说之前百科词条里面的数据收集，整理，这 些可以说都是一些内容相对固定，切重复性高的工 作，人工智能可以轻松学会。包括我们的一些简单 的分析，比如趋势分析展示，简单的数据报告等都 可以被人工智能取代。
•举例
小王是某公司的一名数据分析师，每天他都需要向领导出一份 数据报告，报告今天产品的数据波动。于是乎，小王通过数据 库，提取了今天的用户活跃数据，然后将这些数据导入了Excel 当中，通过Excel他做了一份统计图表，反映今天的用户活跃时 长同比，环比，各个渠道的转化情况等，然后递交给领导，日 复一日。突然有一天领导指着用户增长数据表上的一个数据下 降拐点问小王，这个点的数据是怎么回事啊？小王一脸懵逼， 只知道数据说本身本身就是这个样子。后来一个月后，小王被 辞退了，公司购买了一套BI报表系统，日报，周报，月报，实 时数据后可以看，老板觉得这个BI系统好用多了，就这样小王 这个数据分析师就被人工智能替代了。
•上面的场景当下正在上演，未来也会有更 多类似的场景上演，那些重复性的劳动迟 早都会被人工智能替代。
•反观一下自己的工作，有哪些是高重复性 的呢？包括取数，做报表，一些简单的回 归预测等等，人工智能完全可以做的更好。
c.作为数据分析人，我们应当如何避免自己被 替代？
1.拓宽自己的知识面，既要走进数据当中去，又要大胆从数据中走出来：
数据是客观的，而理解数据则是主观，当我们对业务，对行业， 对用户有不一样的理解时，我们解读数据的角度和深度也是自 然不一样，而这些所依靠的就是一个广阔的知识面。
2.战略管理、营销学、经济学、社会心理学等知识多了解一些，加深自己对用户行为的理解：
通过拓宽这些知识，并不断加以应用，我们对用户的理解自然会加深，我们也更加能明白用户行为以及背后的为什么？
3.拥抱新技术，新变化，用新技术武装自己：
人工智能是一门系统的学问，我们不能说随随便便的就掌握它。 但是我们可以去了解它，应用它。比如机器学习算法，作为数 据分析师，我们可能无需深刻理解它的含义，但我们可以学会 使用它。
总结：专业知识 数据分析思维 专业工具
1、专业知识：
包括业务知识，战略管理、营销学、经 济学、社会心理学等方面的知识
2、数据分析思维：
数据分析流程，每个流程需要注意的事 项，大数据思维等
3、专业工具：
对模型和算法的理解和适用场景，软件 的基本操作，结果的解读等
