gse數據集是什么意思？地理系列(GS把數據變得可用需要經過的步驟？1.數據收集:根據獲得的數據，提取數據的特征信息，并將收集到的信息存儲在數據庫中。為數據存儲和管理選擇合適的數據倉庫類型。2.數據集

gse數據集是什么意思？

地理系列(GS

把數據變得可用需要經過的步驟？

1.數據收集:根據獲得的數據，提取數據的特征信息，并將收集到的信息存儲在數據庫中。為數據存儲和管理選擇合適的數據倉庫類型。

2.數據集成:對不同來源和格式的數據進行分類。

3.數據規(guī)范:當數據的量和值比較大時，我們可以利用規(guī)范技術得到數據集的規(guī)范表示，比如(數據值-數據平均值)/數據方差，這意味著數據小很多但接近原始數據的完整性，規(guī)范后的數據挖掘結果與規(guī)范前基本相同。

4.數據清洗:有些數據是不完整的，如:有些有缺失值(值不存在)，有些包含噪音(錯誤，孤立點)，有些不一致(如不同公司等。).我們可以用工具清理數據，得到完整、正確、一致的數據。

5.數據轉換:通過平滑聚合、數據泛化和標準化，將數據轉換成適合數據挖掘的數據集。

6.特征提取或特征選擇:特征提取多用于計算機視覺和圖像處理。特征選擇是提出不相關和冗余的特征，防止過擬合，提高模型精度。常用的方法有PCA等。

7.數據挖掘過程:分析數據倉庫中的數據信息，選擇合適的數據挖掘工具，應用統(tǒng)計方法，使用相應的數據挖掘算法。。

8.從業(yè)務上驗證數據分析和數據挖掘結果的正確性。

9.知識表示，將數據挖掘的結果以可視化的呈現給用戶。

怎么分析數據？

1.結構分析法:看整體的構成和分布，逐層拆解。

2.分組分析法:按照某個具體維度細分拆卸。

3.對比分析，同比，環(huán)比，同行業(yè)，同品類等。

4.時間序列趨勢法:查看時間趨勢。

5.相關性分析方法:相關性和因果性。

分析模型

對于一些簡單的模型，確實可以通過常見的分析方法得出一些一般性的結論，但是在實際工作中，并不是單一的問題，往往是一些符合性的問題，所以要考慮的方面也會增加:

要解決的問題涉及到那些維度的數據；

從數據分析師的角度來看，這個問題有一個通用的解決方案或者需要重新研究。

從原始數據集到分析數據是否需要處理。

而所有的模型都是為了更好的解決問題。

RFM分類模型

R(recency)，最后一次消費時間，指示用戶。上次你花的時間比現在多，時間越近，客戶的價值越大。

f(頻率)消費頻率是指用戶在統(tǒng)計周期內的購買次數。頻率越高，值越大。

m(貨幣)消費金額:指統(tǒng)計期內消費的總額，金額越大，數值越高。

通過數據的標準化發(fā)送權重設置，對分類模型進行評分，比如餐廳的單價，20元以下的普通用戶。

20-30個好用戶，40個以上優(yōu)秀用戶，所有指標都可以用這個方法標準化。

中位數法常用于定義分支。

最晚消費時間，一般是一周或一個月，結合經營情況。

這種模式的本質是篩選頭部用戶，專注運營。

AARRR成長模型，了解模型就好，實際需要結合自己的業(yè)務。

A:得到A:當天活躍，R:明天繼續(xù)活躍，R:增加收入，R:提高自我溝通。

模型的主要功能是可以從那些點快速理清增長，找到突破點。

5W2H通用型號

生活中的聊天都是圍繞這幾點展開的，這個模型可以幫助我們快速確定一個問題。

用戶生命周期模型

互聯網行業(yè)往往可以跟蹤每個階段的用戶，每個階段應該有不同的運營策略和發(fā)展方向。對于分析師來說，要及時識別。

對模型有所了解，從而知道什么時候用，怎么用。