在這一段時(shí)間的工作中，遭遇到了很多的問題，也嘗試了多種解決方案，最后獲得良好的效果，這也離不開同事的幫助，從中可以感悟到自身的不足，需要在以后的時(shí)間中加強(qiáng)自我的能力。下面是小編帶來的2018數(shù)據(jù)分析工作總結(jié)。

    近期主要完成了某產(chǎn)品用戶畫像分析，從9月底拿到數(shù)據(jù)，到上周輸出第三稿，中間歷時(shí)一個(gè)半月，如果從收到需求，到三稿輸出，那就超過兩個(gè)月，在這次整個(gè)分析過程中，遇到了不少問題，嘗試了使用不同方法，現(xiàn)在是時(shí)候做一個(gè)復(fù)盤、總結(jié)、反思。

    在開始階段，遇到的主要問題是客戶的要求是分析產(chǎn)品用戶畫像報(bào)告，因?yàn)闆]有直接跟客戶溝通，而需求只有簡單的一句話，我只能根據(jù)經(jīng)驗(yàn)列出要分析的要點(diǎn)，確定需要的數(shù)據(jù)維度。在我確定分析框架后，我發(fā)現(xiàn)如果按照我方的想法最后輸出的結(jié)果卻不是客戶想到的，那就白做了，所以確定分析框架后還需要客戶確認(rèn)，思路是否可行，分析方向有無異議。這個(gè)問題還算比較好解決，客戶同意了分析思路即可。

    經(jīng)過與客戶溝通后，到了第二階段，發(fā)起提數(shù)需求。這個(gè)過程總體算比較順利，客戶方數(shù)據(jù)庫工程師首先反饋了一份樣本數(shù)據(jù)，讓我方確認(rèn)數(shù)據(jù)是否正確，如正確，則提供全量樣本。數(shù)據(jù)驗(yàn)證的過程，主要是由我來完成，對(duì)樣本數(shù)據(jù)，我提出了一些疑問，對(duì)方也一一解答。當(dāng)然還有個(gè)別字段邏輯問題，我沒有發(fā)現(xiàn)，對(duì)后續(xù)的分析帶來了一些影響，造成最后能使用的維度減少，是一個(gè)遺憾。

    拿到全量數(shù)據(jù)后，對(duì)數(shù)據(jù)進(jìn)行清洗。在這個(gè)過程中發(fā)現(xiàn)數(shù)據(jù)質(zhì)量非常不理想，很多字段的缺失值占比很大，個(gè)別字段也有異常值，總體樣本中能使用的記錄銳減。一開始我的處理方法比較簡單，對(duì)缺失值占比達(dá)的字段直接不使用，帶來的后果就是輸出的第一版分析報(bào)告過于簡單。

    重新回到數(shù)據(jù)，再次對(duì)數(shù)據(jù)進(jìn)行摸底，而且也調(diào)整分析方法，嘗試使用聚類分析方法，按用戶活躍渠道，對(duì)用進(jìn)行分群，分群后，再結(jié)合其他維度，對(duì)用戶進(jìn)行描述。這一次輸出的報(bào)告還是存在一些問題，最大問題就是用戶群之間區(qū)別不明顯，只能繼續(xù)修改。中間因?yàn)橐�做另一個(gè)分析，用戶畫像分析就暫時(shí)先放一邊。

    完成另一個(gè)分析后，繼續(xù)回到產(chǎn)品用戶畫像分析，這次同事提出了一些建議，在沒有更好的思路前，我按照同事的建議第三次修改分析報(bào)告。當(dāng)然還是要先處理數(shù)據(jù)，這次我對(duì)異常值、缺失值就行了處理，異常值使用的是蓋帽法，對(duì)缺失值，在一些字段中用0填補(bǔ)，這樣增加了可使用的維度。數(shù)據(jù)清洗完后，對(duì)連續(xù)變量進(jìn)行分箱處理，這一次還是先使用聚類分析，對(duì)幾個(gè)字段進(jìn)行聚類，這樣增加了兩個(gè)大的維度，接著基于兩個(gè)大的維度，使用對(duì)應(yīng)分析方法，結(jié)合其他維度觀察變量間的關(guān)系，最后的結(jié)果顯示有部分變量之間是存在明顯的關(guān)系，有些幾乎沒有區(qū)別。數(shù)據(jù)處理完后，再次輸出分析報(bào)告。

    完成第三次分析后，我回過頭來看看分析中存在的問題，尤其是使用對(duì)應(yīng)分析，查閱了一些資料，發(fā)現(xiàn)在對(duì)應(yīng)分析中，應(yīng)該先進(jìn)行預(yù)分析。聚類分析，兩次我都是使用k-means聚類，其實(shí)還可以使用二階聚類，二階聚類適用于分類變量，這是快速聚類不適用的，我嘗試在清洗后的數(shù)據(jù)中使用二階聚類，效果尚可。

    最近恰好又在看丁亞軍老師的講課視頻，講到聚類分析，再結(jié)合我在工作中的應(yīng)用，對(duì)聚類分析方法有了新的認(rèn)識(shí)。聚類方法在剛興起的時(shí)候，是不被傳統(tǒng)的統(tǒng)計(jì)學(xué)家們接受，因?yàn)檫@個(gè)方法太簡單，沒有使用到過多的統(tǒng)計(jì)學(xué)知識(shí)。在實(shí)際的工作中，聚類使用的頻率還是很高的，尤其是在用戶分群方面，用戶特征的描述。對(duì)應(yīng)分析是第一次用到，為什么會(huì)想到使用對(duì)應(yīng)分析，主要是根據(jù)變量類型，幾個(gè)分類型變量，探究變量間的關(guān)系，除了相關(guān)分析外，對(duì)應(yīng)分析也使用，而且它的結(jié)果更直觀。

    最后能完成第三稿也要感謝同事的建議，一個(gè)人的力量是有限的，群策群力、集思廣益才能做得更好。

來源：網(wǎng)絡(luò)整理 免責(zé)聲明：本文僅限學(xué)習(xí)分享，如產(chǎn)生版權(quán)問題，請(qǐng)聯(lián)系我們及時(shí)刪除。

《2018數(shù)據(jù)分析工作總結(jié)》由互聯(lián)網(wǎng)用戶整理提供,轉(zhuǎn)載分享請(qǐng)保留原作者信息,謝謝!
鏈接地址：http://m.taixiivf.com/gongwen/195495.html

• 上一篇：2018光伏項(xiàng)目經(jīng)理的上半年工作經(jīng)驗(yàn)總結(jié)
• 下一篇：2018機(jī)關(guān)黨支部年度工作總結(jié)