1、SEMMA 的基本思想是从样本数据开始，通过统计分析与可视化技术，发现并转换最有价值的预测变量，根据变量进行构建模型，并检验模型的可用性和准确性。【强调探索性】

2、CRISP-DM模型Cross Industry Standard Process of Data Mining，被称为跨产业的数据挖掘标准流程
商业理解：其目的是要了解企业的整个运作过程。商业理解的作用主要是确定题目，即通过数据挖掘想要解决什么问题。【强调商业性】

数据理解：检查解决问题所需要的数据是否收集齐全，若没有则退回到商业理解这一步。

数据预处理：对收集到的数据进行处理，此阶段耗时最长。

建模：建立模型，若结果不好，则退回到数据预处理这一步，进行相应的调整。

评估：评估结果好就可以实施，评估结果不好就直接退回到商业理解这一步，重新开始。

实施：模型的实际应用。

3、数据分析的基本流程为以下6步曲：

问题定义、数据获取、数据预处理、数据分析与建模、数据可视化、数据报告的撰写。

4、EXCEL常用函数：

日期函数：

EDATE 函数用于计算某个日期之前或之后的月份数。它的基本语法如下：

EDATE(start_date, months)

=EDATE("2024-01-01", 1) 返回 “2024-02-01”，即2024年1月1日加上1个月后的日期

• start_date：起始日期。
• months：你想要添加或减去的月份数。正值表示添加月份，负值表示减去月份。

EOMONTH 函数用于计算某个日期所在月份的最后一天。它的基本语法如下：

=EOMONTH("2024-01-15", 5) 返回 "2024-06-30”，即2024年1月15日所在月份的最后一天

5、主键的业务意义：

表的业务记录单位，数据表中的非主键字段都要围绕主键展开，具备相关性。

6、ETL功能：Extract-Transform-Load，将数据从数据源端经过提取、清洗转换之后加载到数据仓库。

E：创建于数据源的连接，对数据进行引用

T：清洗–筛选过滤不完整、错误及重复的数据记录，转换–‘粒度’不一致、业务规则不一致

L：加载到数据仓库中存储和使用

7、from>where>group by >having >select >order by

8、开窗函数

实体完整性是是指每个表都有唯一的标识符–主键，主键不能为空或重复。

参照完整性是指外键的取值必须是另一个表的有效值或空值。

用户定义完整性是指满足用户的某个需求，字段不为空等。

域完整性约束：域代表当前单元格，限制此单元格的数据正确。

9、集中趋势的描述 – 平均指标 各种数（众数、中位数、分位数、平均数）

大蒜有几条 算术>=几何>=调和平均数

离散程度的描述（各种差）–变异指标（极差、平均差、方差、四分位差、标准差、离散系数即变异系数）

描述性统计图表：直方图、散点图、箱线图

10、箱线图：
在Q3+1.5IQR和Q1－1.5IQR处画两条与中位线一样的线段，这两条线段为异常值截断点，称其为内限；在Q3+3IQR和Q1－3IQR处画两条线段，称其为外限。处于内限以外位置的点表示的数据都是异常值，其中在内限与外限之间的异常值为温和的异常值（mild outliers），在外限以外的为极端的异常值(extreme outliers)。四分位距IQR=Q3-Q1。

统计分布：两点分布、二项分布、正态分布、卡方、t分布、F分布

相关关系：散点图、线性、正相关、协方差、相关系数

参数估计

95% 对应 1.96

90% 对应 1.645

汇总规则

单向，只能一表筛选多表

双向，多表可以筛选一表，但是用规则二

基本透视规则：合计、计数、平均、最大最小值

什么是指标？

基本指标：求和类（常规求和、累计求和、时间维度下累计指标）、计数类、比较类（差异百分比、均比、定基比增长率、同环比增长率）
场景指标：

可视化报表和业务分析报告的差异：

RFM模型

重要价值用户–保持现状

重要发展用户–提升频次

重要保持用户–用户回流

重要挽留用户–重点召回

业务分析决策树

1.比较类

图表–油量表、进度图、柱图、条形图、雷达图、词云图、树状图、地图

2.序列类

图表（连续、有序类别的数据波动）折线图、面积图、柱图、漏斗图

3.构成类

图表–环状图、饼图、堆积图、瀑布图

4.描述类

图表–直方图、盒须图、气泡图、散点图

报告撰写流程： 业务理解→数据收集→数据处理→数据分析→图表制作→报告绘制