读书笔记
数据化运营速成手册
第一章

这本书，大概翻了一遍，感觉还不错，作者结合自身经验从实际问题角度出发给我们介绍了数据化运营、数据分析，书中图表、分析模型都是基于Excel的，不需要学习其他的工具，对于我们上手来说很简单。后面就让我们跟随作者的脚步，一步一步来学习下。

对于数据分析、数据化运营来说，最终的表现形式可能是一份数据分析报告，都说“字不如表，表不如图”，所以报告中可能会是各种图表，然而，是不是所有的报告或者需求都需要使用图表呢？这是我们首先要判断的问题。

真的要做图吗？

我们拿到一个需求，面对收集好的数据，我们首先要思考的是：真的要做图吗？
有时候，文字报告或者一个表格的表达效果会比图表好得多。
我们最终的目的，其实是准确传达信息或者解决业务方的疑问，不要盲目的认为图表一定是最好的。

• 短期内了解性需求
  一些临时性的了解某个指标实际情况的需求：“近一个月的日活、上个月的支出”，我们只要提供准确的数据就好了。
• 多维度相互组合的需求
  这里说的就是指标涉及的维度比较多，用图表没有办法准确的传达信息，作者有举一个具体的例子:

  老板说他想看上个月各个城市中VIP客户和非VIP客户数量的对比和同比上上月的情况。

基础数据是这样的

转化成图表可能会是这样，图看上去还不错

上面的折线图用的不太妥，折线图一般可能用在时间序列上或者具有演进关系的，而地区之间并没有这种演进关系，当然，我们可以改一下图表：

常见图表介绍及实例

什么是直方图

直方图(Histogram)又称质量分布图。是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型，纵轴表示分布情况。
为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。 这些值通常被指定为连续的，不重叠的变量间隔。 间隔必须相邻，并且通常是（但不是必须的）相等的大小。

直方图一开始可能是应用在工业生产领域，来做质量评估，判断生产稳定性

组数：在统计数据时，我们把数据按照不同的范围分成几个组，分成的组的个数称为组数。
组距：每一组两个端点的差。

作用（优势）

1. 显示数据波动状态
2. 直观的表达数据分布趋势
3. 方便找到应该关注的点

我们日常生活中，经常会遇到平均数像什么平均工资，平均身高，平均成绩之类的，曾经在课上学习的相关知识估计早就忘记了，这里我们就来回顾下。
(下面部分介绍及例子摘自百度百科)

基本概念

算术平均数(arithmetic mean)

通常我们说的平均数都是“算术平均数”：平均成绩、平均身高、平均收入…

一组数据中所有数据之和再除以这组数据的个数，他反映一组数据的集中趋势
– 百度百科

加权算术平均数

加权平均值即将各数值乘以相应的权数，然后加总求和得到总体值，再除以总的单位数。

这个表示每个数据都有一个权重，也比较常见，比如：

通常我们再绩效考核中，有自评、领导评价，领导的评价一般权重较高，

MySQL
每周练习答案

这里和大家分享下本周练习题的一种解题思路

将题目简化一下，其实就是实现这样一个功能：

我们将使用逗号分隔的数据，拆分为多行数据，熟悉MySQL的同学，可能会想到，这有点儿像group_concat函数，但这是他的逆过程

测试数据

1
2
3
4
5
6
7
8
9
10
11

create table tm_company(
  company_name varchar(10),
  company_industry varchar(20)
);
insert into tm_company(company_name,company_industry) values('A公司','移动互联网,金融');
insert into tm_company(company_name,company_industry) values('B公司','移动互联网');
insert into tm_company(company_name,company_industry) values('C公司','教育,招聘,魔法');
select *from tm_company;

MySQL
每周练习

本周我们来一道数据处理的练习题。

数据背景

不知道大家学会爬虫了没，拉勾网的数据大家会爬取了吗？这道题和拉勾网有关哦。
假设你已经学会爬取数据了，可以将数据爬取下来，数据可能是这个样子(demo库中的tm_lagou_data表)：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

CREATE TABLE `tm_lagou_data` (
  `city` varchar(20) DEFAULT NULL COMMENT '城市',
  `company_short_name` varchar(100) DEFAULT NULL COMMENT '公司简称',
  `company_full_name` varchar(200) DEFAULT NULL COMMENT '公司全称',
  `company_industry` varchar(100) DEFAULT NULL COMMENT '所属行业',
  `company_location` varchar(100) DEFAULT NULL COMMENT '工作地点',
  `position_advantage` varchar(100) DEFAULT NULL COMMENT '岗位特点',
  `position_salary` varchar(20) DEFAULT NULL COMMENT '薪资',
  `position_workyear` varchar(20) DEFAULT NULL COMMENT '工作经验',
  `position_name` varchar(50) DEFAULT NULL COMMENT '职位名称',
  `position_first_type` varchar(100) DEFAULT NULL COMMENT '岗位类型-大类',
  `position_second_type` varchar(100) DEFAULT NULL COMMENT '岗位类型-小类',
  `position_lables` varchar(100) DEFAULT NULL COMMENT '岗位标签',
  `position_id` varchar(20) DEFAULT NULL COMMENT '岗位ID',
  `create_time` datetime DEFAULT NULL COMMENT '发布时间',
  `job_desc` text comment '岗位描述'
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='拉勾网-数据分析数据';

在Python中，我们没有过多的处理，数据是这个样子的

这一次呢，我们只需要关注一个字段即可company_industry，这是公司所属行业
这个行业呢，一般会有多个，像上海的这个挖财网，就是互联网+金融，有2个标签，中间是逗号分隔符