數據分析方法講座

『壹』 手把手教你微信公眾號數據分析

手把手教你微信公眾號數據分析

這是一篇公眾號運營科普文

適用於公眾號運營初級選手

歡迎誤入的大神強插指點

閑話少敘，直接脫褲子進入正題：

公眾號運營數據分析的地位

數據分析……

重要嗎？

重要！

是最重要的嗎？

不是最重要的！

沒有數據分析就不能公眾號了嗎？

絕對能做，但是很可能做不好！

方向定位、內容運營、用戶運營、活動運營、數據運營，有機結合起來才是微信公眾號運營的完全體。

公眾號運營數據分析的作用

如果把公眾號運營比作「在黑暗中前行」

那數據分析則可以當成「探路的拐棍」

鎖定300米遠的目標要靠感覺

掃清3米內的障礙要靠拐棍

數據分析在微信運營中的作用主要有兩個

1、驗證，驗證前面是路還是坑

2、啟發，發現路上的金子

好吧，不要打這種稀奇古怪的比方了，咱說正經的。

公眾號運營的過程一般是這樣：

拍腦袋運營策略——初始狀態的策略怎麼定出來的？拍腦袋拍出來的唄！聽了那麼多講座，看了那麼多攻略，喝了那麼多雞湯，覺得自己啥都會了，腦袋一拍，啪，方案出來了；按策略運營執行——不管方案如何，磕磕絆絆先做出來；用數據驗證策略——數據出來，潮水退去就能看到誰沒穿褲子了，重新調整策略，把那些穿褲子的弄死……哦，不，留下那些穿褲子的好策略，幹掉不好的策略；從數據獲得啟發——從數據中發現潛在的問題，發現新的機會；重新制定策略略——再來一輪循環，越做越牛逼。

可以看出，有了數據分析，上面這個循環才能不斷優化不斷完善，這就是數據分析最重要的作用。

啥？數據分析最重要的作用是寫報告給領導看？

stop！眼光長遠一點，牛逼的結果才是領導真想要的，想要牛逼的結果就必須讓上面的循環高速、高效地跑起來！

公眾號運營數據分析的方法

0、滿滿的好奇的心

如果只是隨便玩玩，或者應付公司的差事，那你看了本文前兩部分知道數據分析大概的是啥，可以去吹牛逼就夠了。

如果你有很強烈的慾望把自己公眾號做牛逼，那就接著往下看，因為，慾望越強烈，對數據的好奇心才會越大。

而好奇心是最好的老師，從現象和數據中追溯背後的原因，發現關鍵的因素和節點，在這個過程中獲得樂趣和成就感。

只有如此，才能把數據分析這個工具的作用體現出來。

1、基礎數據有什麼

首先，我們要了解，微信公眾號的基礎數據有什麼：

基礎數據在哪能看到？

公眾號的數據後台已經做得比較完善，在後台左側的菜單欄，「統計」那個模塊所有基礎數據都在這里。

基礎數據有哪些？

用戶數據——與時間維度相關的用戶數量（增，減，和）、用戶來源等，可以多維度組合查看，還有基於全量用戶的地域、性別、手機型號等屬性的分布；

圖文數據——與時間維度及文章維度相關的圖文閱讀量、轉發量、點贊量、收藏量等數據，可以多維度組合查看；

消息數據——與時間維度及關鍵詞維度相關的消息數據；

介面數據——調用技術介面的次數，非技術人士這塊可以略過（恩，因為我也不會……）。

2、帶著問題看數據

如果你沒有「帶著問題看數據」思想，那麼，你看到上面幾組基礎數據時，心裡一定在想：這特么都啥玩意兒啊。

只有當你強烈地想解決某個問題的時候，你才能從這些數據里看出些門道。

比如

當你很想知道圖文頭部放一個引導點擊「藍字」關注的提示，是否有用時，你才回去看用戶來源的數據對比。

你才會發現，原來80%的新關注用戶都來源於其他（其中點「藍字」又是主要的）。

你才會發現把引導點「藍字」提示做的更誘人是有效的。

3、從數據中發現問題

發現了數據中的樂趣之後，就要時不時去玩一玩數據，各種維度、各種交叉，從中發現不尋常的數據，再從不尋常中挖掘背後的原因。

比如上圖

在圖文分析-圖文統計頁面有排閱讀渠道的按鈕，可以查看各渠道的閱讀來源對比。

你會發現朋友圈的閱讀量遠高於其他渠道，說明標題、內容有促轉發到朋友圈的因素，才有可能成為爆文。

你就會有意識在標題、內容裡布置促轉發到朋友圈的元素了。

4、常規數據分析方法

a、列表

簡單的列表，公眾號數據後台已經提供，更全的數據表格可以選定維度後導出excel表，做更深度的處理。

b、作圖

基礎的圖形展示，公眾號後台也已提供，更復雜的圖標，可以利用下載的數據表格進一步處理。

c、數學處理

簡單數學運算統計快速傅里葉變換平滑和濾波基線和峰值分析

上面這些方法，是網路搜的，其實只用簡單數學運算，對於普通公眾號運營者完全夠用了。

表格和數據列出來到底看什麼呢？

看對比，看變化，看異常

比如觀察基於時間維度的各數據項：比如按月、按日、按小時去分析各類數據項的變化，不同的維度可以發現不同的問題；

比如觀察圖文的各種數據變化：每篇文章的閱讀量增長、衰減趨勢、閱讀、轉發數據變化，找到你粉絲群體的喜好；

比如每天把後台給出的各種基礎數據都掃一遍：發現與日常趨勢不一樣的異常數據，再挖掘背後的原因，很可能挖出金礦哦。

公眾號運營數據分析的示例

1、幾點群發好？

2、標題和內容哪個更重要？

3、頭條和二條有區別嗎？

4、粉絲都是用什麼方式關注你的？

5、什麼樣的內容是好內容？

你一定以為接下來，我會用數據分析工具解答一下上面的問題

然而，並沒有

方法你已經學會了，打開後台，去如飢似渴地玩弄自己的數據吧！

以上是小編為大家分享的關於手把手教你微信公眾號數據分析的相關內容，更多信息可以關注環球青藤分享更多干貨

『貳』 數值分析pdf_《數值分析》課程教學改革探析

結合高等學校 21世紀人才的培養目標，根據本校的特點及多年的教學經驗，對《數值分析》課程的教學改革進行了探討，分別從教學思想和教學模式、教學內容、教學方法與手段、實踐教學與考核方法等方面進行了論述。建立了「問題驅動式」的教學思想，實施了以「案例為主線，實驗為指導，融知識傳授與能力培養於一體」的教學模式，並針對《數值分析》涉及面廣的特點，設計了分層次、分專業、分模塊的立體結構式教學。
計算機教學 數值分析課程 教學改革
一、引言
「數值分析」作為計算數學的一個主要分支，是研究如何利用計算工具(如計算器、計算機等)求出數學問題的數值解(如數據、表格、圖形等)的學問，是科學與工程計算的基礎。「數值分析」既有純數學高度抽象性與嚴密科學性的特點，又有應用的廣泛性與實際實驗的高度技術性的特點，是一門與計算機使用密切結合的、實用性和實踐性很強的數學課程。通過本課程的學習，能使學生熟練掌握各種常用的數值演算法的構造原理和過程分析，提高演算法設計和理論分析能力，並且能夠根據實際問題建立數學模型，然後提出相應的數值計算方法，並能編寫程序在計算機上算出結果。這既能為學生在理論學習方面以及在計算機上解決實際問題等方面打下良好的基礎，同時又能培養學生的邏輯思維能力和提高解決實際問題的能力。
在我校，《數值分析》課程是信息與計算科學專業的專業基礎課，是數學與應用數學、計算機科學技術等本科專業的專業必修課，是工程力學、交通運輸工程、通信工程等本科專業的專業必修課或選修課，也是控制科學與工程、機械工程、信息與通信工程、礦業工程、土木工程等學科的碩士研究生的公共基礎課。課程涉及面廣，實用性強，為此，研究本課程的教學改革具有重要的意義。
著名數學家李大潛院士倡導「問題驅動的應用數學」，我們以此作為指導思想，進行了數值分析課程的教學改革。利用實際問題引出所要討論的計算方法，並且對計算方法進行理論和實踐兩方面的研究，最後解決實際問題。
二、教學思想與教學模式的改革
我們從實際出發，以「問題驅動式」作為教學思想，實施了以「案例為主線，實驗為指導，融知識傳授與能力培養於一體」的教學模式。
1.積極開展以「案例為主線，實驗為指導」的教學模式。將案例引入課堂教學，通過有針對性的設計實驗項目及內容，使學生在學習基礎理論的同飢虛時掌握先進的應用技術，並充分認識到學習數值分析這門課的實用性，有效地避免了純粹數學理論推導的枯燥性，提高了學生學習本課程的主動性。
螞肢仿2.積極開展「以學生為中心，以教師為輔助」的討論式教學，拓展學生思路。在課堂教學中注重啟發式與討論式，有計劃地就某些問題開展專題討論，將「課堂討論式教學法」不斷深化，充分調動學生的學習主動性。
3.開展與數值分析課程有關的學術講座。通過開展教授講座、博士論壇、青年學術沙龍等活動，定悶纖期邀請校內外專家學者進行與數值分析有關的學術講座，使學生能夠更深入了解該課程的學習內容及與實踐結合的情況，開闊學生眼界，提高學生的學習興趣。
三、教學內容的改革
設計了分層次、分專業、分模塊的立體結構式教學。
1.根據不同層次、不同專業的培養目標，分別設計不同的教學目標和要求。根據各專業的不同要求以及培養不同層次學生的需要，把數值分析課程分為 4個類別，對理科類專業側重理論知識及演算法能力的培養；對工科偏理類的專業側重演算法實驗，簡化理論推導；對於一般工科專業的本科生及研究生，根據不同專業的特點，強調應用案例進入課堂；對尖子學生，結合科技創新活動，尋找實際問題，提取模型，指導其進行專業論文的撰寫。
2.結合最新的科學發展動態，適度引入現代數值計算方法
結合教師的科研成果，將目前比較流行的數值計算方法，如支持向量機演算法，神經網路演算法，蟻群演算法，遺傳演算法等引入課堂教學，介紹新方法的實際應用背景，並結合大學生數學建模競賽，引入一些結構化的實例，使學生能夠了解最新的科學發展動態，開闊視野，並學會應用相關的知識去求解實際問題，加深對所學知識的理解。
四、教學方法與教學手段的改革
1.問題驅動式教學。從教學過程中的基本矛盾出發，分析理論教學過程中存在的問題，每個章節都用普遍性較強、易懂的問題作為引例，讓學生理解經典數值計算方法的應用。
2.案例式教學。結合我校「以工為主，礦業見長，工學、理學等多學科相互滲透，協調發展」的特點，根據不同專業的需求，如采礦方面、測繪方面、機械方面等等，精心設計案例，讓學生充分理解數值分析的思想方法。
3.多途徑、立體化教學。將傳統教學手段和多媒體教學手段進行有機結合，在教學中特別注意合理解決「多媒體教學過程中學生反應速度與學生思路連續性之間的矛盾」。藉助先進的教學手段，採用諸如啟發式教學、互動式教學、研討式教學等方式。
4.利用教學網站，擴展課堂教學。採用網上 QQ群討論、答疑、實驗指導等措施，建立課程立體資源。不斷充實完善課程內容，將課堂教學與實際應用相結合，與科技創新活動、競賽活動、企業需求相結合。實驗教學和實踐環節與教師的科研相結合，並以科研與學科建設為驅動，不斷改進和設計創新性實驗。
五、實驗改革及考核手段改革
根據數值分析的特點，要實現數值分析課程教學目標，在教學中必須配有相應的實驗手段。通過實驗促進學生對理論、方法和概念的理解，培養學生運用實驗手段進行演算法設計、分析、研究的能力，提高學生靈活應用演算法解決實際問題的能力，實現理論和實踐的有機結合。實驗教學是實現課程教學目標的重要環節。
1.實驗改革
結合我校的實驗平台，引進工科實驗室的特殊軟體，進行數值分析實驗的設計。
我校具有山東省高等學校計算機實驗教學示範中心，設有科學計算實驗室、金融統計實驗室、多媒體技術實驗室和大學生創新實驗室等創新平台。測繪專業有先進的遙感測繪軟體、采礦專業有專業的力學計算的有限元並行軟體，材料專業有基於機群的高分子模擬的專業軟體，我們將這些平台有效的利用起來，針對不同的專業，布置不同的專業實驗，做到有的放矢。實驗類型從早期的經典演算法實驗到現在包含驗證性、案例性、設計創新性等類型的實驗，並且因材施教，提供了 MATLAB版本的實驗和指導材料。自行設計的實驗既鍛煉了學生掌握現有軟體工具的能力，又提高了學生熟練使用高級編程語言的水平，同時也鍛煉了學生的動手實踐能力。
2.考核手段改革
結合數值分析教學內容及教學模式的改革，克服傳統教學中期末考試一卷定成績的考核模式，採取試卷考試與實驗考試相結合的考核方式，並在此基礎上，適當採用課程設計加分、科研創新加分等手段，評定總成績。
六、科研促教學，鼓勵學生科技創新
1.將科研成果融入到教學中，拓寬學生的知識面，激發學生學習的積極性通過及時把參加國內外學術會議的情況介紹給學生，使學生能夠了解本學科的最新發展動態，開闊視野。同時，把課堂延伸到研究所，使學生通過近距離接觸先進的軟體工具、設備、系統，加深對知識的理解，激發他們的好奇心和熱情，促進他們學習和研究的興趣。另一方面，通過讓學生參與實驗室建設，可以提高他們分析問題和解決問題的能力，並引領他們向深度發展。
在我校，科研和學科建設中的前沿課題，不僅僅是科研人員關注的焦點，也頻頻出現在本科生的課程設計和畢業設計之中，這是以科研促教學取得的顯著成效之一。以科研促教學不僅提升了教師的教學水平，豐富了教學內容，還為學生實踐能力和創新精神的培養提供了良好的平台。
2.教師積極組織、鼓勵學生的科研創新活動
在教師的積極組織與鼓勵下，每年都有上百人參加大學生科研與科技創新活動；在學校的大力支持下，為學生提供免費的科研與科技創新活動的場所，開放實驗室，並提供強有力的指導力量，培育學生的科研能力和創新精神。有了這些方面的培養，相關老師組織的學生在國家、省級的各種競賽中取得優異成績，獲得各種國家級、省級獎項若干。
七、結束語
近年來，我們按照「厚基礎、強能力、重實踐、求創新」的要求，結合高等學校 21世紀人才的培養目標，根據學校不同專業的需求，對數值分析課程進行了一系列的改革，取得了良好的效果。我們以加強素質教育和能力培養為前提，堅持以「夯實基礎、拓寬專業面、注重新技術，加強人文素質課程」為原則進行課程設置，通過對數值分析課程教學的改革及不斷的累積，制定了切實可行的人才培養方案。通過對課程體系和教學內容以及教學環節和教學方法進行改革，提出了科研育人新理念。通過鼓勵學生進行科技立項、參與教師的科研活動，進行自主的科技創新，提高了學生的科研水平與創新能力。所有這些措施的實施對學生的考研、就業及綜合素質的提高都起到了良好的促進作用，學生的實際動手能力及分析解決問題的能力明顯提高。
參考文獻：
[1]李慶揚，王能超，易大義.數值分析(第四版)[M].北京：清華大學出版社，2001.
[2]曾金平.數值計算方法[M].長沙：湖南大學出版社，2004.
[3]黃兵.《數值分析》課程教學改革的幾點思考[J].重慶教育學院學報，2005，（6）：13-15.
[4]李大潛.關於大力提倡和推動以問題驅動的應用數學研究的建議[J].中國科學基金，2006，（4）：223-226.
[5]謝治州.「數值分析」實驗教學的實踐與探索[J].實驗室研究與探索， 2010，（5）：133-136.
本論文受到山東省高等學校省級精品課程及山東科技大學群星計劃項目資助。

『叄』 新手怎麼學習數據分析

第一方面是數學基礎，第二方面是統計學基礎，第三方面是計算機基礎。要想在數據分析的道路上走得更遠，一定要注重數學和統計學的學習。數據分析說到底就是尋找數據背後的規律，而尋找規律就需要具備演算法的設計能力，所以數學和統計學對於數據分析是非常重要的。

而想要快速成為數據分析師，則可以從計算機知識開始學起，具體點就是從數據分析工具開始學起，然後在學習工具使用過程中，輔助演算法以及行業致死的學習。學習數據分析工具往往從Excel工具開始學起，Excel是目前職場人比較常用的數據分析工具，通常在面對10萬條以內的結構化數據時，Excel還是能夠勝任的。對於大部分職場人來說，掌握Excel的數據分析功能能夠應付大部分常見的數據分析場景。

在掌握Excel之後，接下來就應該進一步學習資料庫的相關知識了，可以從關系型資料庫開始學起，重點在於Sql語言。掌握資料庫之後，數據分析能力會有一個較大幅度的提升，能夠分析的數據量也會有明顯的提升。如果採用資料庫和BI工具進行結合，那麼數據分析的結果會更加豐富，同時也會有一個比較直觀的呈現界面。

數據分析的最後一步就需要學習編程語言了，目前學習Python語言是個不錯的選擇，Python語言在大數據分析領域有比較廣泛的使用，而且Python語言自身比較簡單易學，即使沒有編程基礎的人也能夠學得會。通過Python來採用機器學習的方式實現數據分析是當前比較流行的數據分析方式。

對大數據分析有興趣的小夥伴們，不妨先從看看大數據分析書籍開始入門！B站上有很多的大數據教學視頻，從基礎到高級的都有，還挺不錯的，知識點講的很細致，還有完整版的學習路線圖。也可以自己去看看，下載學習試試。