A. 如何锻炼出强悍的分析能力
如何锻炼出强悍的分析能力
这个问题问的是如何锻炼出强悍的分析能力——那我确实蛮适合回答的。先放结论：培养强悍的分析能力这个事儿，我的建议是： 1.学一门学科：信息分析； 2.入门几个关键学科，多了解几种分析范式； 3.掌握信息分析的基本工具与方法； 1.学一门学科：信息分析 有很多人谈到的提高分析能力的方法，大都玄乎其玄，说的跟成功学一样——为什么不好好坐下来，专门学一门讲求分析的非常正规的学科呢？ 是的，这门正规的、专讲分析的学科就叫做：信息分析。（李彦宏学的“信息管理”这个专业，其核心课程，也就是信息分析） 这门学科主要讲什么？ 如其名，主要讲的就是对信息进行分析，当然，你也可能在别的地方听过它的其它的高大上的名字，包括：经济分析、经济预测、市场分析；情报分析、情报调研、情报研究；社会调查、舆情分析、未来研究等。支撑这门学科的思想，也横贯了逻辑、统计、博弈论、心理学、经济学、管理学、控制论等重要学科。这门学科当然也不是讲玄乎的理论的，而是非常注重方法、术、手段、推理的。
为什么必须要学这门学科？ 因为： （1）.所有的分析过程，总的来说，都是对信息的处理、分析，而这门学科，便是主讲信息分析的； （2）.正规、学术化，有着顶尖专家的研究，集结了前人的智慧，不会像一些成功学一样吹牛逼；（3）.讲求方法、术，稳准狠，但是又注重体系化，学了不会走火入魔，而是了解到人的局限、世界的复杂，不会跟个中二青年一样，天天觉得自己掌握了趋势。 学了之后还可以分析能力还可以进阶吗？ 当然可以，进阶有两个两个方面：一个是结合别的学科，比如经济学、管理学，国际政治学等，提高自己在特定领域的分析能力；一个是培养自己对纯信息分析的分析能力，比如数据挖掘与分析的能力。 2.入门几个关键学科，多了解几种分析范式 一方面：每一门学科都有着自己的研究经验、研究范式，仔细学习，能收获好多关于如何分析的思想和方法；另一方面，每一门学科内有自己的定义架构，了解这个定义架构，有助于理解定义架构下的世界，从而提高自己的分析能力。 （1）.“定义架构” 定义架构指的是，每一门学科里面，都有一些既成的组织化的定义，确定了什么现象是什么，区分了事物的边界和联系，好比是一副有色眼镜，戴上它，世界会清晰好多。比如你要去做经济分析，你肯定要了解经济学，不要重复去造轮子，自己再去定义什么现象叫什么，这样得不偿失，而且，往往还会导致：你以为你发现了真理，其实你只是换了个说法说明了一些早已被证明是错误的东西罢了。（如果用编程的说法来说的话，这些定义架构就好比是前人已经写好的库和模块，已经很好用了，就不要重复去造轮子。（当然，你也可以重造，但是，你认为你是想成为开天辟地的大师还是一个分析者？）） （2）.要入门哪些学科？ 要入门学科包括：心理学（大多数分析，其核心都是在分析人）；经济学（描述了这个世界的运行）；社会学（有一套自有的话语范式与研究成果）。
具体更完整的我推荐看一下我的答案：对于世界的抽象认识与复杂性研究，你有哪些心得和书籍推荐？ 3.掌握信息分析的基本工具与方法 基础打牢了，方法学会了，只会出去跟出租车司机吹会儿牛逼能行吗？我们要做出成果，并且在做出成果的过程中，磨练自己的思想、体会分析的方法，乃至作出创新。 （1）.初阶版：脑图工具+文本工具 这些脑图、结构图的工具，各个平台上都有很多，我一般喜欢在ipad与PC平台上面使用： ipad：Mindly，Mindo，iThoughts； PC：Edraw Max，MindManager； 这些脑图、流程图的工具很多，你可以自己选择自己喜欢的。 文本工具就是说，要培养自己的写写画画的能力，让自己具有结构分析的思维和能力。
在这里推荐一本《金字塔原理》 （2）.进阶版：Office 进阶版就是excel+ppt+word这些东西，因为一个人的分析，不仅仅是在脑子里面分析了就完了，还要呈现出来，得到反馈。 （3）.高阶版：python+各种模块+数据分析与挖掘软件 学会python，结合它的强悍的数据分析能力与各种模块、库、工具（比如ipython，scipy，numpy模块，PyGt等），然后最好系统地学一下统计学，以及SPSS软件，Orange Canvas等，把自己从一个信息分析的票友变成专业的分析人员吧！ 其中，关于python的一个答案：大学里 C++ 课程听不懂，但是想当程序员，还有希望么？ 写完了，
总结与延伸一下： （1）.如果说只是培养较好的分析能力，那么你看几本信息分析方面的书就好了，（比如：信息分析 (豆瓣)，信息分析与预测 (豆瓣)，信息分析与决策 (豆瓣)，建议到图书馆里面去找，专业的信息分析书籍有很多）这里面讲了很多直接可以用但又发人深省的方法，好好学习一下，分析能力肯定是可以提升的； （2）.如果说是要培养强悍的分析能力，那么请入专业分析的大坑。 （3）.较好的分析能力与强悍的分析能力的差别：较好的分析就是在脑子里面分析有限的事实与数据，对于大量的数据、超出人类直觉的东西，往往束手无策（这世界上大部分事件，都是超出人脑的处理能力的）；强悍的分析能力则更要求专业化，借助更多专业工具，更讲求稳准狠。 目前，我也走在成为分析高手的路上，与诸位共勉！
B. 网络舆情信息怎么分析
一、网络舆情信息分析的步骤
首先，做好网络舆情的一是收集和整理网上舆情信息。其次是舆情分析研判，如舆情的发展变化趋势，在哪些平台传播，造成了怎样的影响，网民的情感态度如何，相关媒体是怎么报道的，关注的焦点是什么等。最终，则是对各种类型的数据以及结果进行归纳和总结，并形成网络舆情分析报告，为舆情的解决提供决策参考依据。
二、网络舆情信息分析的工具
企业网络舆情分析平台：五节数据公司的五节舆情监控系统，可对舆情进行7*24小时地实时采集与推送，自动识别舆情，自动生成舆情分析图表和日报周报。
三、网络舆情信息分析的方法
1.多角度全方面分析：从舆情发生的时间、网民情感、网友讨论度、关联主题、影响力等几个方面入手进行分析。
2.媒介传播情况分析：从舆情的传播途径、扩散速度、传播效果、传播受众等几个方面入手进行分析。
C. 信息技术教学中常用的教学方法有哪些
教学方法
教学方法论由教学方法指导思想、基本方法、具体方法、教学方式四个层面组成。教学方法包括教师教的方法（教授法）和学生学的方法（学习方法）两大方面，是教授方法与学习方法的统一。教授法必须依据学习法，否则便会因缺乏针对性和可行性而不能有效地达到预期的目的。但由于教师在教学过程中处于主导地位，所以在教法与学法中，教法处于主导地位。
信息技术教学方法有哪些
（一）常规性教学方法1. 讲授法讲授法是各学科教学史上最古老的和教学实践中最基本的教学方法。在信息技术教学中，讲授法也是信息技术教师向学生系统地传授信息技术知识的基本方法。讲授法在信息技术教学中主要有讲述、讲解两种形式。前者指教师用口头语言向学生生动地描绘信息的产生、存储、传输等过程及实验方法与操作步骤；后者指教师向学生较严密地解释、论证概念、原理、联系等。讲授法成功的基本要求是：（1）讲授的内容要具有科学性和思想性；（2）内容安排要合乎信息技术知识内在逻辑与学生认识发展的顺序；（3）语言要准确精练，生动形象，避免照本宣科。2. 交流式教学法交流式教学法采取案例研究、角色扮演、问题解决、分析调查、实验操作、设计讨论等多种方式教授新知识，让学生参与课堂教学，以达到使学生掌握知识，提高学习兴趣，培养探究思维和合作态度，关心应用并参与问题解决的过程。交流式教学法的教学过程包括以下几个基本步骤：（1）提出问题，激发学生学习要求；（2）阅读、查找资料或通过实验操作，自学新知识；（3）开展交流活动，促进能力培养；（4）解决问题，得出结论或掌握技能。3. 复习教学法及时进行一次复习巩固，遗忘的数量就会明显减少。在实际教学中，复习巩固都是多次进行的。但复习的方法更为重要。在信息技术教学中，对记忆行之有效的条件是，帮助学生树立正确的学习目的，引起强烈的学习动机，强调理解的记忆，即信息的加工，要多途径地输入信息，强调思考。常规的复习方法主要有新课前的引入复习、边讲课边练习、课后复习、小结性复习、应用理解性复习等。（二）基于信息技术学科特征的教学方法1. 媒体演示讲解法运用媒体演示讲解法的基本要求：（1）要使全班学生都能看清楚或听清楚演示的对象，在学生头脑中形成比较鲜明的表象；（2）在演示讲解过程中，要培养学生善于观察演示的对象与操作过程，注意它们相互之间的关系，抓住本质与内在联系；（3）演示要尽可能让学生用多种感官感知事物与过程，增强演示讲解的效果；（4）通过演示与讲解的有机配合，不使学生停留在事物与过程的表面，而是尽快使学生的认识上升到理性阶段，形成概念，理解操作原理；（5）媒体的演示要适时、适当，媒体的选择应该围绕着教学知识进行。2. 实践仿效教学法建立关键词表达式，如何缩小查询范围等，教师在实践中，已经为学生提供了解决问题的方法与技能。实践仿效教学法具有内在的教育价值，在一定条件下，它具有其他教学方法、教学手段所不可替代的教育功能。3. 发现（探究）教学法发现（探究）教学法在信息技术教学中的应用越来越普遍。实际上它是一种学习的方法，它鼓励学生用自己的头脑亲自去获得知识，重视学生的学习主动性，不把学生当做被动的接受者，而是让学生参与到知识的获取过程中。其基本过程是：4. 需求驱动教学法需求驱动教学法要求教师根据教学目标，分析学生的实际需求，找出这些需求与目标的关系，设计从需求出发以至到达教学目标的各项任务，使学生由外部刺激的被动接受者和知识的灌输对象转变为信息加工的主体、知识的主动建构者，要求教师由知识的传授者、灌输者转变为学生主动建构学习的帮助者、促进者。充分发挥学生学习的主动性、创造性，让学生有多种机会在不同的情境下去应用他们所学的知识，形成解决实际问题的方案。以“学以致用”为原则，根据不同层次信息处理的要求，以需求案例串接基本理论与基本技能，调整、充实、优化教学内容和结构，尽可能多地提供各种信息资源以支持需求驱动的学习与协作式探索。让学生在应用学习中不仅知道“是什么”，而且知道“为什么”，拓宽继续学习的知识面。
D. 信息分析方法包括哪些
一 信息管理科学基础
要求学生掌握信息的概念、信息的类型及其特征，信息科学的基本内容、信息科学的核心方法、信息管理学的概念及其研究范围；熟悉信息的功能，信息与管理的关系；了解信息的度量，管理的基础理论，信息管理的发展，信息管理学的产生和进化。
1．信息简论；
2．信息管理的信息科学基础；
3．信息管理的管理科学基础；
4．走向信息管理科学。
二 信息管理的技术基础
要求学生掌握信息技术的概念、作用和发展规律；了解计算机的发展、计算机应用技术，有线通信，无线通信，电信网，计算机网，国际互联网。
1．信息技术概论；
2．信息处理技术；
3．通信技术。
三 信息行为理论
要求学生掌握信息需要的层次结构、内容结构；熟悉各类用户信息需要特点，信息动机的形成与转化，信息的选择行为和利用行为；了解信息需要的产生，信息查询行为。
1．信息需要与信息动机；
2．用户的信息行为。
四 信息交流论
要求学生掌握信息交流过程的基本要素，初始编码，申农—韦弗模式；熟悉信息符号的特征，拉斯韦尔模式、施拉姆模式、米哈依洛夫模式、兰开斯特模式、维克利模式，人际信息流、组织信息流；了解二次编码，大众信息流。
1．信息的表达—符号与编码；
2．信息交流模式；
3．社会信息流。
五 信息产品的开发
要求学生掌握信息采集的原则、途径、方法，信息整序的方法，内容分析法；熟悉信息源，信息分析的工作程序；了解信息整序的目的与要求，信息分析的方法。
1．信息采集；
2．信息整序；
3．信息分析。
六 信息产品的流通
要求学生掌握信息服务的原则，信息服务的主要类型，信息市场的结构与运行机制，信息市场的营销；了解信息市场的形成与发展。
1．信息服务；
2．信息市场。
七 信息系统管理
要求学生掌握系统的概念，信息系统的结构，CIO在组织中的地位和职能、素质要求；熟悉信息系统的运行管理制度，；了解系统工程的产生和发展、方法，信息系统的开发方法，信息系统的评价方法、安全管理，现代信息管理系统的发展。
1．信息系统工程；
2．信息系统资源管理
3．现代信息系统的发展。
八 信息产业管理
要求学生掌握信息产业的特征和作用，内部结构和外部关联，制定信息产业政策的原则，信息产业政策体系，信息化的内涵；了解信息产业理论，信息管理体制，国外信息产业政策，信息化水平测度，我国信息化的现状与挑战。
1．信息产业理论；
2．信息产业管理基础；
3．信息产业政策；
4．信息化。
E. 信息分析如何形成有效决策
决策信息分析的方法有：（1）定性分析方法：比较分析法、因果分析法、归纳分析法、演绎分析法；（2）定量分析方法：平均数法、相对数法、动态数列法、数学模型法。
信息分析的基本方法有比较法、分析综合方法、推理法等。
F. 分析信息的方法一般包括哪些内容
信息分析方法总共有四种,分别为:
1.信息联想法;
2.信息综合法;
3.信息预测法;
4.信息评估法。分析方法”主要探讨上市公司财务信息剖析过程所使用的分析手段：比较分析法、比率分析法、趋势分析法和因素分析法。“比较分析法”一节说明比较分析法的三种形式及应用中需要注意的问题。比较分析法是最基本的分析方法，其作用在于揭示财务活动中的数量关系和存在的差距，从中发现问题。“比率分析法”一节归纳叙述了财务信息分析中常见的三类比率关系，并提出使用比率指标分析财务信息时需要注意的三个问题。“趋势分析法”可以揭示上市公司财务状况和经营状况的变化，帮助我们分析引起变化的主要原因、变动的性质，认识公司的现状，并预测该公司未来的发展前景。“因素分析法”主要用来确定几个相互联系的因素对上市公司某个经济指标的影响程度，在分析财务指标异动原因时比较常用。常用的信息分析方法分为两大类：定性分析与定量分析。
（一）定性分析
定性分析即通过专家知识、经验，对事物现状的分析以及未来发展趋势的预测。常用的定性分析法有头脑风暴法、德尔菲调查法、主观概率法、相互影响矩阵分析等。定性分析法发展至今，经过不断完善，已广泛运用于各类信息分析之中。定性分析最大的优点是，能充分运用专家的知识、经验，从而对一些无法收集数据的分析预测活动进行评判。定性分析方法也是一种科学的方法。首先专家的知识、经验是一种隐性知识，是专家在长期大量的实践中形成的经验总结，是建立在客观科学基础之上的认识，如某行业领域资深专家对行业发展趋势的判断，这是他对行业发展全面客观的认识基础上作出的推断，这种推断具有一定的合理性。其次，某个专家的认识由于受到自身学术行业背景、主观判断等限制，其看法具有片面性，但综合该领域的专家认识，就能比较全面合理的作出定性的判断，从这个角度这种方法也是合理的。最后，定性分析由于受到主观因素影响，而且只能提供定性的结论，因此针对具体的微观的需要作出量化决策的问题，就需要通过定量分析。值得一提的是，定量分析由于客观具体，用数据和科学模型说话，在某些方面更具有说服力，但是由于应用时受到诸多条件限制，有时候得出的模型和结论未必合理，切不可盲目迷信复杂的模型。定性分析与定量分析需要相互结合使用，才能做出准确科学的结论。
（二）定量分析
定量分析基本上就是统计的内容了，相关分析、回归分析、主成分与因子分析、独立性检验（卡方检验）、分类与聚类等。
数理统计最主要的几个分布函数：正态分布和t分布、F分布、卡方分布，因为回归分析里参数检验涉及到t检验和F检验问题，要知道它们到底用来做什么，有什么特性。这里简单介绍几个一直让我混淆的概念。
（1）相关分析与回归分析
两个事物之间可能存在一定的关联，如子女身高与父母身高，一般来说父母个子高子女身高也高，但两者没有必然的因果关系，那么这两者之间有关系，但不是因果关系，这就是相关分析，相关可以是线性相关也可以是非线性相关。而回归分析如，广告支出增加，销量增加，那么广告和销量之间是存在某种因果关系，可以分析广告支出对销量增加的影响，这就是回归分析。
（2）回归分析与方差分析
前面讲到回归分析，当自变量和因变量都是数值变量，即分析某个自变量的变化对因变量的影响程度就是回归分析。而方差分析也是分析自变量对因变量的影响程度，但自变量是定性变量，如分析农作物产量（因变量）与土壤种类、肥料种类、栽培方法之间是否有影响，这就是方差分析了。方差分析结论就是，这个定性变量对因变量到底有没有影响。
（3）线性回归、logistic曲线与probit曲线
线性回归就是构建一个模型方程，同回归分析，自变量和因变量都是定量变量，并且对其取值没有要求。logistic曲线与probit曲线自变量和因变量也都是定量变量，但是因变量的取值是0或1（这里讲的是二元定性选择回归）。