马云曾说“中国正迎来从IT时代到DT时代的变革”，DT就是大数据时代。数据已成为企业的核心资产和宝贵资源，企业愈加重视和善加利用数据分析与挖掘技术。

1.1什么是数据分析与挖掘

数据分析和挖掘都是基于搜集来的数据，应用数学、统计、计算机等技术抽出数据中的有用信息，进而为决策提供依据和指导方向。

举例：应用漏斗分析法挖掘出用户体验过程中的不足之处，从而进一步改善产品的用户流程；基于RFM模型实现用户的价值分析，进而针对不同价值等级的用户采用各自的营销方案，实现精准触达。

1.2数据分析与挖掘的应用领域

有数据的地方就有用武之地：电商平台、游戏平台、社交平台、金融行业、教育行业、医疗行业、房地产、餐饮等，这些行业都需要借助数据分析和挖掘技术来指导下一步的决策方向。

应用实例：

1.2.1电商领域——发现破坏规则的害群之马

1.2.2交通出行领域——为打车平台进行私人订制

1.2.3医疗健康领域——找到最佳医疗方案

1.3数据分析与数据挖掘的区别

从广义角度来说：数据分析涵盖了数据分析与数据挖掘，是对搜集来的数据运用基础探索、统计分析、深层挖掘等方法，发现数据中有用的信息和未知的规律与模式，进而为下一步的业务决策提供理论与实践依据。

从狭义角度来说，两略有不同：

1.4数据挖掘的流程

1.5常用数据分析与挖掘工具

工欲善其事 ，必先利其器。“器”兼指两方面：软实力：对企业业务逻辑的理解、理论知识的掌握和施展工作的清醒大脑；硬实力：即对数据挖掘工具的掌握；

1. R语言：奥克兰大学统计系的Robert Gentleman 和 Ross Ihaka共同开发，1993年首次面世。数据操作灵活、向量化计算高效、数据可视化效果佳、易用性和可扩展性好，优秀的数据挖掘工具。

2. Python：荷兰人Guido van Rossum于1989年发明，1991年首次公开发行。简单易学的编程类工具。代码具有简洁性、易读性、易维护性的优点，第三方 模块与R语言一样丰富，在大数据时代应用日益广泛。

3. Weka：由新西兰怀卡托大学计算机系Ian Written博士于1992年底研发，是公开的数据挖掘平台。其图形化界面适用于对于不擅长编程的用户。

4. SAS：美国北卡罗来纳州大学开发的统计分析软件，应用广泛，包含数十个模块。

5. SPSS：世界上最早的统计分析软件，斯坦福大学三个研究生在1968年研发。

以上五种工具，其中R语言、Python和Weka属于开源工具，免费下载和使用；SAS和SPSS为商业软件，需要付费。

读书笔记内容来源：刘顺祥，《从零开始学Python数据分析与挖掘》