在数据分析方面，人们经常提到数学技能、统计知识或编程技能，每种技能都很难学习，因此往往令人气馁。事实上，一些数据分析方法对数学能力没有那么高的要求，更重要的是，它们有数据分析的思想。接下来，给您分享一下。

　　1.分类分类分析的目标是将一组人（或对象）划分为若干类别，或预测他们属于每个类别的概率。举个例子吧：“京东的哪位用户会在618订购？”这是一个典型的两类问题：买还是不买。分类分析（基于历史信息）产生模型，该模型预测新人（或事物）将属于哪个类别，或属于类别的概率。

　　2.回归回归任务的目标是根据某个属性变量给每个人（或对象）一个数字（以衡量他的好坏）。继续举个例子：每个用户在618订购京东多少钱？注意，回归和分类之间的区别在于分类输出的结果是几个固定选项之一，并且回归的结果是连续数，并且可能的值是无限的。

　　3.聚类聚类任务的目标是给一组人（或对象），并在不指定目标的情况下查看哪些人（或事物）更近。例子：是否可以为一组用户分成几种类型的购买记录？注意聚类与上述分类和回归之间的本质区别：分类和回归将有一个给定的目标（无论是否下订单，贷款违约，房价等），并且聚类没有给定的目标。

　　4.相似匹配类似匹配任务的目标是基于已知数据确定哪些人（或事物）与特定（一批）人（或事物）更相似。例子：了解一群去年在双十一中投入超过1万元的用户，哪些用户与他们相似？

　　5.频繁集发现频繁发现剧集的目的是找到经常共同发生的人（或事物）。这是着名的“啤酒和尿布”的一个例子。

　　6.统计(属性、行为、状态)描述统计描述任务的目标是最好的理解：人们在什么状态下做什么状态（或事物）。例子：5月份7天内京东各用户的无条件退货数量统计描述通常是用户欺诈检测。想象一下，用户每月返回100次以上。会是什么情况？

　　7.联系预测联系预测的目标是预测应该存在关系的人（或事物）。栗子：你可能知道xxx？你可能想看xxx？

　　8.数据压缩数据压缩的目的是减小数据集的大小并增加信息密度。栗子：京东想要分析用户对进口巧克力的偏好，筛选掉所有国内的产品。大数据虽然数据越多越好，数据带来更多信息，但噪音也会增加。

　　9.因果分析顾名思义，因果分析的目标是找出事物之间的关系。比如：广告的效果是否有所改善，因为广告内容是好还是传递给更准确的用户？数据分析非常强大，但当然有必要使用科学的分析方法在特定情况下产生有价值的结果。

　　干货！大数据分析的九种思维.中琛魔方大数据(www.zcmorefun.com)表示：数据分析非常强大，但当然，在特定情况下，严格的选择假设，使用科学的分析方法来产生有价值的结果。数据说谎的经典例子是安慰剂效应。