1、在我看来，回归分析由两部分组成：业务分析和技术分析。其中，业务分析属于“道”的层面，而技术分析属于“术”的层面。从“道”的层面来看，回归分析是业务分析，其分析的不是数据，而是业务，是业务中的不确定性。 通过业务分析，获得对业务不确定性的理解，进而将抽象的不确定性业务问题转换成一个具体的数据可分析问题。
2、线性回归：一种利用数理统计中的回归分析，确定两个或多个变量之间相互依存的定量关系的统计分析方法。应用不同逻辑回归：常用于数据挖掘、疾病自动诊断、经济预测等领域。线性回归：常用于数学、金融、趋势线、经济学等领域。以上是【几分面试宝典】系列——统计学基础知识第一篇文章的内容。
3、统计学的世界宛如一座宝库，蕴藏着丰富的数据分析方法。让我们一起探索其中的瑰宝，从描述统计的入门到深入的推论分析，每一步都充满洞察力。描述统计，是统计学的基石，它研究数据的分布形态，通过集中趋势的平均数、中位数和众数，揭示数据的核心位置；而离中趋势的全距和标准差，则揭示了数据的波动程度。
4、离中趋势分析主要靠全距、四分差、平均差、方差（协方差：用来度量两个随机变量关系的统计量）、标准差等统计指标来研究数据的离中趋势。例如，我们想知道两个教学班的语文成绩中，哪个班级内的成绩分布更分散，就可以用两个班级的四分差或百分点来比较。
5、数学和统计学知识：数学是每一位数据分析师必学的基础知识，对于初级数据分析师来说，必须要具备一定的公示计算能力，并且要了解常用的模型算法。统计学知识是大部分数据分析师的短板，包括均值、中位数、标准差、方差、概率、假设检验等高等数学的知识。
6、统计学常用的数据分析方法包括描述性统计、推论性统计、实验设计、数据可视化等。描述性统计是对数据进行初步的整理和分析，用数量描述数据的分布特征。它包括频数分布、集中趋势、离散程度和偏态等内容。描述性统计可以帮助人们初步了解数据的分布情况，为后续的数据分析提供基础。
1、大数据专业是针对大数据技术和应用进行深入学习和研究的一门专业。随着信息时代的发展，不断产生海量的数据，如何从这些数据中提取有价值的信息已成为各行各业的重要挑战。大数据专业应运而生，旨在培养具备大数据处理、分析和应用能力的人才。
2、海量数据分析与数据挖掘。详细介绍数据挖掘技术、数据挖掘算法–Minhash， Jaccard and Cosine similarity，TF-IDF数据挖掘算法–聚类算法；以及数据挖掘技术在行业中的具体应用。（5）物联网与大数据。详细介绍物联网中的大数据应用、遥感图像的自动解译、时间序列数据的查询、分析和挖掘。
3、大数据属于数学一类的专业。相关专业名称有信息与计算科学、数学与应用数学、统计学，大数据是众多学科与统计学交叉产生的一门新兴学科，大数据牵扯的数据挖掘、云计算一类的，所以是数学一类的专业。
4、大数据专业，全称：数据科学与大数据技术 专业简介：本科专业中和大数据相对应的是“数据科学与大数据技术”专业，它是2015年教育部公布的新增专业。2016年3月公布的《高校本科专业备案和审批结果》中，北京大学、对外经济贸易大学和中南大学3所高校首批获批开设“数据科学与大数据技术”专业。
5、大数据技术专业属于交叉学科：以统计学、数学、计算机为三大支撑性学科；生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等，知识结构是二专多能复合的跨界人才（有专业知识、有数据思维）。
6、数据科学与大数据技术属于计算机类别。是一门普通高等学校本科专业，属于计算机类专业，基本修业年限为四年，授予理学或工学学士学位。
1、技能二：掌握数据整理、可视化和报表制作。数据整理，是将原始数据转换成方便实用的格式，实用工具有DataWrangler和R。数据可视化，是创建和研究数据的视觉表现，实用工具有ggvis，D3，vega。数据报表是将数据分析和结果制作成报告。也是数据分析师的一个后续工作。这项技能是做数据分析师的主要技能。
2、沟通能力就是数据和业务的桥梁。再沟通中，我们不要固执己见，要采取他人的意见，尤其是智者的意见，可以帮我们降低犯错率，提高分析正确率，这样我们的分析才会更有说服力。技术能力 我们自己了解到的，相关技术像Excel，MySql，Python，SPSS等这些工具。我们如果刚刚步入数据分析工作，其实Excel就已经足够了。
3、培养对数据的兴趣及敏感度 不是看到一行行的数字就头大，选择直接跳过？还是愿意花些时间研究这些数字背后意味着什么？培养自己良好的表达能力 数据分析师有个天然的优势，能够直接和老板打交道，这就要求你能站在老板的层面来表达。把一堆堆的数据，很好的呈现给业务人员，帮助他们做出正确的决策。
4、你要掌握基础的、成熟的数据建模方法、数据挖掘方法。例如：多元统计：回归分析、因子分析、离散等，数据挖掘中的：决策树、聚类、关联规则、神经网络等。
1、大数据（英语：Bigdata），又称为巨量资料，指的是在传统数据处理应用软件不足以处理的大或复杂的数据集的术语。大数据也可以定义为来自各种来源的大量非结构化或结构化数据。大数据技术是指大数据的应用技术，涵盖各类大数据平台、大数据指数体系等大数据应用技术。
2、大数据 IT行业术语，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。视频流 视频数据的传输，例如，它能够被作为一个稳定的和连续的流通过网络处理。
3、大数据又称巨量数据、海量数据，是由数量巨大、结构复杂、类型众多的数据构成的数据集合。基于云计算的数据处理与应用模式，通过数据的集成共享，交叉复用形成的智力资源和知识服务能力。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
4、大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。
大数据技术是指大数据的应用技术，涵盖各类大数据平台、大数据指数体系等大数据应用技术。大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据采集技术是指通过RFID数据、传感器数据、社交网络交互数据及移动互联网数据等方式获得各种类型的结构化、半结构化及非结构化的海量数据。因为数据源多种多样，数据量大，产生速度快，所以大数据采集技术也面临着许多技术挑战，必须保证数据采集的可靠性和高效性，还要避免重复数据。
大数据技术是指那些应用于大数据领域的各种技术，包括各类大数据平台和指数体系。所谓大数据，是指那些在一定时间内无法通过常规软件工具进行有效捕捉、管理和处理的数据集。
大数据本身是一个抽象的概念。从一般意义上讲，大数据是指无法在有限时间内用常规软件工具对其进行获取、存储、管理和处理的数据集合。
第三个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。
