才碰触圣克洛县的爸爸妈妈在做统计数据挖掘时，路子都不太明晰，不晓得从何下手，专业术语太少说，那时就来给我们盘如是说呵呵做统计数据挖掘常见的五大统计数据挖掘认识论与六大统计数据挖掘方式，协助你厘清路子。
一、三种认识论
认识论是一类以补救为最终目标的方法论体系或控制系统，一般来说牵涉对难题期、各项任务、辅助工具、方式基本功的阐释。
认识论会对一连串具体内容的方式展开预测科学研究、控制系统归纳并最后明确提出极为形式化的准则。
就统计数据挖掘来说，预测路子的确认须要以网络营销、管理等方法论为辅导，而那些与统计数据有关的网络营销、管理工作的方法论就叫作统计数据挖掘认识论。
1、PEST预测法
PEST预测是指宏观环境的预测，P是政治(politics)，E是经济(economy)，S是社会(society)，T是技术(technology)。
应用范围：在预测一个企业集团所处的背景的时候，一般来说是通过这四个因素来预测企业集团所面临的状况。即从政治环境、经济环境、社会环境与技术环境。
2、5W2H预测法
5W2H预测法又叫七问预测法，是二战中美国陆军兵器修理部首创。简单、方便，易于理解、使用，富有启发意义。它是由5个W开头的单词和2个H开头的单词组成。即why、what、who、when、where、How、How much。
(1)WHY——为什么要做？可不可以不做？有没有替代方案？
(2)WHAT——是什么？目的是什么？做什么工作？
(3)WHO——谁？由谁来做？
(4)WHEN——何时？什么时间做？什么时机最适宜？
(5)WHERE——何处？在哪里做？
(6)HOW ——怎么做？如何提高效率？如何实施？方式是什么？
(7) HOW MUCH——多少？做到什么程度？数量如何？质量水平如何？费用产出如何？
应用范围：用途广泛，用于用户行为预测、业务难题专题预测等，广泛用于企业网络营销、管理工作活动、有助于弥补难题的疏漏。
3、麦肯锡逻辑树预测法
逻辑树又称难题树、演绎树或分解树等。麦肯锡预测难题最常使用的辅助工具就是“逻辑树”。逻辑树是把一个已知难题当成树干，然后开始考虑这个难题和哪些有关难题或者子各项任务有关。每想到一点，就给这个难题（也就是树干）加一个“树枝“，并标明这个“树枝“代表什么难题。一个大的“树枝“上还可以有小的“树枝“，如此类推，找出难题的所有有关联项目。
麦肯锡逻辑树预测法三大类型：
（1）议题树：将难题逐层细分
（2）假设树：论证假设性难题
（3）是否树：将难题简单化
应用范围：业务难题专题预测。
4、4P网络营销理论
4P网络营销方法论被归结为四个基本策略的组合，即产品 ( Product )、价格( Price )、宣传( Promotion)、渠道(Place )，由于这四个词的英文字头都是P，再加上策略(Strategy)，所以简称为“4Ps”。
（1）产品（Product）
注重开发的功能，要求产品有独特的卖点，把产品的功能诉求放在第一位。
（2）价格（Price）
根据不同的市场定位，制定不同的价格策略，产品的定价依据是企业的品牌战略，注重品牌的含金量。
（3）宣传（Promotion）
很多人将Promotion狭义地理解为“促销“，其实是很片面的。Promotion应当是包括品牌宣传(广告)、公关、促销等一连串的网络营销行为。
（4）渠道（Place）
企业并不直接面对消费者，而是注重经销商的培育和销售网络的建立，企业与消费者的联系是通过分销商来展开的。
应用范围：常见于公司整体经营情况预测。
二、七种方式
方式一般指为获得某种东西或达到某种目的而采取的手段与行为方式。统计数据挖掘方式也就是在统计数据挖掘的具体内容过程中所使用的方式。
1、用户画像预测法
用户画像又称用户角色，在大统计数据时代背景下，用户信息充斥在网络中，用户画像预测法就是将用户的每个具体内容信息抽象成标签，再利用那些标签将用户形象具体内容化，从而为用户提供有针对性的服务。它是一类勾画最终目标用户、联系用户诉求与设计方向的有效辅助工具。
用户画像的personal八要素：
（1）P代表基本性（Primary）：指该用户角色是否基于对真实用户的情景访谈;
（2）E代表同理性（Empathy）：指用户角色中包含姓名、照片和产品有关的描述，该用户角色是否引同理心;
（3）R代表真实性（Realistic）：指对那些每天与顾客打交道的人来说，用户角色是否看起来像真实人物;
（4）S代表独特性（Singular）：每个用户是否是独特的，彼此很少有相似性;
（5）O代表最终目标性（Objectives）：该用户角色是否包含与产品有关的高层次最终目标，是否包含关键词来描述该最终目标;
（6）N代表数量性（Number）：用户角色的数量是否足够少，以便设计团队能记住每个用户角色的姓名，以及其中的一个主要用户角色;
（7）A代表应用性（Applicable）：设计团队是否能使用用户角色作为一类实用辅助工具展开设计决策。
（8）L代表长久性（Long）：用户标签的长久性。
2、对比预测法
对比预测，是统计数据挖掘中最基础、最常用、也是最实用的预测方式之一。该方式主要是指将两个及以上对象的统计数据指标展开比较，阐述对比对象在数量上的差异，从而得出业务在不同期的变化趋势及规律。
3、多维度拆解法
多维度拆解法和麦肯锡逻辑树的路子比较类似，都是把一个模糊的难题，拆解成多个子难题。它要求从业务需求出发，将指标从多个维度展开拆分，面对的难题不同，拆分的维度也有所不同。比如在求职时，评价一个公司的好坏就可以从专业是否对口、加班强度、通勤时间、行业水平、晋升路径、同事关系、薪资福利等七个维度乃至更多维度来衡量，维度越多，思考得越全面。
4、漏斗观察法
漏斗观察是针对产品时间轴流程上的统计数据挖掘方式，这与统计数据的横向对比存在本质逻辑的不同，此种方式适合对于业务流程相对规范，周期较长、环节较多的流程展开预测，能够直观地发现和说明难题所在，可以更快地找出某个环节的转化率出现难题。
漏斗观察希望通过观察每个流程节点上的转化与流失的人数得到出现的难题或可以改进的流程节点。
漏斗预测法已经广泛应用于网站和APP用户行为预测的流量监控、电商行业、零售的购买转化率、产品网络营销和销售等日常统计数据运营与统计数据挖掘的工作中。
5、归因查找法
归因查找法就是像业务流程展开拆解，并根据业务的性质，去确认在整个流程中哪些事件是影响整个事件完成的关键部分。
归因查找法的常见三种类型：
（1）末次归因：
常适用于把贡献归结到用户的最后一个行为，即最后一次碰触到的产品界面或功能、按钮等。
（2）递减归因：
适用于转化路径比较长，非最终目标事件差异不大的，整个业务流程中没有哪个步骤起到一个完全的主导作用。
（3）首次归因：
常适用于强流量依赖的业务场景，很看重市场手段和运营策略。完全不管后面流程的所有事件，只把最后事件的发生和第一步关联在一起。
6、分布预测法&用户留存预测法
（1）分布预测法
分布预测法通过从事件在不同维度中的分布来观察，以便理解该事件除了累计数量和频次外，其他维度的信息。它可以了解生产工序是否正常，废品是否发生等情况。其辅助工具是直方图，故又称直方图法。
分布预测法的三种主要预测方式：
①按事件的频率
②按一天内的时间分布
③按消费金额的区间
（2）用户留存预测法
留存预测是一类用来预测用户参与情况/活跃程度的预测模型，考察展开初始行为的用户中，有多少人会展开后续行为。这是用来衡量产品对用户价值高低的重要方式。
留存预测可以协助回答以下难题：
①一个新客户在未来的一段时间内是否完成了您期许用户完成的行为？如支付订单等；
②某个社交产品改进了新注册用户的引导流程，期待改善用户注册后的参与程度，如何验证？
③想判断某项产品改动是否奏效，如新增了一个邀请好友的功能，观察是否有人因新增功能而多使用产品几个月？
7、A/B测试预测法
A/B测试预测法是对比不同产品设计/算法对结果的影响。产品在上线过程中经常会使用A/B测试来测试产品效果，而市场可以通过A/B测试来完成不同创意的测试。
展开A/B测试的两个必备因素：
（1）有足够的时间展开测试
（2）统计数据量和统计数据密度较高
以上所列举的那些只是统计数据挖掘中比较常见的一些认识论与方式，可以协助你厘清路子与逻辑，现实中实际展开操作时情况要复杂得多，但毕竟万变不离其宗，掌握好辅助工具，往往可以达到事半功倍的效果。
“互联网就业前景利好，零基础能做程序员吗？”“IT
