那时闲谈给我们如是说11种数据数学方式，从我们脍炙人口的5W2H法起程到聊天室预测法等，大体上囊括了组织工作日常生活中可能会加进的各式各样方式，快把它珍藏出来吧~
01
5W2H数学方式
以四个以W结尾的英文单词和三个以H结尾的英文单词展开复述，辨认出化解难题的蛛丝马迹，找寻路子，展开结构设计构想，进而搞出捷伊工程项目，这就叫做5W2H法。
但是它适用于于化解单纯的难题，而直面繁杂的商业性难题时就须要其它的方式远距了。
02
方式论树数学方式
由狄拉克明确提出的方式论树又称为难题树、诠释树或降解树等。方式论Shahdol将难题的大部份子难题多层详列，从Azamgarh已经开始，并逐渐向上扩充。
复试中常用的难题：如估计广州有啥个商品副经理，波士顿有啥小提琴Kangra等，此类估计难题我们称作狄拉克难题，在化解狄拉克难题时，考察点一般来说并非吗去算出广州究竟有啥个商品副经理，重点工程项目是你的数学方式，也是你利用方式论树预测难题的潜能。
03
金融行业数学方式
当须要预测金融行业难题、制订产业发展总体规划时，要展开行业预测，必选PEST预测法。PEST预测是指宏观经济自然环境的预测，P是在政治上(politics)，E是经济(economy)，S是社会风气(society)，T是控制技术(technology)。
04
多维度拆解预测方法
维是人们观察事物的角度，同样的数据从不同的维展开观察可能会得到不同的结果，同时也使人们更加全面和清楚地认识事物的本质。
当数据有了维的概念之后，便可对数据展开多维预测操作，常用的多维预测操作主要有：钻取（上钻和下钻）、切片、切块、旋转。
钻取：钻取是改变维度的层次，变换预测的粒度。钻取包括上钻和下钻，上钻是在某一维上将低层次的细节数据概括到高层次的汇总数据的过程，减少了预测的维数；下钻则是相反，它是将高层次的汇总数据展开细化，深入到低层次细节数据的过程，增加了预测的维数。
切片和切块：在多维预测中，如果在某一维度上限定了一个值，则称为对原有预测的一个切片，如果对多个维度展开限定，每个维度限定为一组取值范围，则称为对原有预测的一个切块。
在多维预测中，维度都是按某一顺序展开显示，如果变换维度的顺序和方向，或交换三个维度的位置，则称为旋转。
比较著名的当属1973年加利福尼亚大学伯克利分校性别歧视的例子，调查结果显示男生录取率为44%，女生录取率为35%，有人就怀疑该院校有性别歧视的倾向，但当我们把学院的每个院系分开调查录取率，则会辨认出，A、B、D三个院女生的录取率都是比男生高的。
这个悖论告诉我们：一个单纯的统计数字不能完全描述其背后的繁杂意义，因此只看到数据整体，而忽视数据内各个部分的差异是不对的。
05
对比预测
在展开对比预测时，主要考虑三个难题：和谁比？如何比？
和谁比
和自己比：同比、环比、定比、与目标值的对比、纵比、横比、特定时期的对比；和金融行业比：与金融行业平均水平比。如何比
数据整体的大小：平均值、中位数；数据整体的波动：变异系数；趋势变化：折线图、同比、环比。
注：比较的对象规模一致才有可比性，A/B测试是应用了对比预测
06
假设检验预测
假设检验的特点是采用方式论上的反证法和统计上的小概率原理。小概率事件在单独一次的试验中大体上不会发生，可以不予考虑。
在假设检验中，我们做出判断时所依据的方式论是：如果在原假设正确的前提下，检验统计量的样本观测值的出现属于小概率事件，那么可以认为原假设不可信，进而否定它，转而接受备择假设。
07
相关预测
相关性预测是指对三个或多个具备相关性的变量元素展开预测，进而衡量三个变量因素的相关密切程度。相关性的元素之间须要存在一定的联系或者概率才可以展开相关性预测。
须要注意的是，相关性并并非指因果性，现实日常生活中，100%的因果关系很难找到。
判断是相关性还是因果性的方式是：单变量控制法，控制其它因素不变，只改变一个因素，然后观察这个因素对结果的影响。
08
聊天室预测
也叫同期群预测，也是对数据分组后对比。比如按时间预测留存率，目的是找到留存率低的组，然后进一步分析这些组。还有流失用户预测、金融逾期预测等。
09
RFM预测
RFM预测用来对用户展开价值分类，从重要价值用户到一般挽留用户，识别有价值的用户，展开精细化运营，不断将用户转化为重要价值用户。
这里的R、F、M分别对应：
R-最近一次消费间隔F-消费频率M-消费金额如信用卡会员服务，是采用RFM预测后展开运营的一个例子，不能对用户采取同样的运营策略，否则可能导致流失。
注意：对RFM值要根据业务的不同灵活运用
10
AARRR模型
AARRR模型用来预测用户行为，为商品运营制订决策，实现用户增长。对应商品运营的5个重要环节：
的首次体验如何Retention-提高留存：用户会回来吗Revenue-增加收入：如何赚到更多的钱Refer-推荐：用户会推荐给其它人吗
激活用户阶段，须要找到“哇哦时刻”，是让用户情不自禁地喜欢上商品亮点、发出赞叹的时刻。
总量相关指标，如成交总额、成交数量人均情况指标，如ARPU/ARPPU、人均访问时长付费情况指标，如付费率、复购率转发率转化率K因子11
漏斗预测
漏斗预测是一套流程式数据挖掘，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要预测模型。
漏斗预测模型已经广泛应用于流量监控、商品目标转化等日常数据运营与数据挖掘的组织工作中。
例如在一款商品服务平台中，直播用户从激活APP已经开始到花费，一般的用户购物路径为激活APP、注册账号、进入直播间、互动行为、礼物花费五大阶段，漏斗能够展现出各个阶段的转化率，通过漏斗各环节相关数据的比较,能够直观地辨认出和说明难题所在，进而找到优化方向。
学会了这些数据数学方式，恭喜你离一名优秀的数据挖掘师又近了一步！
