数据产业核心任务：数据产生价值（可被产品化的商业价值）
三个关键环节：数据业务定义、数据分析与建模、数据业务实施
三个关键词：收入、支出（控制成本）、风险 重要因素：可以量化的参照系
精确定位，有的放矢 更好的决策分析
受众主体：企业、政府
预测不准是常态，但可以提供价值
统计学：回归分析
分类：线性回归、0—1回归（性别）、定序回归（豆瓣电影评分）、计数回归（RFM模型：一定时间内客户到访次数）、生存回归（灯泡使用寿命、应用于市场营销、人力资源）
-
回归分析要去识别并判断，哪些X变量是同Y真的相关，哪些不是。
-
有用的X变量同Y的相关关系是正的还是负的。
-
赋予不同X不同的权重，也就是不同的回归系数，进而可
-
以知道不同变量之间的相对重要性。
大多数客户是说不清自己的需求的。
要理解数据之于客户的价值，得首先摸清楚客户的盈利模式。
发展产业：互联网和制造业
图标展示：直观、精准、匹配
若是竖着的柱子，称为柱状图；若是横着的柱子，称作条形图。
机器学习涉及到的模型属于非线性的
分类：朴素贝叶斯分类、决策树、回归树（和决策树区别：使用连续型因变量的数据。应用组合：随机森林与XGBoost）与提升算法、K均值聚类（搜索引擎广告投放）
深度学习——卷积神经网络（CNN）
线性回归的测试集与训练集展现了较高的一致性
为什么单身：吸引力和共同爱好
从古至今，很多重要的进步都是游戏激发的。
打麻将的本质，就是每一轮做决策。
数据是不是非结构化的，是一个相对的甚至是带有主观色彩的概念。
数据分析经验和数据挖掘能力、使用各种统计分析软件
职场五维评分（不分先后顺序）：学历、经验、职业素养、专业技能、软件
RFMS模型：
recency：最近一次消费间隔的时间
feequency：最近一段时间购买次数
monetary：某段时间内消费金额
standard deviation 某段时间内消费金额标准差