python能做数据分析。Python简单易学，代码十分容易被读写，在数据分析和交互、探索性计算以及数据可视化等方面都显得比较活跃，此外具有强大的编程能力。如果使用Python，能够大大的提高数据分析的效率。
数据分析不一定需要用到编程，即使不会编程，也可以做数据分析。具体因企业/岗位/自我需求而定，但是如果能掌握编程技术可以有更多的选择。如果数据量不大，可以用一些简单的工具进行处理，比如Excel、SPSS以及简单的SQL语句；但如果数据量很大，就需要借助编程语言实现。
用户画像的验证对象为用户基本信息、用户行为画像与用户分群画像。画像开发过程中常用模型验证、抽样验证、交叉验证的方法，画像上线后常用真实数据验证与A/B Test的方法。
用户画像可以通过十步法创建。十步法涵盖了从数据收集到主动使用，到用户画像完善的整个流程，主要分成四个部分：数据收集和数据分析（步骤 1、2），角色描述（步骤 4、5），问题场景分析和创意发散（步骤 6、9），组织接受，引入设计团队参与（步骤 3、7、8、10）。这是理想的过程，实际执行中有时候并不包括所有步骤。
1、贴吧引流:避开热门贴吧，这类贴吧竞争大，帖子存活时间短。尽量选择冷门贴吧外链和软文。2、热点新闻引流:一篇实时热点新闻的精彩评论文章，可以达到迅速传播、群体关注和积极互动的效果。3、淘宝店铺引流:淘宝seo优化关键词排名，用某类长尾关键词、垂直袖珍领域关键词进行品类搜索结果首屏排名展示，进行电商搜索引流。4、社区论坛引流:天涯、豆瓣、猫扑、兴趣部落、58部落等这些论坛。
构建用户画像主要包括数据源分析、目标分析、数据建模等步骤。数据是构建用户画像的核心，包含宏观和微观两个层面。目标分析是对用户数据进行精细化处理，拆分用户群组与用户标签，形成细分用户。数据建模则是什么用户，在什么时间，什么地点，做了什么事。
1、短视频引流 2、音频引流 3、贴吧引流 4、社区论坛引流 5、社群引流 6、分类信息网站引流 7、评论引流 8、各种热词截留 9、自媒体引流 10、裂变引流
构建用户画像是指用户信息标签化的过程，通过收集用户多维度的信息数据。因此可以以用户标签描述用户画像，如基本属性、平台属性、行为属性、产品偏好、兴趣偏好、敏感度、消费属性、用户生命周期及用户价值等。
用户画像指的是建立在一系列真实数据之上的目标用户模型。用户画像有时也被称为用户标签，是基于用户行为分析获得的对用户的一种认知表达，即通过收集与分析用户的社会属性、生活习惯、消费行为等，抽象出一个用户的全貌。
大数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。大数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
数据分析工具主要有：1)Excel：最常用，使用范围最广；2)Power B：收集、分析和可视化数据；3)Tableau：交互式数据可视化；4)MySQL：互联网中非常热门的数据库；5) SPSS：操作简便，界面非常友好；6）SAS：数据存取、管理、分析和展现；7)Python：语法简洁而清晰，具有丰富和强大的类库。
大数据的分析方法主要包括（1）可视化分析：直观的呈现大数据特点；（2）数据挖掘算法：更加科学的呈现出数据本身具备的特点；（3）预测性分析：预测未来的数据；（4）语义引擎：系统地提炼数据；（5）数据质量和数据管理：保证分析结果的真实和有价值。
扫码关注LinkFlow微信
每日干货 精彩不停
