我们都知道数据方法离不开统计学，统计学也是大数据方法的基础，只有明白其中意义、方法和使用先决条件，在使用数据时，才算有了基本的行动指南。前面我们谈过：企业数据分析的目的有追责归因、监控波动、洞察规律、挖掘商机、指导实践。通过这段时间学习，再回过头来复盘过往经历。尽管现在平台数据可视化做得很不错，我们也能从简单的时间先后，及不同产品对比去发现问题，但往往得出来的结论质疑声很高，甚至很多时候是拍脑袋做决定的，在我从事过那么多公司，高管或老板从流认为数据分析很重要，可惜真正懂统计学的我是一个都没遇到。所以不管是业务人员还是领导层，不擅长甚至不懂使用数据决策，离开了统计学基础，得到的结论就不足以说服人。我大学专业是物流类的，和数据分析基本上八竿子打不到一起，而且也是个文科生，阴差阳错进入商品分析这个职位开始接触数据，当时线上平台才刚刚发展，大部分业务都是线下经销商模式。让我印象最深刻的是每次订货会那些经销商根据个人经验下单，这让我非常疑惑，虽然个人体感很重要，但这决策应该不够科学，果然直到去年过去7、8年了都还在清库存。当然其中缘由非常复杂，肯定不止没有用好数据分析这么简单。所以我果断跳槽去了电商公司，让我能有更多的数据量帮我去理解业务，可惜电商太浮躁焦虑，沉迷刷单沉迷一夜暴富。
说远了，回来！统计学研究的目的，通常是从大量数据寻找规律性，不同因素之间的相关性，以及可能存在的因果关系。不过，后一种关系，即因果关系通常未必能找到。在找到相应的规律之后，我们就可以利用它来建立数学模型，预估未来数据的发展和变化。根据大数定律和中心极限定理，我们知道了数学期望平均数和正态分布，特别是为了衡量现实与理想的误差差距-方差，方差自始至终都贯穿整个统计学，为了避免方差导致结论准确度下降，总需要进行显著性检验。我们可以通过比较性和关联性分析去挖掘规律，前面也详细讲解了。
一切概率皆条件概率
世界上很多随机事件的发生是彼此相关的，比如条件概率。一个随机事件发生的条件概率，取决于两个因素，一个是这个条件本身出现的次数，另一个是，这个条件和这个随机事件一同出现的次数。对于几乎所有的随机事件来讲，条件概率由于条件的存在，它通常不等于本身的概率。本质上，现实世界所有的概率都是条件概率。条件概率只表示统计意义上的相关性，并不代表因果关系。
概率问题分为两种：
知道了“原因”，要去推测“现象”。这类概率问题叫作“正向概率”。已知现象求原因，这就是“逆概率”问题。逆概率问题，没法研究因果，只能给因果的研究提供线索。频率法无法通过零散的现象猜测背后的原因，贝叶斯推理可以。
贝叶斯推理与公式
1、根据新信息不断调整对一个随机事件发生概率的判断，这就是贝叶斯推理。生活里，为什么我们总是寻找新信息，争取信息完备？其实就是为了运用尽可能多的信息，提高自己判断的准确率，本质上还是贝叶斯推理。
贝叶斯不是推理一次就完了，它是个反复的过程。每找到一个新信息，就进行一次推理，得到一个新判断。而下一个信息，要么进一步证实我们的判断，要么削弱我们的判断，就要对之前的判断进行调整。这样不断微调、不断微调，慢慢的，结果一定会和真实状况越来越接近。毫不夸张的说，贝叶斯最后一定会无穷逼近于真理。这其实是一种非常高级的思维模式。起点不重要，迭代很重要，就需要保持充分的开放和积累；而信息越充分，结果越可靠，又要求随时调整、不断逼近真相。这样每次精进一点，每次精进一点，这样的人可不就越活越通透，越活越聪明吗？应用在机器学习，像机器翻译、图像识别。
2、贝叶斯公式是推导出来，不是创建出来的。
条件概率：P(A|B)=P(AB)/P(B)→P(AB)=P(A|B)*P(B)。
同理，P(B|A)=P(AB)/P(A)→P(AB)=P(B|A)*P(A)
由以上P(AB)相等，则P(A|B)*P(B)=P(B|A)*P(A)
贝叶斯公式：P(A|B)=P(B|A)*P(A)/P(B)
现象B出现的情况下事件A发生的概率，等于事件A发生时现象B出现的概率，乘以事件A发生的概率，再除以现象B出现的概率。其中，P（A）先验概率（“先验概率”就是在看到新现象、重新计算之前，基于经验甚至主观猜测得到的概率。），可以任性设置，建议用频率法获取。P（B|A）/P(B)。这两个数叫作“调整因子”，一定要注意，P（B|A）和P(B)这两个数一定是客观的，必须找到具体的客观值，而不能拍脑袋随便设定，查询真实数据，如果无法获取就不能用贝叶斯公式。
3、哪个好用用哪个。
频率法，更像是做题，必须有明确的、严格的前提约束，严格界定好所有的条件。它假设信息是全知的，每道题都有一个对所有人而言都正确的答案。所以会通过反复的试验，不断逼近最终那个客观概率。过程不重要，达到最终那个客观的结果才重要。特别适合解决那些普遍的、通用的、群体性的问题。而贝叶斯，是个动态的、反复的过程。每个新信息的加入都要重新进行一遍计算，获得一个新概率。贝叶斯没有什么限制条件，只是在这一次次获得新信息、重新计算的过程中迭代自己的判断。它甚至不认为现实的事儿都有正确答案，因为所谓答案，也是在不断变化的。更适合解决变化的、个体的、无法重复的概率问题
（以上引用来自刘嘉老师精确描述）
到这里，统计与概率基本上学完了，接下来进击数据库SQL，这块我之前大概地过了一遍，算比较简单的，应该不需要花费太多时间，学完SQL应该可以算是个小小的数据分析师了。但是Python还是要花点时间练练，之前学习都是比较浅层的。
朝数据分析师又迈进一大步，我们一起加油呀~
