中商情报网讯：近日（4月13日），中国海关总署发布2018年第一季度进出口有关情况新闻发布会 ，会议上再次谈及中美贸易方面。据海关统计，按照美元计价，今年一季度我国对美国进出口1415.9亿美元，同比增长13%。美国为我第二大贸易伙伴。其中，对美出口999.2亿美元，增长14.8%；自美进口416.7亿美元，增长8.9%；贸易顺差582.5亿美元，扩大19.4%。而对于中美贸易顺差，黄颂平表示：我们应该客观、理性看待中美贸易出现的不平衡问题。我们从不刻意追求贸易顺差，目前的贸易状况是市场形成的，归根结底是由中美两国经济结构、产业竞争力和国际分工决定的。如果考虑到统计、转口贸易，还有服务贸易等因素，中美贸易的顺差实际上没有那么大。

那么，中美贸易战是如何燃烧起来的呢？小编带大家先来回顾一下事情经过：

2017年8月，川普再度提出明确针对中国的调查，要求研究中国不公平的贸易行为，特别聚焦在中国窃取美国智慧财产权的问题。调查结果初步估计中国窃取知识产权，每年造成美国2250亿到6000亿的损害。中国官方媒体批评这项调查将毒化两国关系，同时抨击川普的单边主义和保护主义。

2018年1月，太阳能板和洗衣机先被拿来开刀，美国宣布对进口的太阳能板课征30％的关税，其中大部分来自中国，洗衣机的税率则从20%起跳，连带墨西哥跟韩国也遭殃。

3月9日，美国表示将对进口钢铝课征高关税。

4月2日，中国对原产于美国的猪肉、水果、坚果、酒类等，课征高达25%的关税，但不包含大豆。

4月3日，美国公布301制裁清单，拟对中国销美约500亿美元的商品加征关税，涵盖1300项商品，瞄准“中国制造2025”领域；

4月4日，中国旋即做出反击，决定对包括大豆、汽车在内的106项美国商品加征25%的关税。

4月5日，川普对中国的回应感到愤怒，并且表示他考虑再加码贸易战，对1000亿美元的中国进口商品加征额外关税，中方回应“我们不想打，但不怕打贸易战”。

那么，2018年来，中美贸易情况怎样呢？2018年3月中美贸易进出口总值为2919.1亿元人民币,1-3月中美贸易进出口总值9181.9亿元人民币，同比增长6.3%。随着贸易体量不断增大，美国应该建设性地提出改善贸易不平衡的措施，共同推动两国经贸关系长远稳定发展。

数据来源：中商产业研究院整理

2018年一季度中国商品贸易进出口总值十大国家分别是美国、日本、韩国、中国香港、台湾、德国、澳大利亚、越南、马来西亚和俄罗斯联邦。其中，美国排名第一，一季季度贸易总值9181.9亿元，累计同比增长6.3%。从区域来看，2018年一季度中国与东南亚国家联盟进出口贸易总值为8657亿元，累计同比增长13.7%；与欧洲联盟进出口贸易总值为9954亿元，累计同比增长8.2%。

2018年一季度进出口贸易总值十大国别（地区）排名

数据来源：中商产业研究院整理

从出口最终目的国家（地区）来看，2018年一季度中国商品十大出口国家地区贸易总值排名分别是美国、中国（香港）、日本、韩国、越南、印度、德国、荷兰、英国和新加坡。其中，美国排名第一，其1-3月中国对美国出口金额为6486亿元，同比增长8.1%。

2018年一季度中国商品十大出口国家地区贸易总值排行榜

数据来源：中商产业研究院整理

从进口原产国家（地区）来看，2018年一季度中国商品十大进口口国家地区贸易总值排名分别是韩国、美国、日本、台湾、澳大利亚、德国、越南、马来西亚、巴西和俄罗斯联邦。其中，美国排名第二，其1-3月中国对美国出口金额为2695亿元，同比增长23%。

2018年一季度中国十大进口国家地区贸易总值排行榜

数据来源：中商产业研究院整理

虽然中美贸易出口至美国金额高于进口美国商品金额，但是面对美国挑起的贸易大战，中国不想战，也不怕战。所以，美国应该建设性地提出改善贸易不平衡的措施，共同推动两国经贸关系长远稳定发展。而中美贸易稳定发展更有益于两国经济的发展。

时至今日，任何不愿为时代落下的企业，都已逐渐达成共识：无论是企业内部的综合运营，亦或与外部的竞争与合作，“信息战”都将成为商业竞赛的核心维度，在不同的商业分战场，数据决策都将承担某种“灯塔”角色。

的确，商业愈往未来发展，管理层驾驭数据的能力就愈加重要，甚至有人预言，懂得用人工智能处理大数据，优化全部决策流程，或许是所有企业的最终归宿。

而依我之见，这场“信息战”最关键的战役，即来自如今商业最为稀缺的资源：人力资本的竞争。幸运的是，拜数字技术所赐，自从泰勒在工业时代初期“发明”人力资源部至今，这个昔日的辅助性部门，有可能第一次完成蜕变，成为引领企业数字化转型的关键角色。

最近恰逢“领英大数据洞察”登陆中国，其实透过这个将实时数据转化为人才库和趋势洞察的产品不难意识到，技术变革之快，总是超乎保守（至少是对新技术不敏感）企业的想象，此时此刻，正在不同领域迅速落地的人工智能和大数据，早已作为商业武器本身，成为市场经济的一部分。从现在到未来，人工智能和大数据之于企业的重要意涵，就是降低决策成本，优化经济效率。

所谓“未来已经来临，只是分布不均”，在商业范畴，就是这个意思。

以数据为灯塔

在人工智能的基础概念上，去年领英叠加出“人才智能”（Talent Intelligence）概念，希望将企业对于人才数据的观念认知，提升至一个全新的高度：不再停留在“履历式”的静态和表层数据，而是以某种全局视野，俯瞰行业，地区和企业的人才特征和变化趋势，从繁杂的数据中摒弃“噪音”，提取“信号”，收获前瞻性洞察，最终转向决策。

而“领英大数据洞察”即是人才智能概念的重要落地——考虑到有些HR还将领英单纯地视为一个“招聘工具”，需要特别指出的是，领英大数据洞察并非一个简单的招聘渠道，而是将数据智能渗透进人才招聘策略，员工队伍规划，市场竞争情报，雇主品牌策略以及公司选址决策等人才战略的全部流程，为企业提供实时且定制化的数据洞察。相比领英之前的数据服务，它以更产品化的形式，让企业可以用更主动，迅捷，高效的方式，将盘踞在领英上的海量数据物尽其用。

其中领英将最重要的洞察归为三类：人才库洞察，劳动力洞察和雇主品牌洞察。

首先，人才库洞察自不必多言，它能根据不同定制需求，帮助企业精准定位人才，如同《指环王》中白衣巫师萨鲁曼用的水晶球一般，以某种所谓“上帝视角”，让企业拥有一张动态的人才数据库，实时掌握所需人才的分布和流向，包括他们在哪，谁在雇佣他们，他们拥有什么技能等等。

值得一提的是，考虑到在激烈的市场竞争中，中国企业对效率至上的刚性需求，领英也特别做了诸多优化，将人才数据洪流以一种界面友好，更易于决策的形式呈现，“过去我们用关键词做搜索，而针对中国客户我们更多是用勾选的方式来做搜索，大大提升了效率，比如搜索海外人才的时候，我们有一个勾选就是海外背景”，在领英ConnectIn 2019大会结束之后，领英中国解决方案及服务负责人王欢向媒体表示：“此外我们还有一些特殊产品，比如说热门人才库，只要点这个库，里面全是你想要的人才，你只需要选择他是否合适，如果你认为不合适，借助AI我们以后就不会再推给你这一类，推荐会更为精准。”

我当然没有对“人”的丝毫不敬，更没有“机器决定论”的意思，但必须承认，当不同维度的丰富数据，足以让HR初步筛选人才的方式，变得与筛选一条新闻，一顿外卖，一家酒店相似，站在效率角度，对于HR无疑是一种福音。

回到“领英大数据洞察”，如果说“人才库洞察”是微观视角下的“定向追逐”，那么“劳动力洞察”则是一张宏观视角的全景图，它可以帮助企业提前布局未来。

你知道，人才竞争更多是一场零和博弈，你所在行业的劳动力宏观趋势，会深刻影响到每个企业，了解类似岗位人才的技能情况和分布流向，随时掌握友商的人才情况，无疑会帮助企业更好地预判和调整人力资源规划，有针对性地吸引目标人才——知己知彼的战略常识，搁在任何时代都有效，从这个意义上，数据智能其实就是这个时代最值得仰仗的“情报工具”。

而谈及“情报”，不妨顺便一提，这个世界上的优秀大脑并非均匀分布，领英大数据洞察还可以指引企业抢滩登陆时的具体落脚点，选择一个目标人才存量最高的地方开展业务，最大程度发挥人才集聚效应。“有一个客户来自电信行业，它在爱尔兰设立办公室的时候，大家都觉得应该在都柏林，这里最有名，人最多，但通过调研发现，其实他想要的人才并不在都柏林，大数据建议他应该在库克这样的地方，于是他就把地址选在了库克，而不是都柏林”，王欢向媒体举例道，“包括在中国本土，我们有一个客户要在深圳建一个研发中心，但最终通过我们的数据洞察，把研发中心放在了杭州，这让他通过领英找到了国内研发中心的大牛，通过这个大牛再去吸引更多人，很快那个团队就组建起来，非常高效。”

当然，一旦你通过数据分析，知道了“人才在哪儿”，那下一个问题接踵而来：“他愿不愿意来？”。而“领英大数据洞察”中的“雇主品牌洞察”即针对于此，它总在以数据为凭证说服决策者：优秀的雇主品牌可以让招聘事半功倍，在细微之处影响潜在人才。

举个正在频繁发生的场景，企业出海。

你知道，不少出海寻人的中国企业，在当地的雇主品牌形象非常薄弱，一个重要原因是在经济发达的地方，无论出于理性还是感性，人才选择公司的理由非常多元——薪酬当然最重要，但“财大气粗”并不代表一劳永逸，企业必须知道每个地方每个人真实的职场价值取向（在意雇主品牌酷不酷，是否弹性办公，是否有挑战性等等），而借助领英掌握的海量全球人才数据，企业可以了解自身的相对优势，及目标人才最珍视的需求偏好，在提升品牌知名度和美誉度同时，更好地与潜在人才互动，让企业扬帆出海的征途中，以数据为灯塔，少走一些弯路。

一张动态的“清明上河图”

有学者曾将市场经济和资本主义简化为如下定义：用计算的方式决定一切市场行为。这个定义在数据智能时代，似乎显得尤为精准。事实上，领英“人才智能”的核心观念，就是让客户以最低成本，最高效率，将一目了然的数据直接导向决策。

那么问题来了，客户凭什么“相信”领英？

很好理解，最近数年人工智能领域的疯狂跃进，大可归为相似的逻辑：输入数据，生成回应——而领英实时更新的庞大数据库，正是实现上述一切洞察的基础，也是他们最夯实的商业护城河。

根据官方透露，领英在全球超过200个国家拥有5.9亿注册用户，3000万公司，2000万工作机会，5万种技能，8.4万所学校。盘踞在此的所有人，每天数百万次完成建立人脉，更新资料，添加技能，表达求职意愿等操作。更重要的是，这些操作并非单摆浮搁，不同数据节点间的每一次链接，都在以网络效应实时呈现全球劳动力市场的发展态势。不断深耕和呵护这些数据的领英，也自然有能力勾勒出不同行业的现状与未来。

更进一步讲，无论从数据数量还是质量上，相较于一些同类产品所谓的大数据，其实更多是“统计学”底色，领英可以描绘出一张完整清晰的“全球经济图谱”，一张动态的全球人才的“清明上河图”，谁都最大程度地解锁这张图，谁就能率先受益——从这个意义上也就不难理解，为什么在许多人眼中，未来好的HR一定是好的数据分析师。

更值得一提的是，玩转这张“全球经济图谱”的方式不止一种，它的另一种用途，来自于营销领域——易被忽视的是，领英是全球规模最大的商业决策者，意见领袖，以及职场影响力人士聚集平台，这意味着，它天然是做营销的好地方。

首先在用户广度上，领英是目前唯一一家既能帮助国内企业针对本地用户做精准营销，又能将中国品牌与全球商业决策者精准链接的社交媒体平台。其次在投放精度上，广告主可根据用户职位，行业，从业年限，所在地域，兴趣爱好等诸多维度精确定位受众群，并对营销效果进行精准评估，最大化广告投放效果。

譬如在ConnectIn2019大会上，领英中国总裁陆坚就举例道：“有了决策者还要知道他们在平台什么时间段、什么内容下更活跃，才可能在投放时更精准地找到目标人群。比如在云计算话题下还有很多子话题，如果我们进行大数据分析，发现有些话题讨论频率非常高，但有些话题因为讨论多、参加的人多，发内容会淹没，所以品牌露出未必是好事。在领英这样的平台，不仅能勾勒出人群画像，而且这些客户画像在什么样的社区参与什么样的活动，是否非常活跃，也是我们能够提供的洞察。”

嗯，在领英上做营销有一个显而易见的优势，意如其名，作为“引领全球精英”的平台领英用户以职场商务人士为主，能精准覆盖商业决策者：目前领英全球用户中，有4000多万商业决策者，6100多万有影响力的商务精英人士，300多万MBA毕业生；领英中国用户中，42%拥有经理及以上职位，36%拥有硕士及以上学历。更重要的是，根据官方透露，领英用户40%个人资本净值在65万以上，50%以上家庭收入超百万，对高价值产品和服务拥有强大购买力。

而也正是由于上述几种优势，让自2016年初落地中国市场以来，领英营销业务迅猛发展，华为，阿里巴巴，IBM中国等各领域领跑者，均已在此受益颇多。

结语

追溯人类历史，每一次革命性的技术飞跃，无疑都会带来经济效率的大幅提升，人工智能和大数据亦是如此。从领英的案例不难发现，就像许多学者共同指出的那样，人类正阔步走向一个与机器共舞的时代，有大量协同工作需要与机器为伴，尤其是在裹挟着更多利益的商业领域，不管你所在的行业多么“传统”，都必须尽快学会用数据智能，完成对自我价值的重新定义。

嗯，但愿在未来“均分分布”之前，你我都别被时代落下。

触脉推荐阅读：电商从来都不是一个缺乏新技术应用的战场，尤其是大数据分析的应用。而现在我们面临的是实时数据分析和快速应用的挑战，消费者需求的不断变化需要我们及时掌握并做出调整，因此，本文重点来说明实时数据分析对电商的重要性。

如今，预测分析在商业智能领域变得越来越流行。营销人员和企业正在迅速采用实时数据分析，以保持领先的竞争，并取得成功。大数据分析已经迅速成为数据驱动业务的一个组成部分，并在使品牌和企业更容易在用户运营中发挥重要作用。企业建立的内容传播和推广活动受到来自各种渠道的影响越来越大，尤其是关于其受众、其用户的在线行为和个人喜好的数据洞察。

一般我们用来分析的数据有效期非常短暂，只有在创建或收集数据时才是最相关性的。在这个迅速发展的数据第一的企业行业中，在线的数据依然具有最大的相关性，而一天甚至两天前的数据被认为是不相关和过时的。

今天的企业只能通过利用实时收集的数据分析获得洞察力来赢得成功。

在当今的行业中，客户正在快速地习惯于在越来越短的时间跨度内访问所有内容。这是接近即时访问的时代。这使得电子商务和基于网络的企业必须时刻准备就绪，能够确保更快的响应时间，更快的周转时间尽可能接近实时。在线受众希望一切尽在掌握之中，为了在快节奏的生态系统中保持相关性，企业必须努力寻找吸引受众的方法，或者冒着输给竞争对手的风险。

1、实时定制社交策略

良好的客户体验是建立在实时参与的坚实基础上的。随着社交媒体的出现，企业必须不断加倍努力才能保持领先地位。因此，社交媒体可以使电子商务企业能够在客户查询和关注发生时及时处理它们。

显示实时参与社交媒体重要性的一个相关示例是社交媒体页面监视的标准：页面响应时间。社交媒体页面用一个徽章来积极地评估企业的响应时间，该徽章告诉页面访问者他们响应消息的速度有多快。

让客户或访问者积极参与到您的社交媒体页面中，使他们与您的品牌保持联系，并增加客户的幸福感或满意度。

最近由社会舆情分析公司 Wayin 的一项调查显示, 78% 的受调查的营销商去年获得了至少50% 的 ROI, 这得益于他们使用实时预测分析进行市场投资。

2、实时机会正在迅速增加

《福布斯》的一项调查还显示，实时流媒体应用Meerkat和Periscope因其提供的实时发布功能而受到营销人员的欢迎。

各种活动的现场直播正迅速在网上受众中流行起来。Facebook已经准确地挖掘了流媒体直播的潜力，以建立和保持对全球范围的时事活动的兴趣，无论是竞选活动、皇家婚礼，还是图书发布会。

这些参与机会有资格成为高质量的品牌内容，并主要关注时事和实况活动，如超级碗。这些现在几乎永久地在营销人员的待办事项清单上。这种趋势正在迅速流行，并且很明显，响应性运动和交互式消息正在迅速成为在线受众之间选择的通信方法。

跟踪和分析实时更新的机会为电子商务和其他企业提供了大量的机会。

3、实时数据提供了更强的洞察力

实时数据或现场数据在网络营销中极其重要。实时数据帮助营销人员了解其业务和客户行为的当前影响，无论是网站流量、社会知名度还是实时广告活动。实时洞察力可以积极地影响企业的客户获取或关系管理技术。

实时数据的使用弥补了在线和离线购买体验之间的差距。有实体存在的电子商务商店正在迅速采取措施为顾客实现无缝的店内体验。利用蓝牙和GPS的连接性，一些实体店零售商正在积极地收集关于顾客在店内行为的数据，以便向他们提供关于商店商品的个性化报价和交易。

实时预测分析对于在线平台上的电子商务业务的成功越来越重要。通过挖掘实时分析的潜力，企业可以制定高度有针对性的客户参与策略，提供增强的产品推荐；甚至通过积极鼓励潜在客户完成交易来减少购物车抛弃的发生率。

分析实时数据还可以帮助企业做出更具战略性的营销决策，并且可以改变整体业务性能。

当电子商务企业与相关历史数据密切比较分析实时客户数据以衡量过去的交易或购物习惯时，它们可以有效地向客户承诺跨品牌的个性化体验。

一些电子商务平台正在迅速意识到需要利用实时和预测分析能力来更好地理解它们捕获的客户数据。

如果您希望重新定义您的电子商务业务，并在新的、尚未开发的平台上获得成功，那么请保持关注我们的更新，在这里了解更多实时和预测性电子商务分析相关消息。

很多人都不知道为什么网站要做数据分析，那么现在我问问你，你的网站每天、每个月有多少人来访问?你的网站在一天当中的哪个时间段来访量最高?你的网站访问者都是从哪里来的?哪个渠道来的访问者对你最有用?你的访客来访你的网站都是想要找到些什么东西?网站的访客都是从哪个地方离开的?如果访问量增加了，那是因为什么增加的?如果网站访问量减少了，那是因为什么减少的?这些你通通都知道吗?不知道的话那就来了解一下网站为什么要做数据分析吧。

一、什么是数据分析?

是把隐没在一堆看起来杂乱无章的数据中提取出有用的信息，以找出研究对象的内在规律，帮助我们决策的就叫做数据分析。

二、网站数据分析的重要性

一般在评价一个网站的好坏的时候，都是用：这个网站每天能赚多少钱，网站每天有多少流量等等来判断一个网站，这些流量又都是从哪来?这些钱又都是哪些用户来转化?能否进一步提升流量?能否进一步提升转化?当你遇到这一连串的问题的时候，通过对网站进行详细的数据分析，你就可以清楚的知道流量与赚钱背后最真实的情况，而这，就是数据分析的意义。

三、通过网站数据分析我们能得到什么?

1.知道这是什么。刚接手一个网站的时候，你必须了解这个网站现在正处于什么阶段，简单点说就是收集和分析网站的点击数量，用户数量等，这些通过网站自身的系统或第三方免费工具都能够很清楚的知道。

2.知道这是为什么。接手一个网站的时候，通过各种工具我们可以知道这个网站的各项指标数据，知道了网站的发展现状，那么我们就需要进行分析了，这个网站的流量是从哪里来的?为什么跳出率过高?为什么转化率过低等问题，要知道为什么会发生这些问题。

3.应该怎么做。了解网站现状并且能够从各方面分析出原因，那么这些重要的信息将能够影响我们的决策，让我们能够知道将要做什么，能够对网站的发展与规划理出更清晰的思路，实行必要的策略和战术调整。

过去几年，越来越多的人想要逃离北上广，但北漂大军的规模似乎并没有缩小。北京的大学生落户指标越来越少，北京的房价越来越高、生活压力越来越大、非北京籍的儿童上学越来越难。为什么北漂们还是毅然决然地留下来，而且人数越来越多？北京为何有巨大的吸引力？

北京市外来人口的主要来源地

根据第六次全国人口普查数据，北京常住外来人口的82.5%来自东北、北部沿海、黄河中游及长江中游地区，比重较2000年上升5.8个百分点，外来人口的来源地区集中程度有所加强 。其中，65.7%的外来人口来自河北、河南、安徽、山东、黑龙江、湖北和四川七个省。

主要来源地为河北、河南，河北省占常住外来人口的22.1%，河南省占13.9%，四川省位居第三，占8.5%。

北京与外来人口来源都在人均GDP方面的差距

主要来源地人均GDP普遍低于北京的人均GDP。河北的人均GDP仅相当于北京的40%。与北京差距最小的是山东省，但也仅为北京人均GDP的62%。

北京与外来人口来源地在人均可支配收入上的差距

主要来源地的人均可支配收入与北京差距较大，均没有北京的一半水平。主要来源地河北省其人均可支配收入相当于北京的37%。最高的省份山东省、湖北省也仅相当于北京的47%、41%。

收入差距的巨大吸引了无数来京人士。

北京与外来人口来源地在重点国有企业数量和高新技术企业就业机会上的差距

102家央企中，总部在北京的占81所，343家国有重点企业中，65家的总部在北京。北京各开发区有15026家高新企业，为138.5万人提供了就业机会。

在北京就业机会相对较多，容易找到适合自己的工作单位。

北京与外来人口来源地在平均工资上的差距

平均工资较高的城市有济南、青岛、成都，但也仅为北京的61%。

北京在文化和 医疗方面也有着突出的优势。

北京本地医疗资源配置很高，具有显著的医疗优势和便利服务。

在北京平均每5.4万人即有一家剧场或影剧院提供服务。北京的人均图书馆藏量为1.1本。

北京拥有着优质的资源，几乎每一种资源都可以达到最优。所以北京的吸引力极强。但北京不一定适合所有人，适合自己的才是真正好的。

数据及数据图片来源：FT中文网。

数据时代已经到来，但数据分析、数据挖掘人才却十分短缺，据全球顶尖管理咨询公司麦肯锡（McKinsey）一份详细分析报告显示：

预计到 2018 年，大数据或者数据工作者的岗位需求将激增，其中大数据科学家的缺口在 14 万到 19 万之间，对于懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到 150 万！

先来了解一下数据分析，就是以商业目的为驱动，所开展的获取数据、处理数据、分析数据、展示数据和撰写数据结构报告的一系列科学过程。

针对这个过程，R 都有相应的方法可以较好地处理和完成数据分析所涉及到的内容。R 是一种免费的、开源的语言和操作环境，其初衷是为了统计计算和画图，但是 R语言现在能够做的事情已经远远地超出了其初衷，可以在诸多领域进行应用，比如，数据挖掘、机器学习、社交网络、生物信息、金融数据分析等。同时，R 提供了成千上万的专业模块和实用工具，是从大数据中获取有用信息的绝佳工具。

许多研究院，公司和大学已经使用 R。在过去几年，许多包括 R 的参考和应用 R 函数进行计算的图书相继出版。在 2015 年就被 IEEE 列入 2015 年十大语言，近几年也依然占据数据分析主流语言的绝对地位，所以，学习R语言是一项明智的职业投资。

R语言的强大功能

R是一套完整的数据处理、计算和制图软件系统。

其功能包括：数据存储和处理系统；数组运算工具（其向量、矩阵运算方面功能尤其强大）；完整连贯的统计分析工具；优秀的统计制图功能；

简便而强大的编程语言：可操纵数据的输入和输出，可实现分支、循环，用户可自定义功能。R 语言配有专业的图形交互界面，对没有编程基础的用户也非常友好， R 语言上手入门极快，是学习数据分析、数据挖掘的最佳编程语言。

现在上海数据分析网联合哈步数据首席数据科学家、跟随R发明者之一Ross Ihaka进行R语言二次开发的高老师，推出了机器学习与数据挖掘—R语言实战课程，3月17日开课！

【课程信息】

授课方式：面授直播两种形式，中文多媒体互动式授课方式

授课时间：

2018年3月17-18日

9:00-12:00，13:00-16:00

学习期限：线上（视频/直播）与线下相结合，长期学习。

微信群、QQ群练习答疑。

滚动开班，一次报名，可以申请免费回来听课。

课件资料：课程内部资料，人手一份，上课现场发放

CPDA和CDA学员优惠

更多团报优惠请咨询相关老师

【教师简介】

高杨，哈步数据首席数据科学家，跟随R发明者之一Ross Ihaka进行R语言二次开发，十几年的数据分析师从业经验。精通SAS、R等数据分析软件，主导过多个大数据项目。精通R语言，小班教学。

为什么你的数据分析成果总是难以落地?数据分析的价值总是远远低于预期?相信看完这篇文章，每个人都能找到一个属于自己的答案。以下为从事电力、军工、金融等行业担任数据分析师从业者的多年行业经验，希望能对大家有所帮助。

1、遵循数据分析标准流程

数据分析遵循一定的流程，不仅可以保证数据分析每一个阶段的工作内容有章可循，而且还可以让分析最终的结果更加准确，更加有说服力。一般情况下，数据分析分为以下几个步骤：

1)业务理解，确定目标、明确分析需求;2)数据理解，收集原始数据、描述数据、探索数据、检验数据质量;3)数据准备，选择数据、清洗数据、构造数据、整合数据、格式化数据;4)建立模型，选择建模技术、参数调优、生成测试计划、构建模型;5)评估模型，对模型进行较为全面的评价，评价结果、重审过程;6)成果部署，分析结果应用。

2、明确数据分析目标

在数据分析前期，要做到充分沟通、理解业务规则、关注业务痛点、了解用户需求、换位思考，明确为什么要做数据分析，要达到一个什么目标。

3、业务与数据结合确定分析主题

以解决业务问题为目标，以数据现状为基础，确定分析主题。前期要做好充分的准备，以业务问题为导向，以业务梳理为重点，进行多轮讨论，分析主题避免过大，针对业务痛点，实现知现状、明原因、可预测、有价值。

4、多种分析方法结合

分析过程中尽量运用多种分析方法，以提高分析的准确性和可靠性。例如，运用定性定量相结合的分析方法对于数据进行分析;融合交互式自助BI、数据挖掘、自然语言处理等多种分析方法;高级分析和可视化分析相结合等。

5、选择合适的分析工具

工欲善其事，必先利其器，数据分析过程中要选择合适的分析工具做分析。SPSS、Repidminer、R、Python等这几种工具都是业界比较认可的数据分析产品。

它们各有其优势，SPSS 较早进入国内市场，发展已经相对成熟，有大量参考书可供参考，操作上容易上手，简单易学。Repidminer 易用性和用户体验做得很好，并且内置了很多案例用户可直接替换数据源去使用。R 是开源免费的，具有良好的扩展性和丰富的资源，涵盖了多种行业中数据分析的几乎所有方法，分析数据更灵活。Python，有各种各样功能强大的库，做数据处理很方便。

6、分析结论尽量图表化

经过严谨推导得出的结论，首先要精简明确，3-5条即可。其次要与业务问题结合，给出解决方案或建议方案。第三尽量图表化，要增强其可读性。

某企业KPI分析报告

数据分析过程中，除了以上六条原则，还要避免以下3种情况：

1)时间安排不合理

在开始分析工作之前，一定要做一个明确的进度计划，时间分配的原则是：数据收集、整理及建模占70%，数据可视化展现及分析报告占25%，其他占5%。

一般企业中的数据来源有很多，SAP、TMS、CRM及各部门业务系统，每个渠道的数据各有特点。这时，应该慎重考虑从哪个渠道获取数据更加快捷有效。数据源选择不合理，不仅影响结论的可靠性，而且有返工的风险。

3)沟通不充分

无论是分析人员内部的沟通还是与外部相关人员的沟通，都是至关重要的。与外部人员沟通效不顺畅，可能造成前期需求不清，中间业务逻辑混乱，最终导致数据分析结果差强人意。与内部人员沟通效率低，可能造成分析进度滞后，分析工作开展不畅等诸多问题，直接影响分析效果。

对于数据分析师，分析经验的积累与专业知识的提升同样重要，因为有些问题不是只用专业知识就能解决的，所以在平时的工作中要有意识的去学习业务知识、掌握先进的分析工具，做一个有心人!

End.

来源：MeritData

更多文章可在菜单栏查看

▼

上周笔者小丹为大家讲了关于数据分析的问题，解释各种数据之间的关联性和区别，同时和大家说了当网站数据出现异常的时候可以通过网站数据来进行分析。之后小丹也收到了一些朋友的提问，说到底为什么要做网站数据，这些数据到底有什么用，要怎么来看？所以，进行小丹要和大家来说的就是我们为什么要来做网站的数据分析。

第一，为什么要看网站数据。

网站数据是一个网站现状的具体展现，可以说网站数据是网站的侧写，所以我们作为网站的SEOer而不是网站编辑，一定要懂得来看数据，以知道目前我们的网站处于一个什么样的情况，以便进行下一步优化计划。

1、知道网站目前情况。任何时候看网站数据都要带着目的性的来看，这样你才能够知道这些数据所代表的意义，而不是漫无目的的来单纯的看这些数据，那样对我们的优化毫无帮助。例如，我们来看ip有可能因为：看网站的流量是增加减少；网站出现了问题是收录减少？是关键词排名都下降？是单个关键词排名下降？从这个词的搜索来源流量可以分析出是不是最近的流量减少或者跳出率增加导致判定不满足用户需求。

2、知道网站目前的问题。首先你要先知道你的网站目前出现了什么问题，然后分析这个问题会有那些原因和情况导致的，最终分析出来这些原因可以反映在数据的哪个方面，在根据这个依据来看数据。举个例子说明：网站降权是不是真正的权重降权，判断方式：网站内外部综合评分，内部评分在于网站是否改版，改版后蜘蛛抓取后和原来不同判定打击。看网站蜘蛛：看出改版会导致蜘蛛的短时间内增加与否，通过看百度站长平台的爬行频率来判定网站是否在短时间被百度频繁抓取评分从而来进行评分观察改版后的网站页面组成元素以及来页面的流量质量度来判断网站流量和用户点击质量度观察是否出现ip下降，pv下降、停留时间下降、跳出率增加等问题就可以知道网站是否是真正的权重降权。

所以我们来进行网站数据的分析的顺序一般是：（1）确定网站出现的问题的原因；（2）知道观察网站的哪些数据能够知道网站出现问题的根本原因；（3）通过观察这些数据得到问题的结果，从而制定恢复计划。

第二，用问题来观看网站数据。

网站最常见的问题有：权重下降/上升，最重要的外在表现，流量变化、排名变化、收录变化；网站流量变化一般表现在关键词搜索，权重、流量、流量的质量度、网站页面质量度是通过搜索词来还是输入链接来访问判断的。所以在遇到这些问题的时候，我们多会通过百度统计工具中的统计数据来观察：

1、网站搜索词来源或者任何来源方式数据

2、网站ip数量、pv量

3、来源网站访问链接

4、网站页面跳出率

5、网站页面的停留时间

6、网站有页面热力点击图

网站权重下降首先看流量的来源方式是否发生丢失，或者来了以后的流量是否质量度发生变化，因为能够直接影响到网站降权的数据主要就是流量问题，所以我们要通过上面的七个数据来进行判断。当我们知道了网站出现问题的根源所在的时候，就要有对应的解决方式来稳定网站，否则你的数据分析也仅仅是面子工程罢了。针对网站降权我们来看看它的解封方法有哪些：

1、如果是因为某个主词排名下降导致流量减少那么我们可以通过友情链接的方式来进行改词的权重提升，通过增加自然点击来辅助关键词排名回温。

2、从百度热力图看到某些位置用户点击效果极差，那么我们就要把热力图中点击少的位置内容换成点击多的，以此来稳定页面权重。

3、进来的流量跳出率比较高我们要做的是找到跳出率高的页面然后改变它，找跳出率低的页面对比一下看看这个页面为什么高，改成低的页面的含有的元素或者效果从而提升页面质量，降低高跳出率网站页面的跳出率。

4、最近的pv量开始减少，所以找到导致跳出率高的流量看这些流量点击的页面，因为以前pv少，现在开始少，说明是增加的流量导致少，那么拿现在的流量和以前的流量比，增加的流量是增加在哪一个部分或者哪一些页面增加了流量，查询是不是这些页面导致跳出增加pv减少。

说到数据分析，其实很简单，就是找到问题、来解决问题。在做SEM数据分析之前，首先要了解数据，为什么要分析数据？通过数据分析可以获得什么？

因此，正常的数据分析过程应该是：确定分析的目的→收集所需的数据→组织数据→分析数据→获得优化意见。

数据是我们调整账户的基础。对于刚入门的竞价员来说，数据分析很难理解。由于关键字报告、创意报告、搜索词报告、对话词报告、转化词报告中的出价数据太多，新手常常不知道怎么开始，此时你需要冷静下来，整理每个报告，过滤并查找有效数据以进行比较。

管理过这么多账户，凭借我们团队的经验，今天以快速掌握SEM数据分析进行讲解。

首先，您需要了解SEM数据名词的含义。点击率是多少？转化率是多少？跳出率是多少？等一系列技术术语，例如帐户点击率下降，您需要清楚地知道哪些因素会导致点击率下降，接下来应该做什么;调整帐户后，您必须清楚地知道哪些数据会发生变化，否则一切都是浪费时间。以下是两个月教育行业的数据案例。

整理后，复杂的数据将变得清晰。经验丰富的SEMer将知道对上图所示账户进行了哪些调整：这组数据是典型的流量不精准分析图，根据公司政策调整减少消费，平移展现下降、点击下降、对话下降、这些都是正常的数据范围，但是我们消费的下降，应该降低我们的转化成本，这组数据中我们的转化成本并没有降低，反而高出了1块钱，这就说明我们在降低消费时，没有控制我们的精准流量进来，还是以泛流量的方式进行优化账户，（当然这组数据的转化成本是指精准客户转化不是所有的转化成本）这就造成我们降低消费的同时没有一个合理的优化方案去优化账户。

因为大数据爆发，因此出现了大数据开发、大数据分析这两大主流的工作方向，目前这两个方向是很热门，不少人已经在开始转型往这两个方向发展，相较而言，转向大数据分析的人才更多一点，而同时也有不少人在观望中，这边科多大数据收集了十个为什么要学习大数据分析的十个理由。

下面我们一起来看看大数据专家写给大数据分析学习者的10个理由

为什么大数据是新的前沿

如果你想在这个世界取得成功，你必须学习趋势。通过查看可用于您的利基的分析数据，您可以确定不同的方法 ，您可以通过这些方式取得积极的成果。一切都取决于数据。从大型跨国公司到小企业。所有伟大的人都使用这些数据为公司的未来制定更好的策略。现在想象成为所有这种疯狂的中心。想象一下，在作出重大业务决策之前，他们是如何做到的?那就是你将和谁同行才能快速成为优秀的数据分析决策师?

你应该学习数据分析的原因

1.数据分析现在是顶级组织的优先事项

随着市场竞争的加剧，顶级组织正在转向数据分析，以确定其服务和产品的新市场机会。目前，77%的顶级组织认为数据分析是业务绩效的关键组成部分。这意味着大数据专业人员对公司政策和营销策略产生巨大影响。

2.增加就业机会

随着公司开始意识到他们无法全面收集，解读和使用数据，他们开始寻找可以这样做的专家。如果您查看所有主要的就业机会平台，您将看到越来越多的职位发布寻找数据分析师和顾问。具有这一特殊技能的专业人士的需求正在上升，而供应仍然很低。这为这一-领域的个人创造了巨大的就业机会。

3.增加数据分析专业人员的工资

随着需求稳步增长，供应依然低迷，数据分析专家越来越多地得到报酬。在印度，像现在这样，数据分析专业人士的平均支付比其他IT专业人士的平均水平高出50%。随着越来越多的公司意识到这些专业人员对组织的重要性，这一趋势在全球显而易见。

4.大数据分析无处不在

正如现在在当今工作场所使用计算机一样，使用故据分析专业人士来促进增长是缓慢的。DataAnalytics几乎没有任何部门保持不变。

5.你会有不同的职业选择

数据分析专家拥有广泛的职称和领域。由于大数据几乎在今天使用。您可以选择:

-指标和分析专员

-数据分析师

-大数据工程师

-数据分析顾问

这些只是您有以在大型组织（如IBM.ITrend.Opera.oracle等）中掌握的一些职位，并且可能性是巨大的。

6.您将成为公司决策的核心

工作场所不满的主要原因之一是大多数员工觉得没有决策权。他们经常觉得这只是一个很棒的公司轮毂。作为数据分析专家，您将成为您所选公司决策的核心。事实上，您将成为企业决策和未来战略的一个组成部分，从而为组织内部发挥重要作用和目标。

7.大数据分析的采用率很高

正如公司开始转向社交媒体品牌广告和客户参与一样，他们也开始转向数据分析。今天几乎不可能找到没有社交媒体的品牌。就数据分析适应而言也是如此。在不久的将来，每个公司都将需要数据分析专家。这使得它成为一个明智的职业生涯，实际上有一个未来的业务。

8. 数据分析正在快于预期

Nimbus Ninety进行的一项调查显示，数据分析的速度要比预计的快得多。调查发现 数据分析技术将在未来3年内寻找技术。

9.它代表完美的自由职业机会

在不久的将来，绝大多数的劳动力不会被束缚在一个雇主身上。人们正在稳步寻找各种各样的收入来源和方法，通过这些渠道找到完美的工作与生活平衡。数据分析，这是一个研究数字、趋势和数据的一般问题 ，为您提供了一个完美的机会，成为世界上一些最大的公司的高薪自由职业者或顾问。在很大的IT基础上，这种工作可以在任何时候从世界任何地方完成。因此，您不必被绑在桌子上。

10.开发新的收入来源

您可以分析并将好的数据信息用于良好用途，您可以轻松识别新的和未开发的创收流。这是通过增加收入来丰富您的生活的最佳方式之一。

以上算是关于大数据专家写给大数据分析学习者的10个理由，可见就目前来看，大数据分析工程师算是一个不错的方向，而且由于其对编程要求不高，学习门槛相较而言也比较低，所以如果想要进入大数据行业，但是又对编程不感兴趣的朋友，可以考虑往大数据分析方向发展。

现在科多大数据更新大数据开发、数据分析、python爬虫等试听视频，小伙伴们可上科多大数据官网咨询领取哦~