闷骚特质定义
闷骚一般是指外表沉闷，内心却充满疯狂。闷骚不是贬义词，实际上可以作中性词理解。数据是什么呢？无非是n行m列的数据堆砌（也会有文字）。没有表情，甚至没有血色，就好像下面这张扑克脸。是不是很闷。
赶紧逃？No，no，no，no，不要被它死气沉沉的外表吓到，如果它疯起来会让你为之着迷的。足以让你的多巴胺超标。
怎么才能让数据疯狂起来，让数据骚起来呢？
第一步，打探背景
了解一个人，首先是看他的背景（之前的生活环境/教育环境）。了解背景后，对于这个人的习性有一定的初始的把握（不同的养育方式，造就了不同的眼界，当然了这只是一方面）。对于数据来讲，就是看它的业务背景是什么（售前数据/售后数据）。售前数据告诉我们应该如何找到目标客户，扩大用户群体；售后数据告诉我们如何留住客户，延长客户生命周期及与产品接触的深度。了解这些就可以有的放矢地去撩它了（大致可以识别出这个人的兴趣点，数据可能用到的字段属性等）。
第二步，投石问路
跟擅长外语的人要聊美剧/日剧；跟喜欢足球的人聊世界杯，跟喜欢篮球的人聊NBA。跟刚毕业的人聊职场.......原则呢，就是聊这个人领域内或者这个人即将涉足的领域。更关键的是，时刻关注反馈信息，及时调整撩拨策略。否则，会上演一部自编自导自演的独角戏。
对于数据来讲，就是数据的描述与探索（当然了这里略过了缺失值的过滤）。看分布，识趋势，查异常，找相关。
- 分布是对数据有个基本的框架认识，同时也是对业务的进一步了解。（对汽车销售数据的分布可知，新疆销售的比较少。对应的业务可能是新疆的经销商比较少，或者销售政策对新疆支持力度较弱）。
- 趋势一般与时间进行结合分析，可以看到随着时间的推移，销售量是增长还是下降，随着季节变化，还是随着月度变化等等 。（当然了，计量金融分析中，还要分析时间序列的平稳性）。
- 异常是在分布或趋势的基础上识别出来的。趋势中突然变大或变小。分布中的离群值。对异常值的判断，要基于实际的业务背景与业务经验。 （异常值的产生可能是销售过程中的促销或断货，或数据收集时的疏忽等）
- 相关更多地是分析属性变量与目标变量间的相关度，属性间的相关性分析更多是属于多重共线性的问题。也可以进行主成分分析。
第三步，路在何方
通过第二步的投石问路，对这个人有更进步的了解，那么继续疯下去的路径是再挖掘兴趣。跟喜欢足球的人喜欢南美球员或是C罗，不喜欢德国队等等，喜欢篮球的人喜欢NBA，但不一定喜欢詹姆斯，喜欢的可能是科比抑或是罗斯。
对数据特征的分析就必须要讲到一个波动性的问题，波动性是用方差来衡量，如果方差很小，说明此属性/特征是不具备区分度的，比如年龄，都是30岁左右的。年龄这个属性就没有再分析的必要。反之，方差越大，则属性的的区分度越好。方差可分为同方差与异方差。同方差是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定（总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差）。如果这一假定不满足，即：随机误差项具有不同的方差，则称线性回归模型存在异方差性。异方差的隐患有
- 建立的模型中，参数估计量不一定有效
- 无法正确估计标准误差和估计区间
- 参数显著性检验失效
- 预测的精确度降低
所以再做经典回归（多元线性回顾）之前，我们会做异方差的检验。这里简单介绍两种方法：① Goldfeld - Quandt 检验法：先将样本一分而二，对子样1和子样2分别作回归，然后利用两个子样的残差的方差之比构造检验统计量F进行异方差检验。这个检验统计量服从F分布。递增异方差，方差之比就会远远大于1；反之，同方差，方差之比趋近于1。注意：当模型中包含多个解释变量时，应对每个可能引起方差的解释变量都进行检验。② White 检验法：不需要关于异方差的任何先验信息，只需要在大样本的情况下，将OLS估计后的残差平方对常数、解释变量、解释变量的平方及其交叉乘积等所构成一个辅助回归，在多元回归中，由于解释变量个数太多，可去掉辅助回归式中解释变量间的交叉项。利用辅助回归建立相应的检验统计量来判断异方差性。
其实，当你深入去认识去了解数据的时候，就会被它深深吸引，在互动的过程中，你并不知道是你在聊它还是它在撩你。这就是闷骚可爱之处。
