最近看了大量关于数据分析/挖掘方面的资料和文章，整理出了一个关于数据分析/挖掘的“纵览图”，涉及到数据分析/挖掘的内涵、常用的分析模型、挖掘/分析步骤、算法、案例等。
虽不全面，但觉得还是可以给大家的数据分析/挖掘学习提供点参考的。
一直以为，数据分析中，“业务理解为重，分析方法次之，分析工具为轻”。为什么这么说呢？因为大家有一个误区，认为第一个先要学习的就是数据分析的工具，正所谓“工欲善其事，必先利其器”，工具仿佛就是数据分析的重中之重。话虽如此，但如果一个人对所分析的业务没有透彻的了解，直接去分析数据的话，会困难重重，脱离问题产生的“业务场景”，迷失在数字的汪洋泽国中，最后的“输出”只是纸上谈兵。比如，把一堆用户的消费数据给你，让你分析出用户的消费偏好，即对哪类产品感兴趣，这种情况下，你的第一反应难道是拿起工具就开始数据处理吗？
回答当然是：NO，你应该先去了解下公司有哪些产品，这些产品属性怎样，然后对产品所面向的消费者有一个大概的认识，了解他们的人口统计学特征和消费习惯等知识，最好是联想到一个消费者行为模型，使分析和思考变得系统化，避免遗漏分析要点。总之，要对即将分析的问题的背景有一定的了解。
数据分析/挖掘最终是要服务于商业目的的，现在数据分析也有一个很“时髦”的名字---商业智能（BI）。
商业智能应包含人、工具、业务知识等方面，可以用下面的公式来表示：
商业智能（BI）=数据+人+工具+算法+工具+知识+预测
大家应该对“人”和“知识”这2个方面重视起来，具体说来就是培养优秀的思维能力，掌握营销学、心理学、管理学和社会学方面的知识，这样分析数据才能得到“活生生”的、有助于解决实际问题的洞见（insight），不至于被“冷冰冰”的数字所束缚。
以下是数据分析/挖掘的纵览图，大家可以按图索骥，去百度搜索下，如果写的不完善，欢迎大家在下面补充~
