数据特点是大样本，实际场景如用户消费行为分群可以处理任意形状的数据，还能识别噪声点，可用于异常交易检测。

时间序列可能用于回答业务在不同时间段的波动等问题

ANOVA，变异数分析。用于两个及以上样本均数差别的显著性检验。ab测试可以用来比较两组的差异，但是需要对比多个组时，ab测试就很低效，需要用到方差分析由于各种因素的影响，实验所得数据呈现波动，造成波动的原因分两类：一种是随机因素导致的波动，另一种就是实验中施加的干预对结果形成影响的可控因素；核心目标是通过分析组间和组内的方差，判断是否存在显著差异。

通俗就是：这次产品的功能上线之后效果是好的（+10%点击率），然后对测试结果进行统计，发现【不好是小概率事件】，也就是【拒绝了原假设】注意：拒绝了原假设也不代表100%接受备择假设，只能提供“统计学证据”来反驳零假设的合理性，存在第一类错误的风险。核心是构造一个服从特定分布的统计量（将分布的均值作为一个标准分布）。定义：用于通过样本数据对总体参数的某种假设进行验证的方法。Z检验统计量（已知总体方差

监督学习：数据集中存在的标签（例如高价值用户），即我们要预测的结果字段，其他的字段称为特征（RFM值、层级），机器学习就是通过对特征的学习，找出能够正确预测标签的模型的过程。衡量投入产出比ROI。基于历史数据，通过用户的特征和行为数据对用户进行细分，从而了解用户，有的放矢的促销用户获客、用户管理等活动。形成同期群》》追踪一段时间后的活跃程度，留存率和流失率》》推出用户的粘性、忠诚度，评价获客，促销

维度建模：按照事实表、维度表来构建数据仓库模型的方法，根据维度表与事实表之间的链接方式完成数据表开发。数据域/主题域：数据域对当前业务场景或业务sop进行拆分完成建设，主题域则是通过业务使用场景去做事实表设计：围绕着业务过程来设计，通过获取描述业务过程的度量来表达业务过程，包含了引用的维度和与业务过程有关的度量；维度：对当前场景分析角度描述及补充颗粒度：数据域下场景用户再细分（买家和卖家），基于M

聚焦于留存》如何提高LTV》如何开发出优质产品》如何提升企业长期核心价值聚焦于流失》用户为何不在使用产品》如何挽回用户》运营策略评估流失分为：1）响应式流失：对特定的负面事件或体验做出反应，突然停止之前使用的产品或服务2）预期式流失：是渐进的、缓慢发生的、无特定触发因素驱动的流失降低流失：重视用户的感受、和用户保持沟通、与用户维系好关系（用户思维）1）我们通过Lifelines库，为分析了目前江里

维度建模：按照事实表、维度表来构建数据仓库模型的方法，根据维度表与事实表之间的链接方式完成数据表开发。数据域/主题域：数据域对当前业务场景或业务sop进行拆分完成建设，主题域则是通过业务使用场景去做事实表设计：围绕着业务过程来设计，通过获取描述业务过程的度量来表达业务过程，包含了引用的维度和与业务过程有关的度量；维度：对当前场景分析角度描述及补充颗粒度：数据域下场景用户再细分（买家和卖家），基于M

Scikit-learn是数据挖掘和数据分析的高效工具，可以实现数据预处理、分类、回归、降维、模型选择等操作。