PDFMV框架的D

专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多 爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

PDFMV框架是“问题-数据-特征-模型-价值”英文字母的缩写，是一个闭环的系统，具有持续性迭代优化的功能。

PDFMV框架的D是“Data”的缩写，表示“数据”。关于D的认知，如下图所示：

我们从数据中学习，获得洞见，以创造价值。这个数据，可以是小数据，也可以是大数据；可以是结构化的数据，也可以是非结构化的数据；可以是表格数据，也可以是图像、声音、视频数据；可以是离线数据，也可是在线数据。等等。

PDFMV框架的D环节，我们重点关注三方面的事情：

1 数据加载，获取与业务问题相关的数据集，以开启我们的数据工作。

2 数据探索，识别数据通用问题。

3 数据管理，处理数据中的问题集。

温馨提示：

• 从不修改原始数据文件，总是在数据的副本上工作。
  

• 垃圾输入，垃圾输出，数据质量至关重要。
  

• 不同的业务问题有着不同的数据留痕。
  

• 为了用好数据，先要理解数据，做好数据画像工作。

  
  

关于PDFMV框架的D，您有什么想法请留言。

需要深入交流和沟通，请加我的微信：luqin360。备注：实名+工作或者专业，否则不会通过。

数据思考与践行

你点的每个在看，我都认真当成了喜欢