近日，中办、国办印发通知，正式宣告：推行互联网协议第六版（ipv6）规模部署行动计划。
值得一提的是，通知中明确提出了时间表：到2018年末，市场驱动的良性发展环境基本形成，ipv6活跃用户数达到2亿，在互联网用户中的占比不低于20%。
十年磨一剑，尘埃终落定！今天，建设新一代互联网的冲锋号吹响，企业家们终于可以放手大干一场了。
不出意外，2018年，将是中国新一代互联网大规模商用的元年！
未来5年，肉眼可见的所有事物都可能被物联网化，家用电器、智能汽车、机械设备乃至森林、沼泽和大海……
仅中国，就将有500亿量级的智能设备连接起来，产生的数据量将大大超越互联网时代，令当前的大数据和云计算相形见绌。
这些超海量数据将成为商业价值的无尽源泉。数据作为人类活动的痕迹，就像金矿等待发掘。但是首先你得明确自己的业务需求，数据才可能为你所用。
对于数据分析思维现在教你几招！
01
分类
分类分析的目标是：给一批人(或者物)分成几个类别，或者预测他们属于每个类别的概率大小。
举个栗子：“京东的用户中，有哪些会在618中下单?”这就是个典型的二分类问题：买or不买。
02
回归
回归任务的目标是：给每个人(或物)根据一些属性变量来产出一个数字(来衡量他的好坏)。
举个栗子：每个用户在618会为京东下单多少钱的?
注意回归和分类的区别在：分类产出的结果是 固定的几个选项之一 ，而 回归的结果是连续的数字，可能的取值是无限多的 。
03
聚类
聚类任务的目标是：给定一批人(或物)，在不指定目标的前提下，看看哪些人(或物)之间更接近。
举个栗子：给定一批用户的购买记录，有没有可能分成几种类型?(零食狂魔，电子爱好者，美妆达人……)
注意聚类和上面的分类和回归的本质区别：分类和回归都会有一个给定的目标(是否下单，贷款是否违约，房屋价格等等)，聚类是没有给定目标的。
04
相似匹配
相似匹配任务的目标是：根据已知数据，判断哪些人(或物)跟特定的一个(一批)人(或物)更相似。
举个栗子：已知一批在去年双十一下单超过10000元的用户，哪些用户跟他们比较相似?
05
频繁集发现
频繁集发现的目标是：找出经常共同出现的人(或物)。这就是大名鼎鼎的“啤酒和尿布”的例子了。这个例子太容易扩展，就不再举栗子啦。
06
统计(属性、行为、状态)描述
统计描述任务的目标是最好理解的：具有哪些属性的人(或物)在什么状态下做什么什么事情。
举个栗子：5月份一个月内每个用户在京东7天内无条件退货的次数,统计描述常常用户欺诈检测，试想一个用户一个月退货100+次，这会是一种什么情况?
07
连接预测
连接预测的目标是：预测本应该有联系(暂时还没有)的人(或物)。
举个栗子：你可能认识xxx?你可能想看xxx?
08
数据压缩
数据压缩的目的是：减少数据集规模，增加信息密度。
举个栗子：豆瓣想分析用户关于国外电影的喜好，讲国内电影的评分数据都排除掉。大数据，也不是数据越多越好，数据多带来的信息多，但是噪声也会变多。
09
因果分析
顾名思义，因果分析的目标是：找出事物间相互影响的关系。
举个栗子：广告的效果提升的原因是广告内容好?还是投放到了更精准的用户?
大数据+精准营销 快速满足顾客需要
从大数据、云计算到目标用户画像，从渠道融合、现代物流到构建消费场景模型，无论是解决目前的零售窘迫还是更深远的筹谋未来，越来越多的人开始意识到，随着市场环境及消费群体的变化，许多企业正在从过去的产品运营思维转化到用户运营思维上来。
正航智慧商业管理系统，大数据解密、追踪顾客行为
大数据时代，构建场景的关键是，如何把好不容易争取到的客户价值最大化，最终围绕“人”来重新建立商业价值链条。