总部的数据分析师建立了各个指标去分析原因，都没有找出来问题。后来在访谈中发觉，因为重庆是山城，路面高低落差比较夸张，很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。这个案例中，我们只知道送货员的送货水平距离，数据上根本不可能知道垂直距离这个指标。这就是数据的局限，也是只会看数据的分析师和接地气分析师的最大差异。
对于业务市场的了解是数据分析师工作经验上最大优势之一。既然是零经验面试，公司肯定也知道刚入门分析师不会有太多业务经验，不会以这个卡人。所以简单花一周了解行业的各指标。《增长黑客》数据驱动业务的典型，里面包含产品运营最经典的AAARR框架，部分非数据的营销案例，《网站分析实战》如果应聘的公司涉及Web产品，可以了解流量的概念。
书中案例以Google Analytics为主。其实现在是APP Web的复合框架，比如朋友圈的传播活动肯定需要用到网页的指标去分析。《精益数据分析》互联网数据分析的入门书籍，归纳总结了几个常用的分析框架。比较遗憾的是案例都是欧美。还有一个小建议，现在有不少第三方的数据应用，囊括了不少产品领域的数据分析和统计。
自学党们即使没有生产环境的数据，也可以看一下应用Demo，有好处的。除了业务知识，业务层面沟通也需要掌握。另外建议在面试前几天收集该行业的业务强化一下。第七周：Python/R学习终于到第七周，也是最痛苦的一周。这时应该学习编程技巧。是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘，爬虫，可视化报表都需要用到编程能力。
掌握一门优秀的编程语言，可以让数据分析师事半功倍，升职加薪，迎娶白富美。这里有两条支线，学习R语言或Python。速成只要学习一条，以后再补上另外一门。R的优点是统计学家编写的，缺点也是统计学家编写。如果是各类统计函数的调用，绘图，分析的前验性论证，R无疑有优势。但是大数据量的处理力有不逮，学习曲线比较陡峭。
Python则是万能的胶水语言，适用性强，可以将各类分析的过程脚本化。Pandas，sklearn等各包也已经追平R。如果学习R，建议看《R语言实战》，照着书本打一遍代码，一星期绰绰有余。另外还有一本《统计学》，偏知识理论，可以复习前面的统计学知识。R学习和熟悉各种包。知道描述性统计的函数。掌握DataFrame。
如果时间有余。可以再去学习ggplot2。Python拥有很多分支，我们专注数据分析这块，入门可以学习《深入浅出Python》。需要学会条件判断，字典，切片，循环，迭代，自定义函数等。知道数据领域最经典的包Pandas Numpy。在速成后的很长一段时间，我们都要做调包侠。这两门语言最好安装IDE，R语言我建议用RStudio，Python我建议用 Anaconda。
都是数据分析的利器。Mac自带Python2.7，但现在Python 3已经比几年前成熟，而且没有编码问题。各类教程也足够多，不要抱成守旧了。Win的电脑，安装Python会有环境变量的问题，是个大坑（R的中文编码也是天坑）。到这里，刚刚好是七周。如果还需要第八周 ，则是把上面的巩固和融会贯通，毕竟速成是以转岗或拿offer为目的。
篮球的高阶数据有哪些，具体是怎么分析的？
不请自来，先向题主和各位朋友问声好！篮球虽然不是一项简单的数字游戏，但是数据绝对是了解一支球队状况的重要途径。要说现今篮球联赛中对于数据的详尽程度来讲，NBA自然是首屈一指的！所以，今天我们就以NBA的数据项目为标本，了解一下篮球比赛中都有哪些“高阶数据”。其一、常见的“高阶数据”1.进攻效率，防守效率，净效率进攻效率，英文全称：Offensive Rating，缩写：OFFRTG（NBA官网缩写）或ORtg。
用于球员：用来说明该球员在场时，球队每100回合能够得到的分数。用于球队：球队在每一百回合能够得到的分数。举例：A球队每场比赛进攻50次，能够得到100分，B球队每场比赛进攻80次，得到110分，如果单从得分上来看，B球队的得分是要高于A球队的。但是依照进攻效率的角度来看，B球队每场比赛要比A球队多进攻了30次，进攻机会要多了60%，但是得分却只多了10分，只多出10%，所以A球队在进攻效率上明显是要高于B球队的。
PS：图片数据为本赛季至今NBA进攻效率TOP15球队排行防守效率，英文全称：Defensive Rating，缩写：DEFRTG（NBA官网缩写）或DRtg。无论是用于球员还是用于球队，该数值都是指每百回合被对手攻下的分数。用于球员的话，还可以细分为 ON DEFRTG（球员在场时对手每百回合可以攻下的分数）和OFF DEFRTG（球员不在场时对手每百回合攻下的分数）。
例子就不用举了吧，依照进攻效率的例子反推就可以了。净效率：进攻效率值-防守效率值=净效率，数值当然是越高越好。2.回合数（PACE)即每48分钟，一支球队能够打出多少个回合。注：1回合说明：发生一次球权转换即一个回合结束。一般情况下，统计数据中的回合数都是通过一个公式计算出来的，毕竟总不能派人一个一个回个的数不是。
回合计算公式：回合数=0.5×（球队总出手 0.4×球队罚球总出手-1.07×（球队进攻篮板/（球队进攻篮板 对手防守篮板））×（（球队总出手-球队总命中） 球队总失误） （对手总出手 0.4×对手总出手-1.07×（对手进攻篮板/（对手进攻篮板 球队防守篮板））×（（对手总出手-对手总命中） 对手总失误）。
每48分钟回合数计算：PACE=（对手回合数 球队回合数）/（2×（比赛时间/5））PS：图片数据为本赛季至今NBA回合数TOP15球队排行3.诸多分项：助攻率，英文全称：Assist Percentage，缩写：AST%。用于球员的时候，该球员在场时，队友的进球中有多少来自于该球员的助攻。助攻失误比，英文全称：Assist to Turnover Ratio ，缩写：AST/TO。
用该球员的助攻数/失误数得出，通常用来衡量一支球队中的进攻组织者的表现，越高越好。助攻比率，英文全称：Assist Ratio，缩写：AST RATIO。该球员在每一百回合当中能够送出多少助攻，数值越高说明这名球员越倾向于传球，并且助攻能力越高。篮板率，英文全称：Rebound Percentage，缩写：REB%。
球员抢到的篮板球占球队总篮板数的比例。可分为前场篮板率（Offensive Rebound Percentage，缩写OREB%）和后场篮板率（Defensive Rebound Percentage，缩写DREB%）。失误率，英文全称：Turnover Percentage，缩写：TOV%。通常用于计算每一百个回合当中，一名球员/球队有多少个回合以失误结束。
回合占有率或者叫使用率，英文全称：Usage Percentage，缩写：USG%。当该球员在场时，占据球队回合的比例的估算值。有效命中率，英文全称：Effective Field Goal Percentage，缩写：eFG%。尽可能的计算一个球员的投篮效率。举例：A和B两名球员在总投篮命中上都是10投5中，但是A球员其中的三分球是5投1中，总共得到了11分，但是B球员其中的三分球是5投5中，得到了15分，同样是10次出手，明显B球员的投篮效率更高。
计算公式：eFG%=(FG 0.5×3P）/FGA。通过这个计算公式我们可以计算出B球员的eFG%=（5 0.5×5）/10=75%，而A球员的eFG%=(5 0.5×1）/10=55%，B球员在有效命中率上明显要大于A球员。真实命中率，英文全称：True Shooting Percentage，缩写TS%。
这个实在有效命中率的基础上，再加上罚球数据而来的，基本上用来判定一名球员在把握得分机会上的能力，毕竟篮球场上的得分就三种，一分，两分和三分。计算公式：TS%=得分/（2×（投篮数 0.44×罚球））比赛贡献值，英文全称：Player Impact Estimate，缩写：PIE。衡量一个球员对比赛影响程度的数据，越高越高。
其二、不算太常见的进攻端高阶统计类型1.按照不同的得分类型划分利用失误得分，英文全称：Points Off Turnovers，缩写：PTS OFF TO。顾名思义就是球队每场比赛利用对手的失误能够得到的分数。二次进攻得分，英文全称：Second Chance Points，缩写：2nd PTS。一般情况下就是拼抢到前场篮板后能够拿到的分数。
快攻得分，英文全称：Fast Break Points，缩写：FBPs。这个应该很好理解。内线得分，英文全称：Points in the Paint，缩写：PITP。球队能够在内线得到的分数。2.按照不同进攻方式划分的高阶统计方式。突破统计，英文全称：Drive，该统计包括突破次数，突破得分、突破传球、突破杀伤力（造犯规次数）、突破传球次数、助攻能力、失误等。
接球投篮统计，英文全称：Catch
