正文
我也有一篇专门的文章，来解析如何用八爪鱼模拟实战做数据采集，主要讲解了八爪鱼的任务建立、流程设计，还有一个实操的案例。虽然八爪鱼工具提供了各种简易采集的方式，我更建议你把它作为参考模板，可以看下别人是如何建立的，这样多做案例，你上手会更快。
3、业务能力（数据思维）
数据分析的本质是要对业务有帮助。因此数据分析有一个很重要的知识点就是用户画像。
用户画像是企业业务中用到比较多的场景，对于数据分析来说，就是对数据进行标签化，实际上这是一种抽象能力。
用户画像建模的详细操作，主要在我的这篇文章里「用户画像：标签化就是数据的抽象能力」，从三个维度来建立用户画像：“都是谁”、“从哪来”、“要去哪”。若是用户画像建模的过程，按照数据流处理的阶段来划分，可以分为：数据层、算法层、业务层。你会发现在不同的层，都需要打上不同的标签。
详细内容，可订阅我的专栏，已超过 1W 人订阅，现在正在优惠中，原价¥99，限时拼团¥79，最后一天了。想认真学习数据分析的同学，这个专栏绝对即学即用，提升你的数据分析能力。
作为实力检测的一部分，笔试是非常重要的一个环节。它可以直接测验你对数据分析具体理论的掌握程度和动手操作的能力。我出了几道简单的题，你不妨来看下。
问答题
1、用一种编程语言，实现 1+2+3+4+5+...+100。
这道题考察的就是语言基础，你可以用自己熟悉的语言完成这道题，比如 Python、Java、PHP、C++ 等。这里我用 Python 举例：sum = 0for number in range(1,101): sum = sum + numberprint(sum)
2、如何理解过拟合？
过拟合和欠拟合一样，都是数据挖掘的基本概念。过拟合指的就是数据训练得太好，在实际的测试环境中可能会产生错误，所以适当的剪枝对数据挖掘算法来说也是很重要的。
欠拟合则是指机器学习得不充分，数据样本太少，不足以让机器形成自我认知。
3、为什么说朴素贝叶斯是“朴素”的？
朴素贝叶斯是一种简单但极为强大的预测建模算法。之所以称为朴素贝叶斯，是因为它假设每个输入变量是独立的。这是一个强硬的假设，实际情况并不一定，但是这项技术对于绝大部分的复杂问题仍然非常有效。
4、SVM 最重要的思想是什么？
SVM 计算的过程就是帮我们找到超平面的过程，它有个核心的概念叫：分类间隔。SVM 的目标就是找出所有分类间隔中最大的那个值对应的超平面。在数学上，这是一个凸优化问题。同样我们根据数据是否线性可分，把 SVM 分成硬间隔 SVM、软间隔 SVM 和非线性 SVM。
