4、数据驱动安全分析：技能、问题与工具

数据驱动安全分析：技能、问题与工具

1. 可视化与沟通

可视化实际上是关于沟通的技能。可视化类型可根据受众分为两类：
- 为自己可视化 ：例如 R 的 lm() 函数自动生成的用于诊断线性回归模型拟合情况的四个常见图。这些图对于不了解的人来说可能很丑陋和令人困惑，但它们能为分析师在处理数据或数据模型时提供信息，帮助理解模型的某些关系和属性，用于直观检查数据中的异常、关系强度等。这类可视化作为分析的一部分，很少花精力使其美观或适合展示。
- 为他人可视化 ：用于分析师向他人传达在数据中发现的情况，通常要美观且传达清晰的信息，是面向非分析师的沟通工具。例如与上述诊断图基于相同数据但面向不同受众的图，它更简洁，能从一张图中为每个大陆州提取信息。

2. 技能组合

为使分析更顺畅并从数据中学到更多，需要结合本章涵盖的技能。这些技能不一定要集中在一个人身上，随着数据增长和分析需求融入文化，将工作分配给多人可减轻负担。在组建安全数据科学团队时，很难找到具备所有技能的人，应与候选人深入讨论，确保他们至少具备部分相关技能。

3. 以问题为中心

3.1 问题的重要性

数据分析不是为了分析而分析，而是在更大的背景下进行，理解这个背景是成功分析的关键。每个好的数据分析项目都应从设定目标和提出研究问题开始。如果分析缺乏精心准备的研究问题，可能会让人觉得结果没有意义。没有明确问题指导的分析，可能会浪费时间和精力寻找方便的答案，甚至回答一个没人关心的问题。

3.2 示例分析