Cmap2第六章知識(shí)點(diǎn)總結(jié)：數(shù)據(jù)分析

CMA知識(shí)點(diǎn)之?dāng)?shù)據(jù)分析

　　一、商業(yè)智能BI

　　相關(guān)概念：

　　（1）大數(shù)據(jù)通常被用來(lái)分析大型數(shù)據(jù)集的模式和趨勢(shì)，體現(xiàn)了重大的機(jī)遇和挑戰(zhàn)；

　　（2）容量、多樣性、速度、準(zhǔn)確性；

　　（3）結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。

　　二、數(shù)據(jù)挖掘

　　概念：

　　數(shù)據(jù)挖掘是使用分析工具，在大量數(shù)據(jù)中進(jìn)行查詢，尋找數(shù)據(jù)間的意外關(guān)系，數(shù)據(jù)挖掘從不同的角度分析企業(yè)收集的數(shù)據(jù)，發(fā)掘出關(guān)聯(lián)和規(guī)律，歸納出有用的信息，幫助企業(yè)提高經(jīng)營(yíng)業(yè)績(jī)。

　　結(jié)構(gòu)化查詢語(yǔ)言：

　　（1）選擇（select)；

　　（2）從哪里選(from)；

　　（3）篩選條件(where)。

　　三、分析工具

　　描述性、診斷性、預(yù)測(cè)性和規(guī)范性數(shù)據(jù)分析：

　　（1）描述性分析提供描述實(shí)體的事件和運(yùn)行的信息，側(cè)重于使用各種摘要類型來(lái)度量來(lái)描述數(shù)據(jù)；

　　（2）診斷性分析提供描述實(shí)體的事件和運(yùn)行的信息，側(cè)重于使用各種摘要類型來(lái)度量來(lái)描述數(shù)據(jù)；

　　（3）預(yù)測(cè)性分析了解為什么會(huì)發(fā)生某些事情，然后創(chuàng)建一個(gè)模型來(lái)預(yù)測(cè)未來(lái)可能發(fā)生的事情。

　　規(guī)范性數(shù)據(jù)分析和預(yù)測(cè)性數(shù)據(jù)分析可以共同作用，以確定在未來(lái)的機(jī)會(huì)或問(wèn)題中應(yīng)采取的行動(dòng)。

　　四、線性回歸模型

　　回歸分析法只利用數(shù)據(jù)統(tǒng)計(jì)原理，對(duì)大量統(tǒng)計(jì)數(shù)據(jù)進(jìn)行數(shù)學(xué)處理，并確定因變量與某些自變量的相關(guān)關(guān)系，建立一個(gè)相關(guān)性較好的回歸方程，并加以外推用于預(yù)測(cè)今后的因變量的變化的分析方法。

　　五、探索性數(shù)據(jù)分析

　　使用可視化或圖形化的工具以及定量方法來(lái)發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律識(shí)別和提取重要變量，查找數(shù)據(jù)集中的異常數(shù)據(jù)測(cè)試有關(guān)數(shù)據(jù)的假設(shè)和問(wèn)題，深入了解數(shù)據(jù)集。

　　六、模擬（仿真模型）

　　在現(xiàn)實(shí)情況下，很多變量的信息不容易獲得，因此為了模擬實(shí)際情況輸入變量進(jìn)行隨機(jī)取值，而不是對(duì)變量進(jìn)行約束性的假設(shè)，這種分析方法叫做仿真模型。