Cmap2第六章知識點總結：數據分析

CMA知識點之數據分析

　　一、商業智能BI

　　相關概念：

　　（1）大數據通常被用來分析大型數據集的模式和趨勢，體現了重大的機遇和挑戰；

　　（2）容量、多樣性、速度、準確性；

　　（3）結構化數據和非結構化數據。

　　二、數據挖掘

　　概念：

　　數據挖掘是使用分析工具，在大量數據中進行查詢，尋找數據間的意外關系，數據挖掘從不同的角度分析企業收集的數據，發掘出關聯和規律，歸納出有用的信息，幫助企業提高經營業績。

　　結構化查詢語言：

　　（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、預測性和規范性數據分析：

　　（1）描述性分析提供描述實體的事件和運行的信息，側重于使用各種摘要類型來度量來描述數據；

　　（2）診斷性分析提供描述實體的事件和運行的信息，側重于使用各種摘要類型來度量來描述數據；

　　（3）預測性分析了解為什么會發生某些事情，然后創建一個模型來預測未來可能發生的事情。

　　規范性數據分析和預測性數據分析可以共同作用，以確定在未來的機會或問題中應采取的行動。

　　四、線性回歸模型

　　回歸分析法只利用數據統計原理，對大量統計數據進行數學處理，并確定因變量與某些自變量的相關關系，建立一個相關性較好的回歸方程，并加以外推用于預測今后的因變量的變化的分析方法。

　　五、探索性數據分析

　　使用可視化或圖形化的工具以及定量方法來發現數據中的規律識別和提取重要變量，查找數據集中的異常數據測試有關數據的假設和問題，深入了解數據集。

　　六、模擬（仿真模型）

　　在現實情況下，很多變量的信息不容易獲得，因此為了模擬實際情況輸入變量進行隨機取值，而不是對變量進行約束性的假設，這種分析方法叫做仿真模型。