数据分析可被划分为4个重要的类别,具体应该怎么理解?
1.描述型:发生了什么?
这是最常见的一种。在业务中,它向分析师们提供业务的重要衡量标准的概览。
一个例子是每月的利润和损失账单。类似地,分析师可以获得大批客户的数据。了解客户(如,30%的客户是自雇型)的地理信息也可认为是“描述型分析”。充分利用可视化工具能增强描述型分析所带来的信息。
2018-07-25_210211.png
2.诊断型:为什么会发生?
这是描述型分析的下一步难题。通过评估描述型数据,诊断分析工具使得分析师们能够深入分析问题的核心原因。
设计良好的商业信息dashboard整合了时间序列数据(譬如,在多个联系时间点上的数据)的读入、特征的过滤和钻入功能,能够用于这类分析。
3.预测型:可能发生什么?
预测型分析主要是进行预测。某事件在将来发生的可能性,预测一个可量化的值,或者是估计事情可能发生的某个时间点,这些都可以通过预测模型完成。
预测模型通常运用各种可变数据来作出预测。数据成员的多样化与可能预测的目标是相关联的(如,人的年龄越大,越可能发生心脏病,我们可以说年龄与心脏病风险是线性相关的)。随后,这些数据被放在一起,产生分数或预测。
在一个充满不确定性因素的世界里,能够预测允许人们作出更好的决定。预测模型在很多领域都被用到。
4.指导型:我需要做什么?
在价值和复杂度上,下一步就是指导性模型。指导性模型基于发生了什么、为什么会发生以及一系列“可能发生什么”的分析,帮助用户确定要采取的最好的措施。很显然,指导性分析不是一个单独的行为,实际上它是其他很多行为的主导。
交通应用是一个很好的例子,它帮助人们选择最好的回家路线,考虑到了每条路线的距离、在每条路上的速度、以及很关键的目前的交通限制。
另一个例子是生成考试时间表,不让任何学生的时间表发生冲突。
不同类型的分析能提供不同的商业价值,每一种分析都有它自己的用
人工智能、大数据、云计算和物联网的未来发展值得重视,均为前沿产业,多智时代专注于人工智能和大数据的入门和科谱,在此为你推荐几篇优质好文:
电商企业如何做好经营数据分析?
http://www.duozhishidai.com/article-13885-1.html
大数据分析现状是什么,主要的分析技术是什么?
http://www.duozhishidai.com/article-13338-1.html
人工智能、机器学习、数据挖掘以及数据分析有什么联系?
http://www.duozhishidai.com/article-13135-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站
- 电商平台应该分析哪些数据?具体怎么去分析?
- 大数据本质是什么,基础理论应该怎么理解?
- 使用BitConverter.GetBytes转换double到byte[]中,得到的数据怎么理解
- 我们应该怎么做需求分析
- 网络编程中4个重要的地址数据结构
- 淘宝装修提高转化率数据分析,你的店铺怎么装修的?
- 机器学习之-预测数值型数据:回归-具体怎么实现及应用
- 胖子哥的大数据之路(三)- 数据仓库的需求分析该怎么做
- 每个电商企业都应该分析的9种数据
- 我对数据分析的初步理解
- App数据重点分析的4个方面
- 数据绑定以及Container.DataItem的具体分析(转)
- LSTM模型分析及对时序数据预测的具体实现(python实现)
- Fiddler怎么对IPhone手机的数据进行抓包分析
- 云计算,不仅仅是数据的存储计算,更应该是数据的分析、挖掘计算- 电饭锅产业技术路线图发布:明晰发展方向
- 数据仓库项目常见综合型问题具体分析
- 数据分析中几个重要的Python库
- 特老的文章:三层应该怎么划分。不知大家还有用否
- 截获所有以太网帧数据并进行具体分析
- 重要的word文档数据丢失怎么办?