Cmap2第六章知识点总结：数据分析

CMA知识点之数据分析

　　一、商业智能BI

　　相关概念：

　　（1）大数据通常被用来分析大型数据集的模式和趋势，体现了重大的机遇和挑战；

　　（2）容量、多样性、速度、准确性；

　　（3）结构化数据和非结构化数据。

　　二、数据挖掘

　　概念：

　　数据挖掘是使用分析工具，在大量数据中进行查询，寻找数据间的意外关系，数据挖掘从不同的角度分析企业收集的数据，发掘出关联和规律，归纳出有用的信息，帮助企业提高经营业绩。

　　结构化查询语言：

　　（1）选择（select)；

　　（2）从哪里选(from)；

　　（3）筛选条件(where)。

　　三、分析工具

　　描述性、诊断性、预测性和规范性数据分析：

　　（1）描述性分析提供描述实体的事件和运行的信息，侧重于使用各种摘要类型来度量来描述数据；

　　（2）诊断性分析提供描述实体的事件和运行的信息，侧重于使用各种摘要类型来度量来描述数据；

　　（3）预测性分析了解为什么会发生某些事情，然后创建一个模型来预测未来可能发生的事情。

　　规范性数据分析和预测性数据分析可以共同作用，以确定在未来的机会或问题中应采取的行动。

　　四、线性回归模型

　　回归分析法只利用数据统计原理，对大量统计数据进行数学处理，并确定因变量与某些自变量的相关关系，建立一个相关性较好的回归方程，并加以外推用于预测今后的因变量的变化的分析方法。

　　五、探索性数据分析

　　使用可视化或图形化的工具以及定量方法来发现数据中的规律识别和提取重要变量，查找数据集中的异常数据测试有关数据的假设和问题，深入了解数据集。

　　六、模拟（仿真模型）

　　在现实情况下，很多变量的信息不容易获得，因此为了模拟实际情况输入变量进行随机取值，而不是对变量进行约束性的假设，这种分析方法叫做仿真模型。