埃森哲数据分析方法论_V2.6.2.pptxVIP

数据分析埃森哲观点2014-5数据分析框架数据分析方法数据分析支撑工具目录概述关联分析时序模型数据理解数据准备结构优化分类与回归聚类分析数据分析即从数据、信息到知识的过程，数据分析需要数学理论、行业经验以及计算机工具三者结合工具支撑各种厂商开发了数据分析的工具、模块，将分析模型封装，使不了解技术的人也能够快捷的实现数学建模，快速响应分析需求。数学统计学知识数据分析的基础，将整理、描述、预测数据的手段、过程抽象为数学模型的理论知识机器学习数学统计学知识机器学习不需要人过多干预，通过计算机自动学习，发现数据规律，但结论不易控制。工具支撑传统分析在数据量较少时，传统的数据分析已能够发现数据中包含的知识，包括结构分析、杜邦分析等模型，方法成熟，应用广泛，本文不展开介绍传统分析分析误区数据挖掘数据挖掘是挖掘数据背后隐藏的知识的重要手段数据挖掘行业经验分析误区不了解分析模型的数学原理，会导致错误的使用模型，而得出错误的分析结论，影响业务决策，因此在选用分析模型时，要深入了解该模型的原理和使用限制行业经验行业经验可在数据分析前确定分析需求，分析中检验方法是否合理，以及分析后指导应用，但行业特征不同，其应用也不同，因此本文不展开介绍随着计算机技术发展和数据分析理论的更新，当前的数据分析逐步成为机器语言、统计知识两个学科的交集（备选）数据分析工具各种厂商开发了数据分析的工具、模块，将分析模型封装，使