埃森哲数据分析方法论-V2.6.2.pdfVIP

数据分析埃森哲观点 目录 概述 数据分析框架 数据分析方法 数据理解数据准备 分类与回归 聚类分析 关联分析 时序模型 结构优化 数据分析支撑工具 Copyright © 2014 Accenture All rights reserved. 2 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 • 数学统计学知识 各种厂商开发了数据分析的工具、模块，将分析 数据分析的基础，将整理、描 模型封装，使不了解技术的人也能够快捷的实现 述、预测数据的手段、过程抽 数学建模，快速响应分析需求。 象为数学模型的理论知识 • 机器学习 不需要人过多干预，通 过计算机自动学习，发 • 传统分析 现数据规律，但结论不 机器 在数据量较少时，传统的 易控制。 学习 数据分析已能够发现数据 数据 中包含的知识，包括结构 • 数据挖掘 分析 挖掘 传统 分析、杜邦分析等模型， 方法成熟，应用广泛，本 数据挖掘是挖掘数据背后隐 误区 分析 文不展开介绍 藏的知识的重要手段 行业经验 • 分析误区 不了解分析模型的数学原理，会导致 • 行业经验 错误的使用模型，而得出错误的分析 行业经验可在数据分析前确定分析需 结论，影响业务决策，因此在选用分 求，分析中检验方法是否合理，以及 析模型时，要深入了解该模型的原理 分析后指导应用，但行业特征不同， 和使用限制 其应用也不同，因此本文不展开介绍 Copyright © 2014 Accenture All rights reserved. 3 随着计算机科学的进步，数据挖掘、商务智能、大数据等 概念的出现，数据分析的手段和方法更加丰富 常规分析 数据挖掘 商务智能 大数据技术 数据可视化 •揭示数据之间的静 •统计学和计算机技 •一系列以事实为支 •从多种类型的数据 •大数据时代，展示 态关系 术等多学科的结合 持，辅助商业决策的 中，快