-
-
wuyingchun 数据达人Lv4
发表于2019-1-10 15:12
楼主
本帖最后由 wuyingchun 于 2019-1-10 15:16 编辑
数据分析是什么？
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。
数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。
数据分析的作用
通常的答案都是一些了解产品现状，知悉业务发展之类的，都不能够概括数据分析，严格定义上的数据分析作用一共有4条：
1、描述性分析，故名思义，主要是对已经发生的事实用数据做出准确的描述。比如某企业订单履约率从上月的98%下降到了95%，属于偏基础类的工作；
2、诊断性分析，在知道了发生什么之后，更重要的是，我们要明白为什么发生。比如经过分析，发现订单履约率下降的原因是成品生产不出来，无法完成交付；
3、预测性分析，基于上述两个层次的分析，我们发现了其中的规律，即原材料供应商的送货及时率会影响成品订单的履约率。假如上月某原材料供应商A送货及时率只有70%，通过建模，我们可以预测本月该供应商会使我们的订单履约率下降2%；
4、处方性分析，有了预测性分析的结果后，我们无需再做事后诸葛亮，而可以运筹帷幄，在事前就采取措施。上例中，供应商A会导致本月我们的订单履约率下降，我们可能采取的措施就是把A换掉，但是现在有B和C两个供应商供我们选择，该选择哪个呢？通过分析和计算得出：选用供应商B会比选C的订单履约率高1%，因此建议选择供应商B。
数据分析案例
沃尔玛的“啤酒与尿布”
“啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中，这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。
在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲前去超市购买尿布。父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样就会出现啤酒与尿布这两件看上去不相干的商品经常会出现在同一个购物篮的现象。如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店， 直到可以一次同时买到啤酒与尿布为止。沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以同时找到这两件商品，并很快地完成购物；而沃尔玛超市也可以让这些客户一次购买两件商品、而不是一件，从而获得了很好的商品销售收入，这就是“啤酒与尿布” 故事的由来。
当然“啤酒与尿布”的故事必须具有技术方面的支持。1993年美国学者Agrawal提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为。艾格拉沃从数学及计算机算法角度提 出了商品关联关系的计算方法——Aprior算法。沃尔玛从上个世纪 90 年代尝试将 Aprior 算 法引入到 POS机数据分析中，并获得了成功，于是产生了“啤酒与尿布”的故事。
数据分析方法
1、列表法
将实验数据按一定规律用列表方式表达出来是记录和处理实验数据最常用的方法。表格的设计要求对应关系清楚、简单明了、有利于发现相关量之间的物理关系；此外 还要求在标题栏中注明物理量名称、符号、数量级和单位等；根据需要还可以列出除原始数据以外的计算栏目和统计栏目等。最后还要求写明表格名称、主要测量仪器的型号、量程和准确度等级、有关环境条件参数如温度、湿度等。
2、作图法
作图法可以最醒目地表达物理量间的变化关系。从图线上还可以简便求出实验需要的某些结果（如直线的斜率和截距值等），读出没有进行观测的对应点（内插法）或在一定条件下从图线的延伸部分读到测量范围以外的对应点（外推法）。此外，还可以把某些复杂的函数关系，通过一定的变换用直线图表示出来。例如半导体热敏电阻的电阻与温度关系为，取对数后得到，若用半对数坐标纸，以lgR为纵轴，以1/T为横轴画图，则为一条直线。
3、数据分析主要包含：
简单数学运算（Simple Math）
统计（Statistics）
快速傅里叶变换（FFT）
平滑和滤波（Smoothing and Filtering）
基线和峰值分析(Baseline and Peak Analysis)
数据分析工具
数据分析工具选择很重要，因为分析工具关系着能不能将数据发挥最大的价值，这里我可以推荐一款数据分析工具，亿信华辰公司的亿信BI。
亮点一：可以实现复杂的报表，类Excel在线设计器，支持多级表头、表元合并，多级浮动、分组、斜线表元、多表体等复杂表元，简单的拖拽和拾取。
。
亮点二：内置数十种可视化元素和图形，通过简单的数据关系定义，就能实现简单的可视化效果。数据可视化图形包括线状图、饼图、柱状图等常规图形，同时支持 复杂的流向土、和弦图、圈饼图、瀑布图、金字塔图等。同时囊括世界、中国各省的图片地图及GIS地图。通过简单的数据搭配就能产生成千上万的效果，帮助理解数据。
亮点三：3D视角还原事件场景，掌握动态数据信息。内置多个场景，强势支持大数据3D可视化。在3D场景上可实现钻取、联动、轮播、旋转、3D漫游等功能。通过 全景3D视角和虚拟现实技术，勾勒鲜活的事件场景；带来顶级视觉体验；直观掌握信息全貌；收获数据价值。
亮点四：移动应用
多终端无缝应用，不同移动设备自适应一表三屏；
在线离线两种浏览模式机也能随时随地访问移动数据；
多种参数选择，多种钻取分析，丰富的统计图形等数据分析技术，一站式完美搞定移动办公诉求。
多种集成、接口技术，可灵活将移动分析表、移动单应用或者app首页集成到第三方app中。
数据分析是什么？
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。
数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。
数据分析的作用
通常的答案都是一些了解产品现状，知悉业务发展之类的，都不能够概括数据分析，严格定义上的数据分析作用一共有4条：
1、描述性分析，故名思义，主要是对已经发生的事实用数据做出准确的描述。比如某企业订单履约率从上月的98%下降到了95%，属于偏基础类的工作；
2、诊断性分析，在知道了发生什么之后，更重要的是，我们要明白为什么发生。比如经过分析，发现订单履约率下降的原因是成品生产不出来，无法完成交付；
3、预测性分析，基于上述两个层次的分析，我们发现了其中的规律，即原材料供应商的送货及时率会影响成品订单的履约率。假如上月某原材料供应商A送货及时率只有70%，通过建模，我们可以预测本月该供应商会使我们的订单履约率下降2%；
4、处方性分析，有了预测性分析的结果后，我们无需再做事后诸葛亮，而可以运筹帷幄，在事前就采取措施。上例中，供应商A会导致本月我们的订单履约率下降，我们可能采取的措施就是把A换掉，但是现在有B和C两个供应商供我们选择，该选择哪个呢？通过分析和计算得出：选用供应商B会比选C的订单履约率高1%，因此建议选择供应商B。
数据分析案例
沃尔玛的“啤酒与尿布”
“啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中，这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。
在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲前去超市购买尿布。父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样就会出现啤酒与尿布这两件看上去不相干的商品经常会出现在同一个购物篮的现象。如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店， 直到可以一次同时买到啤酒与尿布为止。沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以同时找到这两件商品，并很快地完成购物；而沃尔玛超市也可以让这些客户一次购买两件商品、而不是一件，从而获得了很好的商品销售收入，这就是“啤酒与尿布” 故事的由来。
当然“啤酒与尿布”的故事必须具有技术方面的支持。1993年美国学者Agrawal提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为。艾格拉沃从数学及计算机算法角度提 出了商品关联关系的计算方法——Aprior算法。沃尔玛从上个世纪 90 年代尝试将 Aprior 算 法引入到 POS机数据分析中，并获得了成功，于是产生了“啤酒与尿布”的故事。
数据分析方法
1、列表法
将实验数据按一定规律用列表方式表达出来是记录和处理实验数据最常用的方法。表格的设计要求对应关系清楚、简单明了、有利于发现相关量之间的物理关系；此外 还要求在标题栏中注明物理量名称、符号、数量级和单位等；根据需要还可以列出除原始数据以外的计算栏目和统计栏目等。最后还要求写明表格名称、主要测量仪器的型号、量程和准确度等级、有关环境条件参数如温度、湿度等。
2、作图法
作图法可以最醒目地表达物理量间的变化关系。从图线上还可以简便求出实验需要的某些结果（如直线的斜率和截距值等），读出没有进行观测的对应点（内插法）或在一定条件下从图线的延伸部分读到测量范围以外的对应点（外推法）。此外，还可以把某些复杂的函数关系，通过一定的变换用直线图表示出来。例如半导体热敏电阻的电阻与温度关系为，取对数后得到，若用半对数坐标纸，以lgR为纵轴，以1/T为横轴画图，则为一条直线。
3、数据分析主要包含：
简单数学运算（Simple Math）
统计（Statistics）
快速傅里叶变换（FFT）
平滑和滤波（Smoothing and Filtering）
基线和峰值分析(Baseline and Peak Analysis)
数据分析工具
数据分析工具选择很重要，因为分析工具关系着能不能将数据发挥最大的价值，这里我可以推荐一款数据分析工具，亿信华辰公司的亿信BI。
亮点一：可以实现复杂的报表，类Excel在线设计器，支持多级表头、表元合并，多级浮动、分组、斜线表元、多表体等复杂表元，简单的拖拽和拾取。
亮点二：内置数十种可视化元素和图形，通过简单的数据关系定义，就能实现简单的可视化效果。数据可视化图形包括线状图、饼图、柱状图等常规图形，同时支持 复杂的流向土、和弦图、圈饼图、瀑布图、金字塔图等。同时囊括世界、中国各省的图片地图及GIS地图。通过简单的数据搭配就能产生成千上万的效果，帮助理解数据。
亮点三：3D视角还原事件场景，掌握动态数据信息。内置多个场景，强势支持大数据3D可视化。在3D场景上可实现钻取、联动、轮播、旋转、3D漫游等功能。通过 全景3D视角和虚拟现实技术，勾勒鲜活的事件场景；带来顶级视觉体验；直观掌握信息全貌；收获数据价值。
亮点四：移动应用
多终端无缝应用，不同移动设备自适应一表三屏；
在线离线两种浏览模式机也能随时随地访问移动数据；
多种参数选择，多种钻取分析，丰富的统计图形等数据分析技术，一站式完美搞定移动办公诉求。
多种集成、接口技术，可灵活将移动分析表、移动单应用或者app首页集成到第三方app中。
