人工智能——数据分析1

1、概述

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。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。例如J.开普勒通过分析行星角位置的观测数据找出了行星运动规律。又如，一个企业的领导人要通过市场调查分析所得数据来判定市场动向，从而制定合适的生产及销售计划。因此数据分析有极广泛的应用范围。

数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律，在实用中，数据分析可帮助人们进行判断，以便采取适当行动。通过分析手段、方法和技巧对准备好的数据进行探索、分析,从中发现因果关系、内部联系和业务规律，为业目标提供决策参考。仅仅知道怎么看数据是远远不够的，还要了解使用这些数据.怎么让数据品示出它本身的威力。总结下来有以下几个方面:

(1)看历史数据.发现规律。

(2)从历史数据和现在数据中发现温倪，找出同题所在，任工作中,每天都会接触到大量的数据，但是大部分时间人们看数据流于表面。数据就见我们的助手.能够帮助我们发现问题，同时顺滕换瓜找到问题的根源所在。这个能力是非常重要的。

(3)数据预测。通过分析数据，发现其中的规律.那么则可实现数据驱动运营.驱动产品，驱动市场。

(4)学会拆解数据。要会对数据进行拆分，知道每个数据都是来自哪些方面,增高或者降低的趋势是什么。

近几年来，数据分析在互联网领域非常受重视，无论是社区型产品、工具类产品还是电子商务，都越来越把数据作为核心资产。确实，数据分析做得越深，越能够实现精细化运营，在很多时候工作的重点才有据可依。但是要注意两方面的问题:

(1)不能唯数据论。数据有时候能够反馈-些问题，但是也要注意到，在有些时候数据并不能说明所有问题，也需要综合各方面的情况整体来看。

同时要有数据分析的思维，不仅是互联网行业，几乎所有的行业每天都会产生大量的数据。最重要的是知道怎么通过数据分析找出规律，发现问题，对将来做出预测。

(2)找到适合自己产品的数据指标。不同产品的特性和用户使用习惯都不一一样，需要找到适合自己产品的指标多数而不是随大流。

数据分析包括以下5个方面:

(1)可视化分析(analytic visualizations)。 不管是对数据分析专家还是普通用户，数据可视化都是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。

(2)数据挖掘算法( data mining algorithms)。可视化是给人看的，数据挖掘是给机器看的。集群、分割、孤立点分析等算法让人们深人数据内部,挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。

(3)预测性分析能力(predictive analytic capabilities)。数据挖掘可以让分析员更好地理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。(4)语义引擎(semantic engines)。非结构化数据的多样性给数据分析提出了新的挑战.需要用系列工具解析 .提取分析数据。语义引擎要设计成能够从“文档”中智能地提取信息。

(5)数据质量和管理( data quality and management)。数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。