大数据分析的类型和分析方法

　　数据分析来自包括计算机编程、数学、统计在内的一系列学科，可以对数据进行分析，以描述、预测和改进性能。为确保可靠的分析，数据分析团队利用一系列数据管理技术，其中包括数据挖掘、数据清理、数据转换、数据建模等。

 

　　数据分析的类型

 

　　以下有四种分析类型：

 

　　描述性分析：发生了什么，现在正在发生什么?描述性分析通过识别趋势和模式，使用来自多个来源的历史和当前数据来描述当前状态。而在业务分析中，这是商业智能(BI)发挥的作用。

 

　　诊断性分析：为什么会发生?诊断分析使用数据(通常通过描述性分析生成)来发现性能的因素或原因。

 

　　预测性分析：将来可能会发生什么?预测分析将统计建模、预测和机器学习等技术应用于描述性和诊断分析的输出，以对未来结果进行预测。预测分析通常被认为是一种“高级分析”，通常依赖于机器学习或深度学习。

 

　　规范性分析：需要做什么?规范分析是一种高级分析，涉及测试和其他技术的应用，以推荐可提供预期结果的特定解决方案。在业务中，预测分析使用机器学习、业务规则和算法。

 

　　数据分析方法和技术

 

　　数据分析人员使用多种方法和技术来分析数据。下面指出了最受欢迎的七个类别，其中包括：

 

　　回归分析：回归分析是一组统计过程，用于估计变量之间的关系，以确定一个或多个变量的变化如何影响另一个变量。例如，社交媒体的支出如何影响销售?

 

　　蒙特卡罗模拟：蒙特卡罗模拟用于模拟由于随机变量的干预而不易预测的过程中不同结果的概率。它经常用于风险分析。