001-数据分析方法概述

一、概述
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、行业经验及分析工具结合，随着信息技术发展和数据分析理论的更新，现代的数据分析已经成为机器语言与统计知识两部分的交集，数据挖掘、商务智能、大数据等使数据分析的手段和方法更加丰富。
A. 数学&统计知识（统计学、人工智能）
是数据分析的基础，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。
B. 行业经验（业务数据）
行业经验可在数据分析前确定分析需求，分析中的检验方法是否合理，以及在分析后指导应用，不同行业特征不同，应用也会不一样。
C. 分析工具（数据分析工具）
各种数据分析的工具、模块、以及分析模型的嵌入，可以实现快速的数据建模，快速响应分析需求。

1. 传统分析
   在数据量较少时，传统的数据分析已经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，分析方法成熟且应用广泛。
2. 信息处理与机器学习
   信息处理基于查询，可以发现有用的信息，但是这种查询结果反应的是直接存放在数据库中的信息，不反映复杂的哦是，或隐藏在数据库中的规律。
   机器学习不需要过多人工干预，通过计算机自动学习，发现数据规律，但结论不易控制。
3. 数据挖掘
   数据挖掘是挖掘数据背后隐藏知识的重要手段，充分利用统计学和人工智能技术，并把这些技术封装起来，可以使分析人员不必掌握这些技术也能完成同样的功能，从而更专注于要解决的问题。
4. 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，从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，需要深入了解该模型的使用原理和限制。
   二、构成
5. 常规分析
   常规分析主要解释数据之间的静态关系，分析过程相对滞后，并且对数据质量的要求较高，如结果分析、分组分析、预警分析、杜邦分析等等。
6. 数据挖掘
   数据挖掘结合了统计学和计算机技术等多种学科知识，用于揭示数据之间隐藏的关系，将数据分析的范围从“已知”信息扩展到“未知”信息，从“过去”推向“未来”。
7. 商务智能
   商务智能是一系列以事实为支持，辅助商业决策的技术和方法，历史发展包括专家系统、智能决策等。一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成，是对数据分析的体系化管理，数据分析的主体依然是数据挖掘。
8. 大数据技术
   大数据技术是数据挖掘技术的衍生，是从多种类型的数据中快速获取知识的能力。
9. 数据可视化
   在大数据时代，数据可视化可以更好的辅助理解数据，演绎数据。