建模分析

因素之间存在着相互依赖又相互制约的关系，通常是复杂的非线性关系。

为了分析其相互作用机制，揭示内部规律，可根据理论推导，或对观测数据的分析，或依据实践经验，设计一种模型来代表所研究的对象。

模型分析

数据分析和模型

Codd根据处理数据的范围、用户-分析人员的交互需要、多维分析需求及现有工具的支持等因素,将数据分析模型分为四种模型：

1.绝对模型(categorical model);

2.解释模型(exegetical model);

3.思考模型 (contemplative model);

4.公式化模型(formulaic model)。

这四种模型一种较一种深入,从描述基本事实到寻找原因, 从代入变量值进行预测到寻找关键变量。 其中：

绝对模型是静态的分析和综合路径；

解释模型利用已有的多层次路径层层细化，找出原因；

思考模型在一维度或多维度上引入变量，以完成假设分析；

公式化模型就是分析在维度上引入哪些变量或参数，并分析引入变量后的结果。

上述需求需要第四种模型，即公式化模型完成，很直观的解释就是需要建立一个公式，这个公式有诸多输入，但结果输出是比较确定的，可以回答是或者否，或者程度。

在这种情况下，分析建模不再是一个技术人员凭报表工具就能完成的事情，也不是交给数据挖掘工具嘎吱嘎吱操作一通就能出结果。需要行业专家参与或主导；需要整理全方位的数据输入等，虽然定义模型的过程中肯定会使用到多维分析和数据挖掘一些工具和技巧，但定义的模型结果却是一个复杂的公式，完成从发散到收敛的过程。