埃森哲如何利用大数据进行数据挖掘与分析.docx

埃森哲

如何利用大数据进行数据挖掘与分析

目录

CONTENTS

.概述

数据分析框架.数据分析方法.数据分析支撑工具

01

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、行业经验以及计算机工具三者结合

?工具支撑

各种厂商开发了数据分析的工具、模块，将分析模型封装，使不了解技术的人也能够快捷的实现数学建模，快速响应分析需求。

?数学统计学知识

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

?机器学习

工具支撑数学统计学知识?传统分析在数据量较少时，传统的数据分析已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

工具支撑

数学统计学

知识

?传统分析

在数据量较少时，传统的数据分析已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，方法成熟，应用广泛，本文不展开介绍

机器学习

数据挖掘?

数据挖掘

分析误区传统

分析误区

传统分析

行业经验?行业经验行业经验可在数据分析前确定分析需

行业经验

?行业经验

行业经验可在数据分析前确定分析需求，分析中检验方法是否合理，以及分析后指导应用，但行业特征不同，其应用也不同，因此本文不展开介绍

不了解分析模型的数学原理，会导致错误的使用模型，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，要深入了解该模型的原理和使用限制

数据分析

随着计算机技术发展和数据分析理论的更新，当前的数据分析逐步成为机器语言、统计知

识两个学科的交集

统计学、人工智

统计学、人工智

计算机技术

计算机技术

?数据分析工具数据分析

?数据分析工具

数据分析工具

数据

能各种厂商开发了数据分析的工具、模块，将分析模型封装，使不了解技术的人也能够快捷的实现数学建模，快速响应分析需求。挖掘信息处理传统分析在数据量较少时，传统的数据分析已能够发现数据中包含的知识

能

各种厂商开发了数据分析的工具、模块，将分析模型封装，使不了解技术的人也能够快捷的实现数学建模，快速响应分析需求。

挖掘

信息处理

传统分析

业务数据?数据挖掘就是充分利用了统计学和人工

业务数据?

数据挖掘

就是充分利用了统计学和人工智能技术的应用程序，并把这些高深复杂的技术封装起来，使人们不用自己掌握这些技术也能完成同样的功能，并且更

专注于自己所要解决的问题。

信息处理基于查询，可以发现有用的信息。但是这种查询的回答反映的是直接存放在数据库中的信息。它们不反映复杂的模式，或隐藏在

数据库中的规律。

数据分析

随着计算机科学的进步，数据挖掘、商务智能、大数据等概念的出现，数据分析的手段和方法更加丰富

常规分析数据挖掘商务智能大数据技术数据可视化

?大数据时代，展示数据可以更好辅助理解

?大数据时代，展示数据可以更好辅助理解数据、演绎数据

?从多种类型的数据中，快速获取知识的能力

?数据挖掘技术的衍生

?揭示数据之间的静态关系

?分析过程滞后

?对数据质量要求高

结构分析

分组分析

预警分析

杜邦分析

……

?一系列以事实为支持，辅助商业决策的技术和方法，曾用名包括专家系统、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

?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

数据分析

?统计学和计算机技术等多学科的结合

?揭示数据之间隐藏的关系

?将数据分析的范围从“已知”扩展到“未知”，从“过去”推向“将来”

?

?本文在描述数据分析的流程后，重点介绍通用的数据分析方法和主流的应用工具、软件。

?随着数据量的不断扩大，数据分析理论正处于飞速发展期，因此本文的方法侧重于基础原理介绍。

02

数据分析框架

数据分析标准流程

CRISP-DM为90年代由SIG组织（当时）提出，已被业界广泛认可的数据分析流程。

1