数据分析基本流程
以下为《数据分析基本流程》的无排版文字预览，完整内容请下载
大数据分析五大步骤
（一）问题识别
大数据分析的第一步是要清晰界定需要回答的问题。对问题的界定有两个标准，一是清晰、二是符合现实。
（二）数据可行性论证
论证现有数据是否足够丰富、准确，以致可以为问题提供答案，是大数据分析的第二步，项目是否可行取决于这步的结论。大数据和传统数据的生成方式有本质不同。传统数据往往是在识别问题、根据问题设计问卷、之后展开调查获得的数据，而大数据却是企业或者个体各类活动产生的附属产品。作为附属产品，大数据往往不是为了特定数据项目生成，也存在较高噪音。这就要求数据可行性论证过程需要仔细推敲，现有数据得出来的结论是否足够可靠。由于大数据分析技术本质属于数据挖掘法，过度拟合问题往往是大数据分析的难点。
因此，在数据可行性论证主要涉及三个环节。第一，厘清项目需要的大数据、小数据和专业知识；第二，完成从抽象概念到具体指标的落实；第三，考察数据的代表性。
（三）数据准备
数据准备环节需要梳理分析所需每个条目的 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 业领域模型，例如PEST分析模型、5W2H分析模型、逻辑树分析模型、4P营销理论模型、用户行为模型等。数据团队需要明确为何选择某个专业领域的模型。
2.数据分析模型
这类模型包含分析结构化数据的数据挖掘算法模型；处理非结构化数据的语义引擎；可视化策略等。流行观点中的大数据分析主要集中在对第二类模型的讨论上。
建立模型时既需要强大运算能力，也需要专家的主观判断。
（五）评估结果
评估结果阶段是要评估上述步骤得到的结果是否足够严谨可靠，并确保数据分析结果能够有利于决策。评估结果包括定量评估和定性评估两部分。
1.定量评估
定量评估是关注主观标准的可靠性。数据挖掘分析方法在计算上虽然依靠技术，但不少关键节点依靠主观标准。
2.定性评估
定性评估的重点是考察大数据分析的结果是否合理、方案是否可行。
在评估大数据分析的结果时，由于定性评估往往需要一段时间之后才能完成，因此将大数据分析结果用于现实时，需要采取审慎步骤。
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。
- 中国移动探索大数据与人工智能试题
- 排名前20位的大数据职位及其职责
- 测井数据读取实验实践报告
- 电路实验报告
- 数据分析的层次
- 智慧银行大数据平台建设方案
- 数据挖掘 概念与技术（中文第3版）.
- 《商务数据分析》课程思政建设方案
- 新商科课程标准《商务营运数据分析》
- 数据库复习知识点(1)
- 《计量经济学》第4版习题参考答案(1)
- 寒假学习建议
- 二年级下册数学导学案 1.《数据收集整理》 人教版
- （图）在数据分析过程中渗透计算思维的培养_221
- 北师大小学数学4上教案
- 实习报告模板
- 数据科学与大数据技术培养方案
- 关于加强基层基础数据录入能力的建议
- 基于人才大数据分析的基层团队管理模式创新——以A公司为例
以上为《数据分析基本流程》的无排版文字预览，完整内容请下载
数据分析基本流程由用户“wxyfr”分享发布，转载请注明出处