|
|
大数据分析中的描述性、预测性和规范性哪种类型的数据分析最适合企业的大数据环境?该专家解释了描述性、预测性和规范性三个关键数据分析类型的不同，以及这些数据分析如何为企业提供价值。 如果企业原始数据是未加工状态，一般不会产生价值，尤其对于大数据而言，更是如此。但如果采用数据分析工具，我们就可以把碎片化的数据进行管理，挖掘出有价值的信息。 “在大数据处理中，获得大量的数据信息是第一步，没有捷径可走。”来自美国的一位专家表示。 有了数据，就可以做分析。但是分析要从哪里开始?哪种类型的数据分析最适合企业的大数据环境?该专家解释了描述性、预测性和规范性三个关键数据分析类型的不同，以及这些数据分析如何为企业提供价值。 有了足够的数据后，你开始想该以怎样的形式看到这些数据。所以，你首先要建立一个数据模型，通过数据模型，了解这些数据是如何运行的，并通过数据模型做预测。 第一、 描述性的数据分析。这是数据分析中最简单的一个类型，企业把大数据通过压缩变成容量更小，或者更有价值的信息。描述性分析的目的是总结发生了什么事，超过80%的业务分析，特别是社会分析信息是描述性的。比如：通过一定数量级的帖子或页面浏览量可以说明某球星有多少球迷。但仅有这些指标是没有意义的，这只是一个简单的计数器。 第二、 预测性的数据分析。预测分析是利用各种统计、建模、数据挖掘工具对最近的数据和历史数据进行研究，从而对未来进行预测。预测分析的目的并不是要准确告诉你将来会发生什么，只能预测未来会发生什么，因为所有的预测分析在本质上都只是一个概率。比如分析情绪是一个常见的预测分析，这是一个纯文本的输入模型，该模型的输出结果是一个情绪的得分，包括积极的、消极的，或者中立的。在这种情况下，模型计算的得分，不一定预测到未来，并且预测的结果可能刚好相反。 第三、 规范性数据分析。借助新兴技术，规范性数据分析要超越描述性和预测性两种分析类型，可以通过一个或者多个动态指标显示每一个决策结果。规范性数据分析每个环节、每个步骤、每个流程、每个岗位，都有一定的规矩和标准，信息更具准确性，业务决策者可以直接使用。 但规范性分析需要一个预测模型、两个附加条件，包括可操作的数据和一个反馈系统，并且这个系统要具备跟踪能力，通过行为预测产生结果。 责编：王雅京  微信扫一扫实时了解行业动态 著作权声明：畅享网文章著作权分属畅享网、网友和合作伙伴，部分非原创文章作者信息可能有所缺失，如需补充或修改请与我们联系，工作人员会在1个工作日内配合处理。 |
最新专题 |
|
|
《存储前沿趋势开讲啦》第一季 .为大数据再造存..
华赛存储培训：第三章_raid技术_v2.0.ppt