登录
首页精彩阅读具备这样的思维，你才算入了大数据分析的门
具备这样的思维，你才算入了大数据分析的门
2017-11-06
收藏

　具备这样的思维，你才算入了大数据分析的门

什么样的思维才是数据分析工作者应该具备的入门思维？文章为你解析。

随着企业中的大数据采集技术、存储技术的日益增强，沉淀下来的大数据急需唤醒潜在的价值，从传统BI（Business Intelligence）到现在的大数据分析，企业对数据分析人才的需求也从单纯的数据交叉多维度分析，配置可视化报表提升到了另外一个阶段。
那么，数据分析工作者在人工智能时代该具备怎样的思维才算真正的入门了呢？本文会带给大家一个全新的角度阐释什么样的思维才是数据分析工作者应该具备的入门思维。无论你的职责是分析企业内部数据的分析师，还是设计大数据分析产品的产品经理希望本文对你有所启发。
数据分析的四种模式
首先我们回顾一下被普遍接受的数据分析的四个模式：
第一个方式：描述性分析（Descriptive Analytics），即将已经发生事实用数据表述出来。
第二个方式：诊断性分析（Diagnostic Analytics），即回答为什么会发生，通常使用数据钻取的手段就可实现。
第三个方式： 预测性分析（Predictive Analytics），即通过历史数据对未来的趋势进行预测。这个阶段会引入一些高级算法。
第四个方式：决策建议性分析（Prescriptive Analytics），即通过分析可能影响行为结果的动态指标（或行为）并将指标和结果的关联关系进行量化，从而给出对结果产生最重要影响的指标，以及对应每个指标对结果产生不同影响程度的描述。有了以上这些分析，决策者可以将数据驱动决策真正落地。
尽管很多文章将这四个模式分为四个阶段逐层深入，笔者认为在很多场景中的数据分析并不应该将这四种方式按分析的深入程度区分，或者说它们不应该被赋予不同的价值标签。
例如在很多场景中，描述性分析就完全可以以最低的成本快速解决用户的需求，并不需要引入复杂的算法，用户就可以得出结论或指导他的决策了。
相反，如果引入了高级算法，进行了预测性分析或决策建议性分析往往在投入和汇报比方面对于终端用户来讲会很低，毕竟，任何一种数据分析绝不是分析而已，不要忽略了从数据采集、清洗、存储，必要时候还要进入高级算法建立模型这些不同阶段消耗的是企业的人力和财力。因此我们要放平心态，用效率最高的方式解决问题即可，切不可盲目追求低投入产出比的方案。
其实数据分析和写年终总结给领导汇报是一个道理，没有领导希望听到的是“假大空”、流水账、心灵鸡汤，只有经过了充分的需求分析，了解用户想要什么样的分析结果，才能做出好的产品。


数据分析 大数据 大数据分析 维度分析 需求分析 人工智能

数据分析咨询请扫描二维码

上一篇回归系列（一）| 怎样正确地理解线性回归
下一篇2020美国总统竞选大戏开锣，川普当选的奇迹会再发生吗？
考试指南
报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present, www.cda.cn All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询