大数据分析--埃森哲
目录
1、概述
2、数据分析框架
3、数据分析方法
4、数据理解&数据准备
5、分类与回归
6、聚类分析
7、关联分析
8、时序模型
9、结构优化
10、数据分析支撑工具
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
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(备选)
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
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.业务理解(business understanding)
确定目标、明确分析需求
2.数据理解(data understanding)
收集原始数据、描述数据、探索数据、检验数据质量
3.数据准备(data preparation)
选择数据、清洗数据、构造数据、整合数据、格式化数据
4.建立模型(modeling)
选择建模技术、参数调优、生成测试计划、构建模型
5.评估模型(evaluation)
对模型进行较为全面的评价，评价结果、重审过程
6.部署(deployment)
分析结果应用
