有哪些数据分析实践的概念?不会这个的数据分析师都转行了
1、有哪些数据分析实践的概念——描述性分析
让我们从最基本的描述性分析数据分析方法开始。描述性分析的目的是分析历史趋势,量化相关规律,从而对人们的行为有一个清晰的认识。描述性分析包括回答“过去发生了什么”这个问题。这是最广泛和最简单的数据分析方法,用来帮助公司大致了解他们的日常运作。
描述模型使用基本的统计和计算方法来获得关键指标的直观历史趋势。描述模型的主要目的不是估算值,而是洞察潜在的行为。常用的描述性分析工具有MS EXCEL, SPSS和STATA。
对于银行业务,典型的应用程序是用户集群。通过挖掘历史数据,分析客户的消费习惯和消费能力,从而进行针对性的精准营销。这些模型是实现用户画像的强大工具,但它们预测相似群体中个体成员行为的能力非常有限。
2、有哪些数据分析实践的概念——预测分析
预测模型使用统计模型来确定未来事件发生的可能性。它可以回答“未来会发生什么?”。
预测模型基于描述性模型,因为它们不仅限于使用历史数据,而且经常使用来自不同来源的结构化和非结构化数据。它提供未来可能发生的事件的浓缩报告,使决策者能够作出明智的决定。它涵盖了各种高级统计模型和复杂的数学概念,如随机森林、GM、SVM、GLM、博弈论等。
预测模型是基于描述性模型来预测未来行为的。然而,与只有粗略描述的描述性模型不同,预测模型侧重于预测,对吧?个人顾客的行为。
此外,用于运行预测模型的工具会随着模型的复杂性而变化,但常见的工具如RapidMiner、R、Python、SAS、Matlab、Dataiku DSS以及其他许多工具都可以在Coursera上找到。
高级动态分析是银行业的一个典型例子。它可以帮助预测客户对给定市场报价的反应,从而增加交叉销售和扩大销售产品的可能性。另一个例子是预测信用卡欺诈的可能性。
3、有哪些数据分析实践的概念——规则分析
规则分析最复杂的分析方法,使用随机优化和模拟探索一系列可能的解决方案,并为给定的情况给出最佳的解决方案。它回答了“如何?”这个问题。
规则模型超越了描述性模型——只处理正在发生的事情,并且比预测模型更强大——如果它们能够继续提供关于未来应该做什么的建议,那么它们只能告诉我们将会发生什么。他们量化未来行动对关键业务指标的影响,并提供最佳行动方案。
规则模型融合了大数据和业务规则,通过复杂的算法比较一系列行动后最有可能的结果,选择最佳的行动计划,从而促进业务目标的实现。最高级的规则模型遵循一个模拟的过程,在这个过程中,模型通过不断地、自动地学习当前数据来提高其智能。
这些模型通常极其复杂,而且由于它们难以控制,只能由具有强大技术技能的大公司使用。然后,当模型被正确地实施时,它会对公司决策的有效性产生巨大的影响。
这意味着超级计算机、云计算、Hadoop HDFS、Spark、数据库运行机制、MPP架构等方面的进步,使得将结构化和非结构化规则模型作为数据源部署变得更加容易。但是,除了需要高级的基础设施之外,运行规则模型和预测模型等工具在其他方面也非常相似。
规则模型在零售银行中的常见应用??例如优化银行各分支机构的销售人员分配,以最大限度地增加新客户数量。该模型通过整合各分公司结构的地理位置信息、业绩和潜力水平,得出各分公司最优销售人员的最优分配方案。
有哪些数据分析实践的概念?不会这个的数据分析师都转行了,描述模型使用基本的统计和计算方法来获得关键指标的直观历史趋势。描述模型的主要目的不是估算值,而是洞察潜在的行为,你能处理好吗?如果您还担心自己入门不顺利,那么下方的资料下载链接一定会帮助你。
最新资讯
- 数据分析汇总报告有哪些组成?这才是数据分析师能力的体现2020-07-17
- 什么是EOI框架?这对于数据分析师竟然这么重要2020-07-17
- 如何进行业务核心数据分析?这对于数据分析师来说竟如此重要2020-07-16
- 有哪些数据分析实践的概念?不会这个的数据分析师都转行了2020-07-13
- 数据的分析思路是什么?正确的分析思路可以帮助数据分析师进步2020-07-10
- 什么是数据回归分析方法?这才是数据分析师要用到的利器2020-07-10
- 数据相关的分析方法是什么?这三种才是数据分析师的救星2020-07-10
- 高级数据分析方法是什么?这才是数据分析师进阶的必备技能2020-07-09
- 提出数据假设的方法是什么?这才是数据分析师应该明白的东西2020-07-09
- 如何找出数据优化指标?优秀的数据分析师都在这样思考2020-07-09