大数据分析与应用,点睛科技仔细分析到的方法

      大数据分析与应用,点睛科技仔细分析到的方法

　　学习数据分析的朋友们都知道，算法是不可或缺的，或者说算法在一定程度上可以更好地量化一个人的学习能力和水平，

　　大数据分析方法 1)直接用于分类的属性数据-点睛科技

　　例如地区，性别，年龄等

　　大数据分析方法 2)对属性数据的再定义-点睛科技

　　有时候我们也需要根据一些属性信息重新定义类型，如细分地区可以汇总进行大区的划分，从而形成新的可以分类的属性数据。但是这部分数据视业务需求和数据而定。

　　中某汽车品牌在进行裂变后对不同种子用户产生的裂变级别进行分析，在原始数据中是一个逐级增加的数值型数据，但是考虑到实际业务场景，对原始数据裂变级别进行如下划分，增强可读性和可理解性。

　　大数据分析方法 3)对数值数据进行分类-点睛科技

　　将数据划分为几个性质不同的部分，分析数据的分布特征和内部联系。

　　如下中某汽车品牌对其车辆的价值进行了A，B，C，D的划分，分析2020年1月份不同分类价值对应的车辆数，原来的车辆价值是一个连续性的数值型数据，但是经过分类后，方便分析人员进行数据统计，同时也方便业务人员的数据查询和理解。

　　大数据分析方法 4)多维数据分类,也就是交叉分析-点睛科技

　　如果将上述分析的时间维度扩展到至今所有月份时就会变成在车辆截止分类和时间维度上分类的综合分析。横向可以观察不同车辆价值分类的车辆数在不同月份的分布，纵向可以看在同一个月中不同车辆分类下的车辆数分布。这种分析角度可拓宽分析角度，方便业务人员多角度对问题进行剖析，对分析很有用。

　　通过上面的介绍可以发现，分类法很好用，并且经常用到，当要分析一个业务目标时，可以从不同方面进行分析，并且在不同方面中进行细分成不同分类进行业务剖析，这样可以有效定位到细节层面，帮助更好地发现问题，解决问题。

　　拆分法-点睛科技

　　也叫钻取分析法，其实是将一个问题进行拆分，此种拆分既可以是从下往上拆分也可以是从上往下拆分。往上的拆分是将细颗粒度问题综合往上到更高或更粗的颗粒度，站在更高角度去看结果，这样的好处是看到细颗粒度的数据对整体的影响，可以帮助从更加宏观的角度发现问题，以及设计相应解决方案。此方法一般用于结果汇报或者给更高层级人员看结果时候使用。往下拆分其实是采用总分方法，将粗颗粒度问题拆解到更细颗粒度，通过层层拆分方法，使用户对数据更了解，更容易发现问题。此方法一般用于从宏观角度发现问题，需要对问题进行细分来发现最根本原因。

了解更多点睛科技