数据统计分析方法.docx

大数据，即用于数据分析帮助商业等方面决策的大数据集，已经发展成熟，然 而它的发展速度却丝毫没有减慢的迹象，下面我们一起看看数据统计分析方法吧！ 数据统计分析方法
一、以往的数据分析
在今天的各类型企业中，数据分析岗位已经基本得到普及和认析方法选取是整个数据处理过程的核心，一般从分析的方法复杂度上来 讲，我将其分为三个层级，即常规分析方法，统计学分析方法跟自建模型。我之所 以这样区分有两个层面上的考虑，分别是抽象程度以及定制程度。
其中抽象程度是说，有些数据不需要加工，直接转成图形的方式呈现出来，就 能够表现出业务人员所需要的业务意义，但有些业务需求，直接把数据转化成图形 是难以看出来的，需要建立数据模型，将多个指标或一个指标的多个维度进行重组 最终产生出新的数据来，那么形成的这个抽象的结果就是业务人员所需要的业务结 论了。基于这个原则，可以划分出常规分析方法和非常规分析方法。
那么另一个层面是定制程度，到今天数学的发展已经有很长的时间了，其中一 些经典的分析方法已经沉淀，他们可以通用在多用分析目的中，适用于多种业务结 论中，这些分析方法就属于通用分析方法，但有些业务需求确实少见，它所需要的 分析方法就不可能完全基于通用方法，因此就会形成独立的分析方法，也就是专门 的数学建模，这种情况下所形成的数学模型都是专门为这个业务主题定制的，因此 无法适用于多个主题，这类分析方法就属于高度定制的，因此基于这一原则，将非 常规分析方法细分为统计学分析方法和自建模型类。
1、常规分析方法
常规分析方法不对数据做抽象的处理，主要是直接呈现原始数据，多用于针对 固定的指标、且周期性的分析主题。直接通过原始数据来呈现业务意义，主要是通 过趋势分析和占比分析来呈现，其分析方法对应同环比及帕累托分析这两类。同环 比分析，其核心目的在于呈现本期与往期之间的差异，如销售量增长趋势；而帕累 托分析则是呈现单一维度中的各个要素占比的排名，比如各个地市中本期的销售量 增长趋势的排名，以及前百分之八十的增长量都由哪几个地市贡献这样的结论。常 规分析方法已经成为最为基础的分析方法，在此也不详细介绍了。
2、统计学分析方法
统计学分析方法能够基于以往数据的规律来推导未来的趋势，其中可以分为多 种规律总结的方式。根据原理多分为以下几大类，包括有目标结论的有指导学****算 法，和没有目标结论的无指导学****算法，以及回归分析。
其中有指导的学****算法简单说就是有历史数据里边已经给出一个目标结论，然 后分析当各个变量达到什么情况时，就会产生目标结论。比如我们想判断各项指标 需要达到什么水平时我们才认定这个人患有心脏病的话，就可以把大量的心脏病人 的各项指标数据和没有心脏病的正常人的各项指标数据都输入到系统中，目标结论 就是是否有心脏病，变量就是各项指标数据，系统根据这些数据算出一个函数，这 个函数能够恰当的描述各个指标的数据与最终这个是否是心脏病人之间的关系，也 就是当各个指标达到什么临界值时，这个人就有心脏病的判断，这样以后再来病人 我们就可以根据各项指标的临界值。这个案例中的函数就是算法本身了，这其中的 算法逻辑有很多种，包括常见的贝叶斯分类、决策树、随机森林树以及支持向量机 等，有兴趣的朋友可以在网上看看各种算法的逻辑是怎么样的。
另外无指导的学****算法因为没有一个给定的目标结论，因