專案資料分析的步驟是什麼

1樓：南霽月

業務理解（business understanding）

最初的階段集中在理解專案目標和從業務的角度理解需求，同時將這個知識轉化為資料探勘問題的定義和完成目標的初步計劃。

資料理解（data understanding）

資料理解階段從初始的資料收集開始，通過一些活動的處理，目的是熟悉資料，識別資料的質量問題，首次發現資料的內部屬性，或是探測引起興趣的子集去形成隱含資訊的假設。

資料準備（data preparation）

資料準備階段包括從未處理資料中構造最終資料集的所有活動。這些資料將是模型工具的輸入值。這個階段的任務有個能執行多次，沒有任何規定的順序。

任務包括表、記錄和屬性的選擇，以及為模型工具轉換和清洗資料。

建模（modeling）

在這個階段，可以選擇和應用不同的模型技術，模型引數被調整到最佳的數值。一般，有些技術可以解決一類相同的資料探勘問題。有些技術在資料形成上有特殊要求，因此需要經常跳回到資料準備階段。

評估（evaluation）

到專案的這個階段，你已經從資料分析的角度建立了一個高質量顯示的模型。在開始最後部署模型之前，重要的事情是徹底地評估模型，檢查構造模型的步驟，確保模型可以完成業務目標。這個階段的關鍵目的是確定是否有重要業務問題沒有被充分的考慮。

在這個階段結束後，一個資料探勘結果使用的決定必須達成。

部署（deployment）

通常，模型的建立不是專案的結束。模型的作用是從資料中找到知識，獲得的知識需要便於使用者使用的方式重新組織和展現。根據需求，這個階段可以產生簡單的報告，或是實現一個比較複雜的、可重複的資料探勘過程。

在很多案例中，這個階段是由客戶而不是資料分析人員承擔部署的工作。

sc-cpda 資料分析公眾交流平臺

2樓：這個是什麼史

典型的資料分析可能包含以下三個步：

1、探索性資料分析，當資料剛取得時，可能雜亂無章，看不出規律，通過作圖、造表、用各種形式的方程擬合，計算某些特徵量等手段探索規律性的可能形式，即往什麼方向和用何種方式去尋找和揭示隱含在資料中的規律性。

2、模型選定分析，在探索性分析的基礎上提出一類或幾類可能的模型，然後通過進一步的分析從中挑選一定的模型。

3、推斷分析，通常使用數理統計方法對所定模型或估計的可靠程度和精確程度作出推斷。資料分析過程實施資料分析過程的主要活動由識別資訊需求、收集資料、分析資料、評價並改進資料分析的有效性組成。

3樓：巴德爾金牛

第一步:起點是真實的商業場景,行業思考精通業務，第二步:接下來資料採集(公司和外部資料結合),第三步:

資料整理和清洗（資料**不同建立規則進行清理）,第四步:探索性分析和資料探勘（資料分佈薪酬收入變數間的相關性）

第五步:資料建模：比如線性迴歸：變數和變數之間的線性相關性第六步:資料產品化,結合需求提出一套解決方案

4樓：有的同學不會笑

第一、對於任何的專案資料分析來說，首要的就是資料採集，一些移動客戶端中的資料進行快速而又廣泛的蒐集，同時它還能夠迅速的將一些其他的平臺中的資料來源中的資料匯入到該工具中，對資料進行清洗、轉換、整合等，從而形成在該工具的資料庫中或者是資料集市當中，為聯絡分析處理和資料探勘提供了基礎。

第二、資料在採集之後，大資料分析的另一個技術資料存取將會繼續發揮作用，方便使用者在使用中儲存原始性的資料，再有就是基礎性的架構，比如說運儲存和分散式的檔案儲存等，都是比較常見的一種。

第三、資料處理可以說是一站式資料分析工具億信abi的核心技術之一，面對龐大而又複雜的資料，運用一些計算方法或者是統計的方法等對資料進行處理，包括對它的統計、歸納、分類等，從而能夠讓使用者深度的瞭解到資料所具有的深度價值。

第四、統計分析可以幫助使用者分析出現某一種資料現象的原因是什麼，差異分析則可以比較出企業的產品銷售在不同的時間和地區中所顯示出來的巨大差異，以便未來更合理的在時間和地域中進行佈局。

第五、某一種資料現象和另外一種資料現象之間存在怎樣的關係，此外，聚類分析以及主成分分析和對應分析等都是常用的技術，這些技術的運用會讓資料開發更接近人們的應用目標。