你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
没有找到相关结果
尘埃落定 - The Best Way to Learn is to Teach! 2013-07-09 回答
赞同来自: 子呆不呆 、梁勇
brucelu - 大数据、数据仓库、数据挖掘均有涉猎 2013-07-10 回答
赞同来自: 梁勇 、子呆不呆
梁勇 - 天道酬勤、上善若水。爱好商业智能 2013-07-09 回答
赞同来自:
要回复问题请先登录或注册
天道酬勤、上善若水。爱好商业智能
推荐一份编程学习资源,包含了各类编程语言学习进阶路线图、视频教程、配套书籍文档、数百份面经,各大厂面试真题。编程语言包括:Java、前端、PHP、Python、Linux运维、软件测试、数据解构与算法、C语言、go语言等
微信扫码关注公众号,发送 "编程"获取资源
4 个回复
尘埃落定 - The Best Way to Learn is to Teach! 2013-07-09 回答
赞同来自: 子呆不呆 、梁勇
数据分析是指用适当的统计方法对收集来的数据进行分析。具体可以百度下数据分析师。
数据统计是负责统计各方面的数据,基本不涉及数据的后期工作。具体可以百度下统计师。
数据挖掘(DM)和OLAP都是BI相关的技术。
DM侧重于知识发现,从数据中发现未知的规律。OLAP侧重于结果展现,用已有的方法来组织数据。
brucelu - 大数据、数据仓库、数据挖掘均有涉猎 2013-07-10 回答
赞同来自: 梁勇 、子呆不呆
区别:
数据容量层面,小型数据分析即可;数据挖掘更适用于大容量数据;
技术专业层面,分析侧重基础统计量;数据挖掘更侧重算法和模型;
数据分析更偏向于统计类专业人员,数据挖掘偏向于计算机、数学专业人员。
交集点:
数据分析是数据挖掘的目的,数据挖掘为数据分析铺垫了基础,都是为业务需求解决问题,提供有用信息。
梁勇 - 天道酬勤、上善若水。爱好商业智能 2013-07-09 回答
赞同来自:
数据分析需要对数据的变化趋势、比较特征等作出解释,以问题为导向,从数据上去发现问题、分析问题,甚至提出解决问题的方案,一般数据分析需要形成解释性的或结论性的数据报告;
数据挖掘更多的是运用算法和模型去发现潜藏在数据深层次的规律,跟数据统计相比数据挖掘的计算和规则更加复杂,需要处理海量数据,对运算的能力要求较高;
OLAP是一种数据的展现和观察方式,基于多个维度的交叉细分,能够让分析人员从多个角度、多个层面去观察和理解数据。
梁勇 - 天道酬勤、上善若水。爱好商业智能 2013-07-09 回答
赞同来自:
数据分析和数据挖掘有交集,相互利用。挖掘可以是分析的手段,分析也可以是挖掘的手段
OLAP和数据统计就是数据分析的技术实现手段。OLAP其实就是统计,只不过是各种维度的灵活统计。各种维度的求和,算个数,求平均值。
数据分析中,如果算平均数,算和的分析层度是不够的,所以需要知道分析数据分散和集中程度
需要知道是什么因素影响了它的分布,这就需要做一些因子分析,相关性分析和分布分析了。
无所谓用什么手段,在乎的是你的需求,你的关注点。然后就想办法实现就可以了