從目前的數據庫及數據倉庫建模方法來(lái)說(shuō),主要分為四類(lèi)。
第一類(lèi)是大家最為熟悉的關(guān)系數據庫的三范式建模,通常我們將三范式建模方法用于建立各種操作型數據庫系統。
第二類(lèi)是Inmon提倡的三范式數據倉庫建模,它和操作型數據庫系統的三范式建模在側重點(diǎn)上有些不同。Inmon的數據倉庫建模方法分為三層,第一層是實(shí)體關(guān)系層,也即企業(yè)的業(yè)務(wù)數據模型層,在這一層上和企業(yè)的操作型數據庫系統建模方法是相同的;第二層是數據項集層,在這一層的建模方法根據數據的產(chǎn)生頻率及訪(fǎng)問(wèn)頻率等因素與企業(yè)的操作型數據庫系統的建模方法產(chǎn)生了不同;第三層物理層是第二層的具體實(shí)現。
第三類(lèi)是Kimball提倡的數據倉庫的維度建模,我們一般也稱(chēng)之為星型結構建模,有時(shí)也加入一些雪花模型在里面。維度建模是一種面向用戶(hù)需求的、容易理解的、訪(fǎng)問(wèn)效率高的建模方法,也是筆者比較喜歡的一種建模方式。
第四類(lèi)是更為靈活的一種建模方式,通常用于后臺的數據準備區,建模的方式不拘一格,以能滿(mǎn)足需要為目的,建好的表不對用戶(hù)提供接口,多為臨時(shí)表。
下面簡(jiǎn)單談?wù)劦谒念?lèi)建模方法的一些的經(jīng)驗。
數據準備區有一個(gè)最大的特點(diǎn),就是不會(huì )直接面對用戶(hù),所以對數據準備區中的表進(jìn)行操作的人只有ETL工程師。ETL工程師可以自己來(lái)決定表中數據的范圍和數據的生命周期。下面舉兩個(gè)例子:
1)數據范圍小的臨時(shí)表
當需要整合或清洗的數據量過(guò)大時(shí),我們可以建立同樣結構的臨時(shí)表,在臨時(shí)表中只保留我們需要處理的部分數據。這樣,不論是更新還是對表中某些項的計算都會(huì )效率提高很多。處理好的數據發(fā)送入準備加載到數據倉庫中的表中,最后一次性加載入數據倉庫。
2)帶有冗余字段的臨時(shí)表
由于數據準備區中的表只有自己使用,所以建立冗余字段可以起到很好的作用而不用承擔風(fēng)險。
舉例來(lái)說(shuō),筆者在項目中曾遇到這樣的需求,客戶(hù)表{客戶(hù)ID,客戶(hù)凈扣值},債項表{債項ID,客戶(hù)ID,債項余額,債項凈扣值},即客戶(hù)和債項是一對多的關(guān)系。其中,客戶(hù)凈扣值和債項余額已知,需要計算債項凈扣值。計算的規則是按債項余額的比例分配客戶(hù)的凈扣值。這時(shí),我們可以給兩個(gè)表增加幾個(gè)冗余字段,如客戶(hù)表{客戶(hù)ID,客戶(hù)凈扣值,客戶(hù)余額},債項表{債項ID,客戶(hù)ID,債項余額,債項凈扣值,客戶(hù)余額,客戶(hù)凈扣值}。這樣通過(guò)三條SQL就可以直接完成整個(gè)計算過(guò)程。將債項余額匯總到客戶(hù)余額,將客戶(hù)余額和客戶(hù)凈扣值冗余到債項表中,在債項表中通過(guò)(債項余額*客戶(hù)凈扣值/客戶(hù)余額)公式即可直接計算處債項凈扣值。
另外還有很多大家可以發(fā)揮的建表方式,如不需要主鍵的臨時(shí)表等等。總結來(lái)說(shuō),正因為數據準備區是不對用戶(hù)提供接口的,所以我們一定要利用好這一點(diǎn),以給我們的數據處理工作帶來(lái)最大的便利為目的來(lái)進(jìn)行數據準備區的表設計。
一、掌握基礎、更新知識。
基本技術(shù)怎么強調都不過(guò)分。這里的術(shù)更多是(計算機、統計知識), 多年做數據分析、數據挖掘的經(jīng)歷來(lái)看、以及業(yè)界朋友的交流來(lái)看,這點(diǎn)大家深有感觸的。
數據庫查詢(xún)—SQL 數據分析師在計算機的層面的技能要求較低,主要是會(huì )SQL,因為這里解決一個(gè)數據提取的問(wèn)題。有機會(huì )可以去逛逛一些專(zhuān)業(yè)的數據論壇,學(xué)習一些SQL技巧、新的函數,對你工作效率的提高是很有幫助的。
統計知識與數據挖掘 你要掌握基礎的、成熟的數據建模方法、數據挖掘方法。例如:多元統計:回歸分析、因子分析、離散等,數據挖掘中的:決策樹(shù)、聚類(lèi)、關(guān)聯(lián)規則、神經(jīng)網(wǎng)絡(luò )等。
但是還是應該關(guān)注一些博客、論壇中大家對于最新方法的介紹,或者是對老方法的新運用,不斷更新自己知識,才能跟上時(shí)代,也許你工作中根本不會(huì )用到,但是未來(lái)呢?行業(yè)知識 如果數據不結合具體的行業(yè)、業(yè)務(wù)知識,數據就是一堆數字,不代表任何東西。是冷冰冰,是不會(huì )產(chǎn)生任何價(jià)值的,數據驅動(dòng)營(yíng)銷(xiāo)、提高科學(xué)決策一切都是空的。
一名數據分析師,一定要對所在行業(yè)知識、業(yè)務(wù)知識有深入的了解。例如:看到某個(gè)數據,你首先必須要知道,這個(gè)數據的統計口徑是什么?是如何取出來(lái)的?這個(gè)數據在這個(gè)行業(yè), 在相應的業(yè)務(wù)是在哪個(gè)環(huán)節是產(chǎn)生的?數值的代表業(yè)務(wù)發(fā)生了什么(背景是什么)?對于A(yíng)部門(mén)來(lái)說(shuō),本月新會(huì )員有10萬(wàn),10萬(wàn)好還是不好呢?先問(wèn)問(wèn)上面的這個(gè)問(wèn)題:對于A(yíng)部門(mén),1、新會(huì )員的統計口徑是什么。
第一次在使用A部門(mén)的產(chǎn)品的會(huì )員?還是在站在公司角度上說(shuō),第一次在公司發(fā)展業(yè)務(wù)接觸的會(huì )員?2、是如何統計出來(lái)的。A:時(shí)間;是通過(guò)創(chuàng )建時(shí)間,還是業(yè)務(wù)完成時(shí)間。
B:業(yè)務(wù)場(chǎng)景。是只要與業(yè)務(wù)發(fā)接觸,例如下了單,還是要業(yè)務(wù)完成后,到成功支付。
3、這個(gè)數據是在哪個(gè)環(huán)節統計出來(lái)。在注冊環(huán)節,在下單環(huán)節,在成功支付環(huán)節。
4、這個(gè)數據代表著(zhù)什么。10萬(wàn)高嗎?與歷史相同比較?是否做了營(yíng)銷(xiāo)活動(dòng)?這個(gè)行業(yè)處理行業(yè)生命同期哪個(gè)階段?在前面二點(diǎn),更多要求你能按業(yè)務(wù)邏輯,來(lái)進(jìn)行數據的提取(更多是寫(xiě)SQL代碼從數據庫取出數據)。
后面二點(diǎn),更重要是對業(yè)務(wù)了解,更行業(yè)知識了解,你才能進(jìn)行相應的數據解讀,才能讓數據產(chǎn)生真正的價(jià)值,不是嗎?對于新進(jìn)入數據行業(yè)或者剛進(jìn)入數據行業(yè)的朋友來(lái)說(shuō):行業(yè)知識都重要,也許你看到很多的數據行業(yè)的同仁,在微博或者寫(xiě)文章說(shuō),數據分析思想、行業(yè)知識、業(yè)務(wù)知識很重要。我非常同意。
因為作為數據分析師,在發(fā)表任何觀(guān)點(diǎn)的時(shí)候,都不要忘記你居于的背景是什么?但大家一定不要忘記了一些基本的技術(shù),不要把基礎去忘記了,如果一名數據分析師不會(huì )寫(xiě)SQL,那麻煩就大了。哈哈。
你只有把數據先取對了,才能正確的分析,否則一切都是錯誤了,甚至會(huì )導致致命的結論。
新同學(xué),還是好好花時(shí)間把基礎技能學(xué)好。因為基礎技能你可以在短期內快速提高,但是在行業(yè)、業(yè)務(wù)知識的是一點(diǎn)一滴的積累起來(lái)的,有時(shí)候是急不來(lái)的,這更需要花時(shí)間慢慢去沉淀下來(lái)。
不要過(guò)于追求很高級、高深的統計方法,我提倡有空還是要多去學(xué)習基本的統計學(xué)知識,從而提高工作效率,達到事半功倍。以我經(jīng)驗來(lái)說(shuō),我負責任告訴新進(jìn)的同學(xué),永遠不要忘記基本知識、基本技能的學(xué)習。
二、要有三心。1、細心。
2、耐心。3、靜心。
數據分析師其實(shí)是一個(gè)細活,特別是在前文提到的例子中的前面二點(diǎn)。而且在數據分析過(guò)程中,是一個(gè)不斷循環(huán)迭代的過(guò)程,所以一定在耐心,不怕麻煩,能靜下心來(lái)不斷去修改自己的分析思路。
三、形成自己結構化的思維。數據分析師一定要嚴謹。
而嚴謹一定要很強的結構化思維,如何提高結構化思維,也許只需要工作隊中不斷的實(shí)踐。但是我推薦你用mindmanagement,首先把你的整個(gè)思路整理出來(lái),然后根據分析不斷深入、得到的信息不斷增加的情況下去完善你的結構,慢慢你會(huì )形成一套自己的思想。
當然有空的時(shí)候去看看《麥肯錫思維》、結構化邏輯思維訓練的書(shū)也不錯。在我以為多看看你身邊更資深同事的報告,多問(wèn)問(wèn)他們是怎么去考慮這個(gè)問(wèn)題的,別人的思想是怎么樣的?他是怎么構建整個(gè)分析體系的。
四、業(yè)務(wù)、行業(yè)、商業(yè)知識。當你掌握好前面的基本知識和一些技巧性東西的時(shí)候,你應該在業(yè)務(wù)、行業(yè)、商業(yè)知識的學(xué)習與積累上了。
這個(gè)放在最后,不是不重要,而且非常重要,如果前面三點(diǎn)是決定你能否進(jìn)入這個(gè)行業(yè),那么這則是你進(jìn)入這個(gè)行業(yè)后,能否成功的最根本的因素。 數據與具體行業(yè)知識的關(guān)系,比作池塘中魚(yú)與水的關(guān)系一點(diǎn)都不過(guò)分,數據(魚(yú))離開(kāi)了行業(yè)、業(yè)務(wù)背景(水)是死的,是不可能是“活”。
而沒(méi)有“魚(yú)”的水,更像是“死”水,你去根本不知道看什么(方向在哪)。如何提高業(yè)務(wù)知識,特別是沒(méi)有相關(guān)背景的同學(xué)。
很簡(jiǎn)單,我總結了幾點(diǎn):1、多向業(yè)務(wù)部門(mén)的同事請教,多溝通。多向他們請教,數據分析師與業(yè)務(wù)部門(mén)沒(méi)有利益沖突,而更向是共生體,所以如果你態(tài)度好,相信業(yè)務(wù)部門(mén)的同事也很愿意把他們知道的告訴你。
2、永遠不要忘記了google大神,定制一些行業(yè)的關(guān)鍵字,每天都先看看定制的郵件。3、每天有空去瀏。
借助工具,未至科技魔方是一款大數據模型平臺,是一款基于服務(wù)總線(xiàn)與分布式云計算兩大技術(shù)架構的一款數據分析、挖掘的工具平臺,其采用分布式文件系統對數據進(jìn)行存儲,支持海量數據的處理。
采用多種的數據采集技術(shù),支持結構化數據及非結構化數據的采集。通過(guò)圖形化的模型搭建工具,支持流程化的模型配置。
通過(guò)第三方插件技術(shù),很容易將其他工具及服務(wù)集成到平臺中去。數據分析研判平臺就是海量信息的采集,數據模型的搭建,數據的挖掘、分析最后形成知識服務(wù)于實(shí)戰、服務(wù)于決策的過(guò)程,平臺主要包括數據采集部分,模型配置部分,模型執行部分及成果展示部分等。
一、描述性統計
描述性統計是一類(lèi)統計方法的匯總,揭示了數據分布特性。它主要包括數據的頻數分析、數據的集中趨勢分析、數據離散程度分析、數據的分布以及一些基本的統計圖形。
1、缺失值填充:常用方法有剔除法、均值法、決策樹(shù)法。
2、正態(tài)性檢驗:很多統計方法都要求數值服從或近似服從正態(tài)分布,所以在做數據分析之前需要進(jìn)行正態(tài)性檢驗。常用方法:非參數檢驗的K-量檢驗、P-P圖、Q-Q圖、W檢驗、動(dòng)差法。
二、回歸分析
回歸分析是應用極其廣泛的數據分析方法之一。它基于觀(guān)測數據建立變量間適當的依賴(lài)關(guān)系,以分析數據內在規律。
1. 一元線(xiàn)性分析
只有一個(gè)自變量X與因變量Y有關(guān),X與Y都必須是連續型變量,因變量Y或其殘差必須服從正態(tài)分布。
2. 多元線(xiàn)性回歸分析
使用條件:分析多個(gè)自變量X與因變量Y的關(guān)系,X與Y都必須是連續型變量,因變量Y或其殘差必須服從正態(tài)分布。
3.Logistic回歸分析
線(xiàn)性回歸模型要求因變量是連續的正態(tài)分布變量,且自變量和因變量呈線(xiàn)性關(guān)系,而Logistic回歸模型對因變量的分布沒(méi)有要求,一般用于因變量是離散時(shí)的情況。
4. 其他回歸方法:非線(xiàn)性回歸、有序回歸、Probit回歸、加權回歸等。
三、方差分析
使用條件:各樣本須是相互獨立的隨機樣本;各樣本來(lái)自正態(tài)分布總體;各總體方差相等。
1. 單因素方差分析:一項試驗只有一個(gè)影響因素,或者存在多個(gè)影響因素時(shí),只分析一個(gè)因素與響應變量的關(guān)系。
2. 多因素有交互方差分析:一頊實(shí)驗有多個(gè)影響因素,分析多個(gè)影響因素與響應變量的關(guān)系,同時(shí)考慮多個(gè)影響因素之間的關(guān)系
3. 多因素無(wú)交互方差分析:分析多個(gè)影響因素與響應變量的關(guān)系,但是影響因素之間沒(méi)有影響關(guān)系或忽略影響關(guān)系
4. 協(xié)方差分祈:傳統的方差分析存在明顯的弊端,無(wú)法控制分析中存在的某些隨機因素,降低了分析結果的準確度。協(xié)方差分析主要是在排除了協(xié)變量的影響后再對修正后的主效應進(jìn)行方差分析,是將線(xiàn)性回歸與方差分析結合起來(lái)的一種分析方法。
四、假設檢驗
1. 參數檢驗
參數檢驗是在已知總體分布的條件下(一股要求總體服從正態(tài)分布)對一些主要的參數(如均值、百分數、方差、相關(guān)系數等)進(jìn)行的檢驗 。
2. 非參數檢驗
非參數檢驗則不考慮總體分布是否已知,常常也不是針對總體參數,而是針對總體的某些一般性假設(如總體分布的位罝是否相同,總體分布是否正態(tài))進(jìn)行檢驗。
適用情況:順序類(lèi)型的數據資料,這類(lèi)數據的分布形態(tài)一般是未知的。
1)雖然是連續數據,但總體分布形態(tài)未知或者非正態(tài);
2)總體分布雖然正態(tài),數據也是連續類(lèi)型,但樣本容量極小,如10以下;
主要方法包括:卡方檢驗、秩和檢驗、二項檢驗、游程檢驗、K-量檢驗等。
去百度文庫,查看完整內容>
內容來(lái)自用戶(hù):蔣上樹(shù)
常用數據分析方法有那些
文章來(lái)源:ECP數據分析時(shí)間:2013/6/28 13:35:06發(fā)布者:常用數據分析(關(guān)注:554)
標簽:本文包括:
常用數據分析方法:聚類(lèi)分析、因子分析、相關(guān)分析、對應分析、回歸分析、方差分析;
問(wèn)卷調查常用數據分析方法:描述性統計分析、探索性因素分析、Cronbach'a信度系數分析、結構方程模型分析(structural equations modeling)。
數據分析常用的圖表方法:柏拉圖(排列圖)、直方圖(Histogram)、散點(diǎn)圖(scatter diagram)、魚(yú)骨圖(Ishikawa)、FMEA、點(diǎn)圖、柱狀圖、雷達圖、趨勢圖。
數據分析統計工具:SPSS、minitab、JMP。
常用數據分析方法:
1、聚類(lèi)分析(Cluster Analysis)
聚類(lèi)分析指將物理或抽象對象的集合分組成為由類(lèi)似的對象組成的多個(gè)類(lèi)的分析過(guò)程。聚類(lèi)是將數據分類(lèi)到不同的類(lèi)或者簇這樣的一個(gè)過(guò)程,所以同一個(gè)簇中的對象有很大的相似性,而不同簇間的對象有很大的相異性。聚類(lèi)分析是一種探索性的分析,在分類(lèi)的過(guò)程中,人們不必事先給出一個(gè)分類(lèi)的標準,聚類(lèi)分析能夠從樣本數據出發(fā),自動(dòng)進(jìn)行分類(lèi)。聚類(lèi)分析所使用方法的不同,常常會(huì )得到不同的結論。不同研究者對于同一組數據進(jìn)行聚類(lèi)分析,所得到的聚類(lèi)數未必一致。
2、因子分析(Factor Analysis)
因子分析是指研究從變量群中提取共性因子的統計技術(shù)。因子分析就是從大量的數據中尋找內在的聯(lián)系,減少決策的困難。相關(guān)分析(直方圖JMP
要進(jìn)行一次完整的數據分析,首先要明確數據分析思路,如從那幾個(gè)方面開(kāi)展數據分析,各方面都包含什么內容或指標。
是分析框架,給出分析工作的宏觀(guān)框架,根據框架中包含的內容,再運用具體的分析方法進(jìn)行分析。 數據分析方法論的作用:理順?lè )治鏊悸罚_保數據分析結構體系化把問(wèn)題分解成相關(guān)聯(lián)的部分,并顯示他們的關(guān)系為后續數據分析的開(kāi)展指引方向確保分析結果的有效性和正確性五大數據分析模型1.PEST分析模型政治環(huán)境:包括一個(gè)國家的社會(huì )制度,執政黨性質(zhì),政府的方針、政策、法令等。
不同的政治環(huán)境對行業(yè)發(fā)展有不同的影響。 關(guān)鍵指標政治體制,經(jīng)濟體制,財政政策,稅收政策,產(chǎn)業(yè)政策,投資政策,專(zhuān)利數量,國防開(kāi)支水平,政府補貼水平,民眾對政治的參與度。
經(jīng)濟環(huán)境:宏觀(guān)和微觀(guān)兩個(gè)方面。宏觀(guān):一個(gè)國家國民收入,國民生產(chǎn)總值以及變化情況,以通過(guò)這些指標反應國民經(jīng)濟發(fā)展水平和發(fā)展速度。
微觀(guān):企業(yè)所在地區的消費者收入水平、消費偏好、儲蓄情況、就業(yè)程度等因素,這些因素決定著(zhù)企業(yè)目前以及未來(lái)的市場(chǎng)大小。 關(guān)鍵指標GDP及增長(cháng)率、進(jìn)出口總額及增長(cháng)率、利率、匯率、通貨膨脹率、消費價(jià)格指數、居民可支配收入、失業(yè)率、勞動(dòng)生產(chǎn)率等。
社會(huì )環(huán)境:包括一個(gè)國家或地區的居民受教育程度和文化水平、宗教信仰、風(fēng)俗習慣、審美觀(guān)點(diǎn)、價(jià)值觀(guān)等。文化水平營(yíng)銷(xiāo)居民的需求層次,宗教信仰和風(fēng)俗習慣會(huì )禁止或抵制某些活動(dòng)的進(jìn)行,價(jià)值觀(guān)會(huì )影響居民對組織目標和組織活動(dòng)存在本身的認可,審美觀(guān)點(diǎn)則會(huì )影響人們對組織活動(dòng)內容、活動(dòng)方式以及活動(dòng)成果的態(tài)度。
關(guān)鍵指標人口規模、性別比例、年齡結構、出生率、死亡率、種族結構、婦女生育率、生活方式、購買(mǎi)習慣、教育狀況、城市特點(diǎn)、宗教信仰狀況等因素。技術(shù)環(huán)境:企業(yè)所處領(lǐng)域直接相關(guān)的技術(shù)手段發(fā)展變化,國家隊科技開(kāi)發(fā)的投資和支持重點(diǎn),該領(lǐng)域技術(shù)發(fā)展動(dòng)態(tài)和研究開(kāi)發(fā)費用總額,技術(shù)轉移和技術(shù)商品化速度,專(zhuān)利及其保護情況。
關(guān)鍵指標新技術(shù)的發(fā)明和進(jìn)展、折舊和報廢速度、技術(shù)更新速度、技術(shù)傳播速度、技術(shù)商品化速度、國家重點(diǎn)支持項目、國家投入的研發(fā)費用、專(zhuān)利個(gè)數、專(zhuān)利保護情況。2.5W2H模型5W2H分析法主要針對5個(gè)W以及2個(gè)H提出的7個(gè)關(guān)鍵詞進(jìn)行數據指標的選取,根據選取的數據進(jìn)行分析3.邏輯樹(shù)分析模型將問(wèn)題的所有子問(wèn)題分層羅列,從最高層開(kāi)始,并逐步向下擴展。
把一個(gè)已知問(wèn)題當作樹(shù)干,考慮這個(gè)問(wèn)題和哪些問(wèn)題有關(guān),將相關(guān)的問(wèn)題作為樹(shù)枝加入到樹(shù)干,一次類(lèi)推,就會(huì )將問(wèn)題擴展成一個(gè)問(wèn)題樹(shù)。邏輯樹(shù)能保證解決問(wèn)題的過(guò)程完整性,將工作細化成便于操作的具體任務(wù),確定各部分優(yōu)先順序,明確責任到個(gè)人。
邏輯樹(shù)分析法三原則:要素化:把相同問(wèn)題總結歸納成要素框架化:將各個(gè)要素組成框架,遵守不重不漏原則關(guān)聯(lián)化:框架內的各要素保持必要的相互關(guān)系,簡(jiǎn)單而不孤立4.4P營(yíng)銷(xiāo)理論模型產(chǎn)品:能提供給市場(chǎng),被人們使用和消費并滿(mǎn)足人們某種需求的任何東西,包括有形產(chǎn)品、服務(wù)、人員、組織、觀(guān)念和它們的組合。價(jià)格:購買(mǎi)產(chǎn)品時(shí)的價(jià)格,包括基本價(jià)格、折扣價(jià)格、支付期限等。
影響價(jià)格的主要因素有需求、成本和競爭。渠道:產(chǎn)品從生產(chǎn)企業(yè)流轉到用戶(hù)手上全過(guò)程所經(jīng)歷的各個(gè)環(huán)節。
促銷(xiāo):企業(yè)通過(guò)銷(xiāo)售行為的改變來(lái)激勵用戶(hù)消費,以短期的行為促進(jìn)消費的增長(cháng),吸引其他品牌用戶(hù)或導致提錢(qián)消費來(lái)促進(jìn)銷(xiāo)售增長(cháng)。5.用戶(hù)行為模型用戶(hù)行為指用戶(hù)為獲取、使用產(chǎn)品或服務(wù)才去的各種行動(dòng),首先要認知熟悉,然后試用,再決定是否繼續消費使用,最后成為產(chǎn)品或服務(wù)的忠實(shí)用戶(hù)。
行為軌跡:認知->熟悉->試用->使用->忠誠最后五大數據分析模型的應用場(chǎng)景根據數據分析所選取的指標不同也有所區別。PEST分析模型主要針對宏觀(guān)市場(chǎng)環(huán)境進(jìn)行分析,從政治、經(jīng)濟、社會(huì )以及技術(shù)四個(gè)維度對產(chǎn)品或服務(wù)是否適合進(jìn)入市場(chǎng)進(jìn)行數據化的分析,最終得到結論,輔助判斷產(chǎn)品或服務(wù)是否滿(mǎn)足大環(huán)境。
5W2H分析模型的應用場(chǎng)景較廣,可用于對用戶(hù)行為進(jìn)行分析以及產(chǎn)品業(yè)務(wù)分析。邏輯樹(shù)分析模型主要針對已知問(wèn)題進(jìn)行分析,通過(guò)對已知問(wèn)題的細化分析,通過(guò)分析結論找到問(wèn)題的最優(yōu)解決方案。
4P營(yíng)銷(xiāo)理論模型主要用于公司或其中某一個(gè)產(chǎn)品線(xiàn)的整體運營(yíng)情況分析,通過(guò)分析結論,輔助決策近期運營(yíng)計劃與方案。用戶(hù)行為分析模型應用場(chǎng)景比較單一,完全針對用戶(hù)的行為進(jìn)行研究分析。
當然,模型只是前人總結出的方式方法,對于我們實(shí)際工作中解決問(wèn)題有引導作用,但是不可否認,具體問(wèn)題還要具體分析,針對不同的情況需要進(jìn)行不同的改進(jìn)。
總的分兩種:
1 列表法
將實(shí)驗數據按一定規律用列表方式表達出來(lái)是記錄和處理實(shí)驗數據最常用的方法。表格的設計要求對應關(guān)系清楚、簡(jiǎn)單明了、有利于發(fā)現相關(guān)量之間的物理關(guān)系;此外還要求在標題欄中注明物理量名稱(chēng)、符號、數量級和單位等;根據需要還可以列出除原始數據以外的計算欄目和統計欄目等。最后還要求寫(xiě)明表格名稱(chēng)、主要測量?jì)x器的型號、量程和準確度等級、有關(guān)環(huán)境條件參數如溫度、濕度等。
2 作圖法
作圖法可以最醒目地表達物理量間的變化關(guān)系。從圖線(xiàn)上還可以簡(jiǎn)便求出實(shí)驗需要的某些結果(如直線(xiàn)的斜率和截距值等),讀出沒(méi)有進(jìn)行觀(guān)測的對應點(diǎn)(內插法),或在一定條件下從圖線(xiàn)的延伸部分讀到測量范圍以外的對應點(diǎn)(外推法)。此外,還可以把某些復雜的函數關(guān)系,通過(guò)一定的變換用直線(xiàn)圖表示出來(lái)。例如半導體熱敏電阻的電阻與溫度關(guān)系為,取對數后得到,若用半對數坐標紙,以lgR為縱軸,以1/T為橫軸畫(huà)圖,則為一條直線(xiàn)。
2常用的建模方法(I)初等數學(xué)法。
主要用于一些靜態(tài)、線(xiàn)性、確定性的模型。例如,席位分配問(wèn)題,學(xué)生成績(jì)的比較,一些簡(jiǎn)單的傳染病靜態(tài)模型。
(2)數據分析法。從大量的觀(guān)測數據中,利用統計方法建立數學(xué)模型,常見(jiàn)的有:回歸分析法,時(shí)序分析法。
(3)仿真和其他方法。主要有計算機模擬(是一種統計估計方法,等效于抽樣試驗,可以離散系統模擬和連續系統模擬),因子試驗法(主要是在系統上做局部試驗,根據試驗結果進(jìn)行不斷分析修改,求得所需模型結構),人工現實(shí)法(基于對系統的了解和所要達到的目標,人為地組成一個(gè)系統)。
(4)層次分析法。主要用于有關(guān)經(jīng)濟計劃和管理、能源決策和分配、行為科學(xué)、軍事科學(xué)、軍事指揮、運輸、農業(yè)、教育、人才、醫療、環(huán)境等領(lǐng)域,以便進(jìn)行決策、評價(jià)、分析、預測等。
該方法關(guān)鍵的一步是建立層次結構模型。
聲明:本網(wǎng)站尊重并保護知識產(chǎn)權,根據《信息網(wǎng)絡(luò )傳播權保護條例》,如果我們轉載的作品侵犯了您的權利,請在一個(gè)月內通知我們,我們會(huì )及時(shí)刪除。
蜀ICP備2020033479號-4 Copyright ? 2016 學(xué)習?shū)B(niǎo). 頁(yè)面生成時(shí)間:2.577秒