Definice
V polovině a na konci devadesátých let minulého století, aby bylo možné odhalit určitou implikovanou povahu dat, trendy a modely, začalo mnoho obchodníků zkoumat tradiční statistiky a technologie analýzy umělé inteligence k otázkám proveditelnosti pro velké databáze, tyto diskuse nakonec vyvíjejí formální nástroje pro konečnou úpravu dat založené na technologie statistické analýzy.
Data Corporation se týká především zpracování nezpracovaných dat, a to tak, že je systematicky organizováno tak, aby vyhovovalo potřebám statistické analýzy, a data se zobrazují ve formě grafu pro zjednodušení dat. Snadno pochopitelné a analyzovatelné.
Metoda
(1) indukční metoda: histogram, metoda seskupování, metoda vrstev a statistická analýza.
(2) Deduktivní metoda: Aplikujte na analýzu, rozptýlenou a související regresní analýzu.
(3) Metoda prevence: Obecný úvod do metody regulačního grafu, včetně regulačního diagramu PN, regulačního diagramu P, regulačního diagramu C, regulačního diagramu U, regulačního diagramu, regulačního diagramu X-RS.
krok
1. Podle návrhu výzkumných účelů.
Dokončovací schéma zahrnuje především dva aspekty: Za prvé, celková metoda zpracování spočívá hlavně v uvážení toho, jak provádět statistické pakety; druhým je stanovení souvisejících ukazatelů, které odrážejí celkové charakteristiky.
2. Audit a kontrola statistiky.
Data musí být prozkoumána předtím, než musí být zkontrolována, ověřit integritu, přesnost a aktuálnost původních dat. Objevte problémy, abyste je vyřešili včas.
3. Datové pakety a souhrn a výpočet různých ukazatelů.
Paketujte nezpracovaná data v souladu s určitými standardy, shrňte počet jednotek každé skupiny a vypočítáte ukazatele, jako je průměr, rozptyl.
4. Prostřednictvím statistické tabulky nebo grafu se zobrazí konečné výsledky.
Na základě statistické skupiny vypočítejte četnost každé skupiny, uspořádejte tabulku rozdělení četností a nakreslete mapu rozdělení četností.
5. Akumulace, ukládání a oznamování statistik.
Akumulace a ukládání statistik. Dynamická analýza se často provádí během statistického výzkumu, který vyžaduje dlouhodobé shromažďování statistik.
Význam
Po fázi statistického šetření se shromažďuje velké množství statistik, ale získané statistiky jsou převážně původní materiály, které odrážejí celkové charakteristiky jednotky. Tyto materiály jsou sporadické, rozptýlené a nezastavitelné, mohou pouze naznačovat specifické podmínky každé průzkumné jednotky, odrážející povrchový fenomén věcí, nedokážou vysvětlit celý obraz studie, nedokážou vysvětlit podstatné vlastnosti věcí a nemohou odhalit věci rozvojový zákon. Proto musí být tato data z průzkumu zpracována a uspořádána tak, aby odrážela celkovou charakteristiku jevu.
Data Corporation je založena na úkolech a požadavcích statistického výzkumu a na velkém množství původních materiálů shromážděných statistickým průzkumem, seskupuje, shrnuje a činí z něj fyzický a systematický a degraduje jej tak, aby odrážel celkové komplexní charakteristiky. Pracovní proces statistických dat. Také opakované zpracování, které bylo organizováno (včetně historických dat), je také statistické. Po sesbírání velkého množství dat je obvykle nelze přímo použít, protože rozdíl mezi těmito daty může být stále ztělesněn jako originální porucha, pouze po uspořádání můžeme najít zákonitost jevu.
Zpracování dat je mezičlánkem statistických prací, které jsou prováděny na základě statistických zjišťování, ale také pokračováním statistických zjišťování a je předpokladem statistických zjišťování před statistikou. Důležitá role je velmi důležitá ve statistické práci. Dobré a špatné výsledky statistického zpracování, ať už vědeckého, skutečně odrážejí objektivní praxi, přímo ovlivní přesnost statistické analýzy, ovlivní kvalitu celé statistické práce. Pokud je to dobrá práce, provede průzkum a ztratí se kompletní údaje, takže účel statistické práce a úkol dokončení statistické práce.
Kromě toho je dokončování dat nezbytným prostředkem pro shromažďování historických dat. Dynamická analýza se často používá ve statistickém výzkumu, který vyžaduje dlouhodobé nashromážděné historické informace. Podle potřeb statistického výzkumu je nutné vybrat, reorganizovat, roztřídit a shrnout existující informace a doplnit je statistickými dokončovacími pracemi.
Opatření
1. Sběr dat na místě, data shromažďovaná denně, týdně, týdně a oddělení správy produktů, aby bylo třídění skutečných a reprezentativních dat.
2. Dokončení dat, před zlepšením, podmínky po podmínkách budou konzistentní, takže dokončení a porovnání dat má smysl.
3. Abnormální výskyt by měl přijmout opatření, která budou založena na datech po dokončení.
4. Pomocí sekundárních dat zveřejněných ostatními poznamenejte:
(1) Účel původních údajů o sběru a zdroj údajů?
(2 Jednotka původního použití je v souladu s výzkumníky, pokud by měla být upravena tak, aby byla jednotná?
(3) Sbírá se původní sbírka, jaká je spolehlivost? Pokud je to jisté, je to jisté, ne Když je to spolehlivé, měli byste hledat důvody a řešit to.
(4) Jaká je původní metoda sběru? Je tam nějaký duplikát nebo opomenutí?
(5) Podle údajů dvou nebo více různých původních zdrojů by měl být nalezen před použitím. Významný obsah, hledejte důvody chyb k umístění.
Technologie konsolidace dat
Z obchodního hlediska poskytuje dříve neznámý model statistické analýzy nebo zjišťování trendů pro společnosti velmi cenný náhled. Technologie konsolidace dat může mít určitou předvídatelnost pro budoucí vývoj. Technologie dokončování dat lze rozdělit do 3 kategorií: cluster, klasifikace a predikce.
Technologie shlukování je neuspořádaná. Příkladem klastru je analýza firemních zákazníků skupiny s neznámými vlastnostmi a do tohoto příkladu se zadávají související informace, které mohou definovat vlastnosti zákazníků.
Klasifikační technologie je určit objekt k určení kolekce. Kolekce obvykle tvoří výše uvedenou technologii a příkladem je rozdělení zákazníka do konkrétní prodejní skupiny podle úrovně jeho příjmů.
Prediction technology is a known value for certain specific objects and directories, and applies these values to another similar collection to determine the desired value or result. For example, a group of people wearing helmets and shoulder is a football team, then we also think that another group of people with helmets and shoulder is also a football team.