7.1 了解大数据预测分析

《大数据导论》数据具有内在预测性1.世上万物均有关联，这在数据中也有反映你的购买行为与你的消费历史、在线习惯、支付方式以及社会交往人群相关。数据能从这些因素中预测出消费者的行为。

人们的身体健康状况，可能就和环境、收入有很大的关系，例如，一个地区的环境指数、气候指数、人均GDP等，影响着这个地区的人均寿命。2.某些数据可能与人均寿命相关

做预测分析时，我们总是会不断地从这些数据堆中找规律。我们可能会带着一些猜测去寻找，也可能不知道将从这些数据里发现什么，但在做数据整合的过程中，可能就可以通过观测解读数据语言来发现某些内在联系。3.观测与发现4.预测分析是从预测变量开始

预测常常是从小处入手。预测分析是从预测变量开始的。

近期性频率5.预测分析系统

预测分析系统会综合考虑数十项甚至数百项预测变量。要把全部已知数据都输入系统，然后等着系统运转。在系统内综合考量这些因素变量，所采用的核心学习技术，正是数据科学的魔力所在。感谢聆听！《大数据导论》常见的数据分析方法1.统计分析

统计，顾名思义即将信息统括起来进行计算的意思，它是对数据进行定量处理的理论与技术。统计分析，常指对收集到的有关数据资料进行整理归类并进行解释的过程。2.定量分析与定性分析一个通俗的解释（1）英国脱欧定性：英镑将会贬值定量：英镑汇率从9.3下降到8.8（2）A攻打B定性：从综合实力来看A能赢定量：A要打赢B需要xxx兵力，以及xx战略方针具体问题的分析方法是，先定性分析趋势(概率，可能性)，再定量解决问题。3.定量分析与定性分析定量分析专注于量化；定性分析专注于用语言描述；

统计方法大多是定量的，比如提供与数据集相关的统计数据的平均值、中位数或众数。

但也可以是定性的，例如，利用回归性分析和相关性分析，来推断数据集中的模式和关系。4.统计方法大多是定量的

A/B测试（也称为分割测试或桶测试）是一种将网页或应用程序的两个版本相互比较以确定哪个版本更好的方法。AB测试本质上是一个实验，其中页面的两个或多个变体随机显示给用户，并且统计分析用于确定哪个变体对于给定的转换目标更好地执行。5.A/B测试

A/B测试几乎适用于任何领域，而且最常被用于市场营销，目的当然是为了增加销量。例如，为了确定A公司网站上冰激凌广告可能的最好布局，使用两个不同版本的广告。版本A是现存的广告（控制版本），版本B的布局被做了轻微的调整（处理版本）。然后将两个版本同时呈献给同一类用户，观察销量。6.A/B测试几乎适用于任何领域相关性分析是一种用来确定两个变量是否互相有关系的技术。如果发现它们有关，下一步是确定它们之间是什么关系。例如，变量B无论何时增长，变量A都会增长，更进一步，我们可能会探究变量A与变量B的关系到底如何，这就意味着我们也想分析变量A增长与变量B增长的相关程度。7.相关性分析当一个变量增大，另一个也增大，反之亦然。表明两个变量之间呈正相关关系8.正相关关系当一个变量增大，另一个减小，反之亦然。表明两个变量之间呈负相关关系9.负相关关系当一个变量增大，另一个保持不变或者无规律地增大或者减少。表明两个变量不相关。10.变量不相关冰激凌商店需要在天气热的时候存储更多的冰激凌，但是不知道要多存多少。为了确定天气和冰激凌销量之间是否存在关系，分析师首先对出售的冰激凌数量和温度记录用了相关性分析，得出的值为+0.75，那么就可以根据第二天的天气预报，预算出冰激凌的备货量了。11.冰激凌商店回归性分析技术旨在探寻在一个数据集内一个因变量与自变量的关系。例如，回归性分析可以帮助确定温度（自变量）和作物产量（因变量）之间存在的关系类型。利用此项技术帮助确定自变量变化时，因变量的值如何变化。例如，当自变量增加，因变量是否会增加？如果是，增加是线性的还是非线性的？12.回归性分析线性回归非线性回归13.统计方法大多是定量的感谢聆听！《大数据导论》什么是大数据分析1.什么是大数据分析

大数据分析是指对规模巨大的数据进行分析。通过多个学科技术的融合，实现数据的采集、管理和分析，从而发现新的知识和规律。提出问题数据采集数据分析可视化效果评估大数据分析的一般过程：2.提出问题案例——福特促进汽车销售的大数据分析流程1.提出问题#优化广告投入；#提升销售业绩；3.数据采集案例——福特促进汽车销售的大数据分析流程2.数据采集如房屋市场、新建住宅、库存、销售数据；汽车相关的网站数据；区域经济数据；4.数据分析案例——福特促进汽车销售的大数据分析流程3.数据分析整合数据分析挖掘出分析结果根据结果设计多种广告促销方案5.数据可视化案例——福特促进汽车销售的大数据分析流程4.数据可视化分析结果的图表展示广告促销方案的可视化展示6.效果评估案例——福特促进汽车销售的大数据分析流程5.效果评估跟传统的广告促销方案比较大数据优化后的广告方案更有针对性的投放花了更少的钱大数据分析可以成为提高企业核心竞争力的一个重要的方法，而如今的各行各业的决策正在通过大数据分析，从“业务驱动”转变“数据驱动”，大数据为企业获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。7.大数据分析的作用感谢聆听！《大数据导论》大数据分析的基本方法（1）预测性分析预测分析涵盖了各种统计学技术，包括利用预测模型，机器学习，数据挖掘等技术来分析当前及历史数据，从而对未来，或其他不确定的事件进行预测。（2）预测性分析——案例麻省理工学院研究者约翰·古塔格（JohnGuttag）和柯林·斯塔尔兹（CollinStultz）创建了一个计算机模型来分析之心脏病病患丢弃的心电图数据。他们利用数据挖掘和机器学习在海量的数据中筛选，发现心电图中出现三类异常者一年内死于第二次心脏病发作的机率比未出现者高一至二倍。这种新方法能够识别出更多的，无法通过现有的风险筛查被探查出的高危病人。（3）可视化分析可视化分析，也称为数据可视化，主要指的是利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。

最常见的就是图表展现。（4）可视化分析——案例1一家医院的住院费分析（5）可视化分析——案例2天猫双11数据实时展示（6）数据挖掘数据挖掘算法是根据数据创建数据挖掘模型的一组试探法和计算。为了创建模型，算法将首先分析您提供的数据，并查找特定类型的模式和趋势。经典十大算法为：C4.5，K-Means，SVM，Apriori，EM，PageRank，AdaBoost，KNN，NB和CART（7）数据挖掘算法——案例啤酒和尿布：

20世纪90年代，美国