论文部分内容阅读
摘 要：数据分析是指用适当的统计方法对收集到的数据进行分析，将它们加以汇总和理解并消化，以求最大地开发数据的功能，发挥数据的作用。不论是哪个领域，产生数据的量都是十分庞大的，如果可以挖掘其中的价值，就必然会获得巨大的回报。但是仅仅通过人工来分析的效果是很差的，因为人的能力是有限的，所以数据分析系统就成为了一个重要的工具。
数据分析系统的四个主要功能是配置、采集、处理和应用，并且其中包含采集数据、分析整理、构建模型等流程。这些功能看似简单，但是却能找到数据的规律，从而对某一事件的结果进行预测。这对于很多决策者来说是很具有价值的，分析的结果可以让他们获知市场的大致动向，并减少做出错误决断的情况。因此，该系统对于任何领域来说，其价值都是难以估量的。
关键词：数据分析系统;技术;改进
一、数据分析系统概述
（一）数据分析的常用方法
现在分析中一些常用方法都是比较可靠的，获取的结果基本是准确的，不会与实际有较大的差异。描述性统计是使用频率最高的方法，它可以较好地揭示数据的分布特性，例如数据的频数分析、集中趋势分析、离散程度分析等。将这些结果进行统一地分析与总结，就能从中找到一个潜在的规律。该方法比较使用与具有顺序规律的数据，整体需要是连续的，这样才能更好地从中获取信息。
（二）数据分析系统的典型构架
数据分析系统的功能性主要体现在其采集以及处理两方面，这也是最难通过人工来完成的工作。该系统可以获取大量的业务数据，并对它们进行分类存储以及分析。系统对原始数据进行处理转换，并存储在数据库中，再根据需求将数据转换成可利用的模型，再进行进一步地分析。整个系统是层级结构的，不同功能的进行是分层逐步来完成的，因此效率得到了保证，相互干扰的情况也基本不会出现。
（三）数据分析系统的基本流程
在流程中，最不可缺少的一个步骤就是构建数据模型，这样就能将抽象的符号具体化成为可以分析的图形。系统的其中一项功能就是分析这些模型，从而获得所需的结果。数据分析至少包含探索性数据分析、模型选定、推断分析三个过程。因为分析的量通常是巨大的，所以在不同線程中的这三个过程都是并行的，这样的效率会很高，最后的结果只需要进行汇总就可以了。数据在获取后，通常是无序的，类型也使多种多样，很难找到其中存在的关联，所以需要将其制作成相应的图表或是其他类型的形象，并找出其中的规律。在找到大致规律后，需要进行模型选定，先列举出多个模型，最后通过逐步排除来找到最能体现出数据规律特点的模型。最后，就是对模型进行推断分析，获取结果。我们可以将这个流程简单地总结为加工、整理、分析，所有的系统在功能上基本都是大同小异，不会脱离这三个重点。
二、数据分析系统在技术方面的改进措施
（一）数据分析指标选取方法的改进
数据指标是数据分析的有力手段。如果能选择一个合适的指标，就能让分析结果更加可靠，还能减少所需要消耗的资源，可以说是一举两得。数据指标需要符合几个基本特征，才能确定其是比较合适的。首先是具有较高的比较性，可以比较出在不同时段、用户之间的表现差异，这样就可以更容易获得分析对象的走向趋势。易读性也是比较关键的，这直接决定了指标是否容易让人理解，这也是其功能性的侧面验证。最重要的就是具有全面性，也就是有限的指标可以描述出尽可能多的对象特征，这样就更加易于就某一问题做出判断。就这些特征，我们可以总结出大致的改进措施。对指标进行定性与量化，定性可以体现对象的主观因素，具有一定判断性，量化可以衡量客观特征，进而过滤掉一些没有作用的指标，尤其是一些具有欺骗意义的指标。例如网站的“累积注册量”就是这样的一种指标，其并不能体现出网站当前的状态，所以并没有实际的参考价值。
（二）简历标准的代码库和数据集市
因为系统中的代码有很多都是面向客户的，所以是根据功能来设计的，并且本身的重复率很高。因此，为了节省在编写代码上消耗的时间，就可以构建一个代码库。这个库中可以存储各种类型的代码，当某个部门需要使用时，就可以按需求从中提取出所需的代码。这样有助于代码的共享，可以促进效率的增长，也能提高代码的利用率。数据集市的概念也与之十分相似，就是将一些数据进行共享或是交易，这样在不同的项目中如果要用到同一批数据，只需要在集市中提取就可以了，这样就能显著减少收集所需要的时间。构建一个规模巨大的集市，有助于推动数据分析这个学科的发展，让不同的领域都能因此而受益。但目前这只是一种想法，因为部分数据是不易公开或用来交易的，所以现在集市的概念大多用在企业之间的合作中。
（三）数据分析系统的交互与兼容改进
提高系统的交互与兼容性，是保障数据分析效率的有效手段。现有的系统大多都只是支持文本、表格等几种主要的格式，所以当有一些特定的检索需求时，系统是不能直接完成的。这是一种兼容性不足的体现，所以应当增加可兼容的数据格式。对于一些特殊的数据格式，即使不能识别，也需要为其构建扩展结构，让系统仍然实现一定功能。在系统投入使用前，需要对其进行全面测试，可以通过使用其进行大量的运算，从而测试其容错性能以及在检测、分析方面是否有不足。
结语：总得来讲，数据分析并不只是存在于理论上，而是可以真正地被使用到各个领域的一个学科。该学科的出现让所有的行业都受到了影响，从积极的角度看，如果可以合理使用分析方法，就能提高数据的利用率，并挖掘其中的价值，从而避免其中包含的珍贵信息被浪费掉。现有的数据分析系统虽然具备强大的分析功能，但是仍然有很多可以改进的地方。如果可以从技术层面上将系统更新，就能提高分析的准确性。文章就目前系统的技术改进提出了一些建议，希望可以起到一定的参考作用。
参考文献：
[1]邹鹏.数据分析系统及其技术的改进措施[J].科学与财富，2016，15（6）
[2]周文琼.大数据环境下的电力客户服务数据分析系统[J].计算机系统应用，2015，24（5）
[3]刘梅.大数据系统和分析技术综述[J].数字化用户，2018年43期 >
数据分析系统的四个主要功能是配置、采集、处理和应用，并且其中包含采集数据、分析整理、构建模型等流程。这些功能看似简单，但是却能找到数据的规律，从而对某一事件的结果进行预测。这对于很多决策者来说是很具有价值的，分析的结果可以让他们获知市场的大致动向，并减少做出错误决断的情况。因此，该系统对于任何领域来说，其价值都是难以估量的。
关键词：数据分析系统;技术;改进
一、数据分析系统概述
（一）数据分析的常用方法
现在分析中一些常用方法都是比较可靠的，获取的结果基本是准确的，不会与实际有较大的差异。描述性统计是使用频率最高的方法，它可以较好地揭示数据的分布特性，例如数据的频数分析、集中趋势分析、离散程度分析等。将这些结果进行统一地分析与总结，就能从中找到一个潜在的规律。该方法比较使用与具有顺序规律的数据，整体需要是连续的，这样才能更好地从中获取信息。
（二）数据分析系统的典型构架
数据分析系统的功能性主要体现在其采集以及处理两方面，这也是最难通过人工来完成的工作。该系统可以获取大量的业务数据，并对它们进行分类存储以及分析。系统对原始数据进行处理转换，并存储在数据库中，再根据需求将数据转换成可利用的模型，再进行进一步地分析。整个系统是层级结构的，不同功能的进行是分层逐步来完成的，因此效率得到了保证，相互干扰的情况也基本不会出现。
（三）数据分析系统的基本流程
在流程中，最不可缺少的一个步骤就是构建数据模型，这样就能将抽象的符号具体化成为可以分析的图形。系统的其中一项功能就是分析这些模型，从而获得所需的结果。数据分析至少包含探索性数据分析、模型选定、推断分析三个过程。因为分析的量通常是巨大的，所以在不同線程中的这三个过程都是并行的，这样的效率会很高，最后的结果只需要进行汇总就可以了。数据在获取后，通常是无序的，类型也使多种多样，很难找到其中存在的关联，所以需要将其制作成相应的图表或是其他类型的形象，并找出其中的规律。在找到大致规律后，需要进行模型选定，先列举出多个模型，最后通过逐步排除来找到最能体现出数据规律特点的模型。最后，就是对模型进行推断分析，获取结果。我们可以将这个流程简单地总结为加工、整理、分析，所有的系统在功能上基本都是大同小异，不会脱离这三个重点。
二、数据分析系统在技术方面的改进措施
（一）数据分析指标选取方法的改进
数据指标是数据分析的有力手段。如果能选择一个合适的指标，就能让分析结果更加可靠，还能减少所需要消耗的资源，可以说是一举两得。数据指标需要符合几个基本特征，才能确定其是比较合适的。首先是具有较高的比较性，可以比较出在不同时段、用户之间的表现差异，这样就可以更容易获得分析对象的走向趋势。易读性也是比较关键的，这直接决定了指标是否容易让人理解，这也是其功能性的侧面验证。最重要的就是具有全面性，也就是有限的指标可以描述出尽可能多的对象特征，这样就更加易于就某一问题做出判断。就这些特征，我们可以总结出大致的改进措施。对指标进行定性与量化，定性可以体现对象的主观因素，具有一定判断性，量化可以衡量客观特征，进而过滤掉一些没有作用的指标，尤其是一些具有欺骗意义的指标。例如网站的“累积注册量”就是这样的一种指标，其并不能体现出网站当前的状态，所以并没有实际的参考价值。
（二）简历标准的代码库和数据集市
因为系统中的代码有很多都是面向客户的，所以是根据功能来设计的，并且本身的重复率很高。因此，为了节省在编写代码上消耗的时间，就可以构建一个代码库。这个库中可以存储各种类型的代码，当某个部门需要使用时，就可以按需求从中提取出所需的代码。这样有助于代码的共享，可以促进效率的增长，也能提高代码的利用率。数据集市的概念也与之十分相似，就是将一些数据进行共享或是交易，这样在不同的项目中如果要用到同一批数据，只需要在集市中提取就可以了，这样就能显著减少收集所需要的时间。构建一个规模巨大的集市，有助于推动数据分析这个学科的发展，让不同的领域都能因此而受益。但目前这只是一种想法，因为部分数据是不易公开或用来交易的，所以现在集市的概念大多用在企业之间的合作中。
（三）数据分析系统的交互与兼容改进
提高系统的交互与兼容性，是保障数据分析效率的有效手段。现有的系统大多都只是支持文本、表格等几种主要的格式，所以当有一些特定的检索需求时，系统是不能直接完成的。这是一种兼容性不足的体现，所以应当增加可兼容的数据格式。对于一些特殊的数据格式，即使不能识别，也需要为其构建扩展结构，让系统仍然实现一定功能。在系统投入使用前，需要对其进行全面测试，可以通过使用其进行大量的运算，从而测试其容错性能以及在检测、分析方面是否有不足。
结语：总得来讲，数据分析并不只是存在于理论上，而是可以真正地被使用到各个领域的一个学科。该学科的出现让所有的行业都受到了影响，从积极的角度看，如果可以合理使用分析方法，就能提高数据的利用率，并挖掘其中的价值，从而避免其中包含的珍贵信息被浪费掉。现有的数据分析系统虽然具备强大的分析功能，但是仍然有很多可以改进的地方。如果可以从技术层面上将系统更新，就能提高分析的准确性。文章就目前系统的技术改进提出了一些建议，希望可以起到一定的参考作用。
参考文献：
[1]邹鹏.数据分析系统及其技术的改进措施[J].科学与财富，2016，15（6）
[2]周文琼.大数据环境下的电力客户服务数据分析系统[J].计算机系统应用，2015，24（5）
[3]刘梅.大数据系统和分析技术综述[J].数字化用户，2018年43期 >