大数据分析带来的巨大商业价值推动了大数据分析行业的蓬勃发展。但由于数据分析人员对大数据的认知相对滞后,并且分析经验不足,严重制约了大数据分析的有效性与准确性。为帮助缺乏经验的数据分析人员准确、完整界定待分析问题,重用已有分析经验,高效地找到从问题域到解决方案域的最佳途径,本文结合问题框架和基于目标的需求建模技术,提出了分析模式驱动的分析需求建模方法。参数优化是实现智能化数据分析的关键步骤之一,为简化参数优化分析过程,本文提出了分析模式驱动的参数优化方法。首先,运用分析模式驱动的分析需求建模方法分析参数优化相关需求,构建参数优化分析目标一运营型软目标依赖图,形成目标可满足性度量标准;其次,引入参数优化分析模式,实现参数优化经验数据的重用;再次,依据参数优化分析目标的可满足性度量标准,精准定位并重用参数优化模型库中已有的参数优化模型,减少了数据分析人员在参数优化算法以及实现方式的选择上过多的错误尝试,提高参数优化效率和质量;最后,定制参数优化模型参数并运行参数优化。此外,本文改进已有的建模工具Star-UML,建立分析模式库、分析模型库、度量指标库,并实现了分析模式的织入功能。借助此改进的分析工具,本文将分析模式驱动的参数优化方法应用于图像分类模型训练的参数优化过程,通过与蛮力计算得到的最佳参数解集组合对比,表明本文所选择的参数优化模型计算得到的最佳参数解集组合与蛮力计算得到的结果几乎相同,并且所用时间明显较短。因此,可以证实应用本文所提方法,可以快速找到有效的参数优化解决方案,说明了本方法的应用价值。