現(xiàn)在您已經(jīng)了解了業(yè)務(wù)智能和商業(yè)數(shù)據(jù)分析之間的區(qū)別，讓我們來討論一下典型的業(yè)務(wù)分析類別。以下是六大類業(yè)務(wù)解決方案:
·數(shù)據(jù)挖掘——通過在海量數(shù)據(jù)中發(fā)現(xiàn)以前未知的趨勢或模式來創(chuàng)建模型。例子:保險索賠欺詐分析，零售市場籃子分析。數(shù)據(jù)挖掘使用多種統(tǒng)計技術(shù):
當(dāng)我們知道變量是分類數(shù)據(jù)時進(jìn)行判別分析。年齡等人口統(tǒng)計數(shù)據(jù)。
b .回歸分析
C.聚類分析當(dāng)我們不知道如何對影響因素進(jìn)行分類時。
D.相關(guān)分析模型
·文本挖掘——從文本數(shù)據(jù)集中發(fā)現(xiàn)并提取有意義的模型。例如，通過facebook、Twitter和博客等社交網(wǎng)絡(luò)，可以了解客戶的情緒。這些信息可以用來改進(jìn)產(chǎn)品和服務(wù)，或者了解競爭對手的動態(tài)信息。
·預(yù)測——預(yù)測并分析接下來的一段時間會發(fā)生什么。例如，使用歷史數(shù)據(jù)來預(yù)測季節(jié)能源需求。
·預(yù)測分析——創(chuàng)建、管理和部署預(yù)測評分模型。例如客戶生存和損失、信用評分預(yù)測和工廠機器的故障率。
·最優(yōu)解——使用仿真技術(shù)識別最優(yōu)解。例如:銷售價格優(yōu)化，股票投資基金組合優(yōu)化。
·可視化——通過高度交互的圖形，增強模型結(jié)果的探索性分析和輸出。
聲明：文中部分素材來源于網(wǎng)絡(luò)，如有侵權(quán)聯(lián)系刪除。未經(jīng)本站授權(quán)，任何人不得復(fù)制轉(zhuǎn)載、或以其他方式使用本網(wǎng)站的內(nèi)容
