很多事實(shí)證明，利用大數(shù)據(jù)可以獲取App的巨大商業(yè)價(jià)值，正是有了這些大數(shù)據(jù)，企業(yè)運(yùn)營(yíng)者才能參考這些數(shù)據(jù)，并以之為起點(diǎn)，從大數(shù)據(jù)中挖掘出更多的“機(jī)會(huì)”。但要抓住大數(shù)據(jù)的機(jī)會(huì)并從中獲取商業(yè)價(jià)值，需要建立在具有先進(jìn)分析方法的基礎(chǔ)上。
大數(shù)據(jù)分析方法，通常有以下幾種。
（1）可視化分析
數(shù)據(jù)的可視化分析，是指將數(shù)據(jù)加以收集、篩選、分析、歸納、組合，通過(guò)不同的展現(xiàn)方式提供給用戶，讓其發(fā)現(xiàn)不同數(shù)據(jù)之間的關(guān)聯(lián)信息?？梢暬治鲎畲蟮奶攸c(diǎn)就是直觀，這個(gè)特點(diǎn)更有利于用戶接受，使復(fù)雜的數(shù)據(jù)如同看圖說(shuō)話一樣簡(jiǎn)單明了。
大數(shù)據(jù)分析的特征：
①實(shí)時(shí)性：數(shù)據(jù)可視化分析適應(yīng)了大數(shù)據(jù)時(shí)代數(shù)據(jù)爆炸式增長(zhǎng)的需求，更新速度快、周期短，緊隨市場(chǎng)形勢(shì)變化。
②簡(jiǎn)單操作：數(shù)據(jù)可視化快速開發(fā)、易于操作，同時(shí)也便于用戶的理解。
③展現(xiàn)方式多樣化：數(shù)據(jù)可視化具有更豐富的展現(xiàn)方式，能充分滿足數(shù)據(jù)展現(xiàn)的多維度要求。
④多種數(shù)據(jù)集成支持方式：數(shù)據(jù)的來(lái)源不僅僅局限于數(shù)據(jù)庫(kù)，還可以依賴于數(shù)據(jù)可視化工具，互聯(lián)網(wǎng)協(xié)作、數(shù)據(jù)倉(cāng)庫(kù)、文本等多種方式。
（2）數(shù)據(jù)挖掘算法
數(shù)據(jù)挖掘是大數(shù)據(jù)分析的理論核心，因此，進(jìn)行數(shù)據(jù)分析離不開數(shù)據(jù)挖掘算法。所謂的數(shù)據(jù)挖掘算法，是指根據(jù)數(shù)據(jù)創(chuàng)建、數(shù)據(jù)挖掘模型進(jìn)行計(jì)算的一組方法，算法有很多種，各種算法都是基于不同的數(shù)據(jù)類型和模式。
這種方法能更加科學(xué)地呈現(xiàn)出數(shù)據(jù)本身的特點(diǎn)，深入數(shù)據(jù)內(nèi)部，挖掘出公認(rèn)的價(jià)值。數(shù)據(jù)挖掘比較常用的有六大算法，分別如下。
①C4.5
這是一種決策樹算法（由于這種決策分支畫成圖形很像一棵樹的樹干，故稱決策樹），這種方法是需要每次選擇一個(gè)好的特征以及分裂點(diǎn)作為當(dāng)前節(jié)點(diǎn)的分類條件。
這種方法是ID3的改進(jìn)算法，ID3選擇屬性用的是子樹的信息增益，而C4.5用的是信息增益率，所以基本上了解了一半決策樹構(gòu)造方法就能構(gòu)造決
策樹。
②CART
CART也是一種決策樹算法，相對(duì)于上面有條件實(shí)現(xiàn)一個(gè)節(jié)點(diǎn)下面有多個(gè)子樹的多元分類，CART只是分為兩個(gè)子樹，這樣實(shí)現(xiàn)起來(lái)稍稍簡(jiǎn)便些。所以說(shuō)CART算法生成的決策樹是結(jié)構(gòu)簡(jiǎn)潔的二叉樹。
③K-Means
K-Means是一種使用最廣泛的聚類方法，算法很簡(jiǎn)單。
a.首先，從n個(gè)數(shù)據(jù)對(duì)象任意選擇k個(gè)對(duì)象作為初始聚類中心。
b.對(duì)于所剩下的其他對(duì)象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類。
c.然后計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）。
d.不斷重復(fù)這一過(guò)程，直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。值得注意的是，這種方法一般采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù)，k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開。
④Apriori
這種算法是一種挖掘關(guān)聯(lián)規(guī)則的頻繁項(xiàng)集算法，其核心思想是通過(guò)候選集生成和情節(jié)的向下封閉檢測(cè)兩個(gè)階段來(lái)挖掘頻繁項(xiàng)集，即是通過(guò)支持度和置信度兩個(gè)量來(lái)工作。現(xiàn)已經(jīng)被廣泛應(yīng)用于商業(yè)、網(wǎng)絡(luò)安全等各個(gè)領(lǐng)域。
具體的算法如下。
a.第一步，首先找出所有的頻繁項(xiàng)集，這些項(xiàng)集出現(xiàn)的頻繁性至少和預(yù)定義的最小支持度一樣。
b.第二步，然后由頻集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則（這些規(guī)則必須滿足最小支持度和最小可信度）。
c.再使用第一步找到的頻集產(chǎn)生期望的規(guī)則，產(chǎn)生只包含集合的項(xiàng)的所有規(guī)則，其中每一條規(guī)則的右部只有一項(xiàng)（一旦這些規(guī)則被生成，那么只有那些大于用戶給定的最小可信度的規(guī)則才能被留下來(lái)）。
在這個(gè)過(guò)程中，可通過(guò)頻繁項(xiàng)集的一些規(guī)律（頻繁項(xiàng)集的子集必定是頻繁項(xiàng)集）進(jìn)行剪枝，過(guò)濾掉非頻繁項(xiàng)集，來(lái)減少計(jì)算復(fù)雜度。
⑤GSP
全稱為Generalized Sequential Pattern(廣義序貫?zāi)Ｊ剑且环N序列挖掘算法。有點(diǎn)類似于Apriori算法，采用冗余候選模式的剪除策略和特殊的數(shù)據(jù)結(jié)構(gòu)——哈希樹來(lái)實(shí)現(xiàn)候選模式的快速訪存。
具體的算法如下。
a.掃描序列數(shù)據(jù)庫(kù)，得到長(zhǎng)度為1的序列模式L1，作為初始的種子集。
b.根據(jù)長(zhǎng)度為i的種子集Li，通過(guò)連接操作和修剪操作生成長(zhǎng)度為i+1的候選序列模式Ci+1。
C.然后掃描序列數(shù)據(jù)庫(kù)，計(jì)算每個(gè)候選序列模式的支持度，產(chǎn)生長(zhǎng)度為i+1的序列模式Li+1，并將Li+1作為新的種子集。
d.重復(fù)第二步，直到?jīng)]有新的序列模式或新的候選序列模式產(chǎn)生為止。產(chǎn)生候選序列模式主要分兩步：
a.連接階段：如果去掉序列模式s1的第一個(gè)項(xiàng)目與去掉序列模式s2的最后一個(gè)項(xiàng)目所得到的序列相同，則可以將s1與s2進(jìn)行連接，即將s2的最后一個(gè)項(xiàng)目添加到s1中。
b.修切階段：若某候選序列模式的某個(gè)子序列不是序列模式，則此候選序列模式不可能是序列模式，將它從候選序列模式中刪除。
⑥Adaboost
這個(gè)不能說(shuō)是一種算法，應(yīng)該是一種方法，因?yàn)樗梢越⒃谌魏我环N分類算法上，包括決策樹、NB、SVM等。
Adaboost是一種迭代算法，其核心思想是針對(duì)同一個(gè)訓(xùn)練集的分類器（弱分類器），然后把這些弱分類器集合起來(lái)，構(gòu)成一個(gè)更強(qiáng)的最終分類器（強(qiáng)分類器）。
其算法通過(guò)改變數(shù)據(jù)分布來(lái)實(shí)現(xiàn)，根據(jù)每次訓(xùn)練集之中每個(gè)樣本的分類是否正確，以及上次的總體分類的準(zhǔn)確率，來(lái)確定每個(gè)樣本的權(quán)值。將修改過(guò)權(quán)值的新數(shù)據(jù)集送給下層分類器進(jìn)行訓(xùn)練，最后將每次訓(xùn)練得到的分類器最后融合起來(lái)，作為最后的決策分類器。使用Adaboost分類器可以排除一些不必要的訓(xùn)練數(shù)據(jù)，并將重點(diǎn)放在關(guān)鍵的訓(xùn)練數(shù)據(jù)上面。
（3）預(yù)測(cè)性分析
大數(shù)據(jù)預(yù)測(cè)分析（Big Data Predictive Analytics)是大數(shù)據(jù)分析中主要的一環(huán)。同時(shí)，這也是大數(shù)據(jù)分析中一個(gè)極端困難的任務(wù)，實(shí)施成功的預(yù)測(cè)分析非常困難，并非普通的分析人士所能完成的。做好大數(shù)據(jù)的預(yù)測(cè)性分析，需要具備以下四個(gè)條件。
以上四種方法是大數(shù)據(jù)分析最基本的方法，運(yùn)營(yíng)者可根據(jù)數(shù)據(jù)類型、數(shù)據(jù)特點(diǎn)以及實(shí)際需求進(jìn)行有針對(duì)性的選擇，從而對(duì)大數(shù)據(jù)進(jìn)行更加深入的、更加專業(yè)的分析。
大數(shù)據(jù)的分析方法的分享到這里，希望能給您的工作帶來(lái)幫助，謝謝關(guān)注，博納網(wǎng)絡(luò)編輯整理。
