保险专业资源下载网站

目录

数据分析即从数据、信息到知识的过程，数据分析需要数学理论、行业经验以及计算机工具三者结合

数学&统计学知识

数据分析的基础，将整理、描述、预测数据的手段、过程抽象为数学模型的理论知识

工具支撑

各种厂商开发了数据分析的工具、模块，将分析模型封装，使不了解技术的人也能够快捷的实现数学建模，快速响应分析需求。

行业经验

行业经验可在数据分析前确定分析需求，分析中检验方法是否合理，以及分析后指导应用，但行业特征不同，其应用也不同，因此本文不展开介绍

传统分析

在数据量较少时，传统的数据分析已能够发现数据中包含的知识，包括结构分析、杜邦分析等模型，方法成熟，应用广泛，本文不展开介绍

分析误区

不了解分析模型的数学原理，会导致错误的使用模型，而得出错误的分析结论，影响业务决策，因此在选用分析模型时，要深入了解该模型的原理和使用限制

机器学习

不需要人过多干预，通过计算机自动学习，发现数据规律，但结论不易控制。

数据挖掘

数据挖掘是挖掘数据背后隐藏的知识的重要手段

随着计算机技术发展和数据分析理论的更新，当前的数据分析逐步成为机器语言、统计知识两个学科的交集（备选）

计算机技术

统计学、人工智能

业务数据

数据挖掘

就是充分利用了统计学和人工智能技术的应用程序，并把这些高深复杂的技术封装起来，使人们不用自己掌握这些技术也能完成同样的功能，并且更专注于自己所要解决的问题。

信息处理

信息处理

信息处理基于查询，可以发现有用的信息。但是这种查询的回答反映的是直接存放在数据库中的信息。它们不反映复杂的模式，或隐藏在数据库中的规律。

传统分析

数据分析

工具