先說最基本的描述性分析數據分析方法。描述性分析的目的是分析歷史趨勢，量化相關規律，從而對人們的行為有清晰的認識。描述性分析包括答案？過去發生了什麽？這個問題。這是最廣泛、最簡單的數據分析方法，幫助公司對日常運營有壹個大致的了解。
描述壹個使用基本統計和計算方法來捕捉關鍵指標的直觀歷史趨勢的模型。描述模型的主要目的不是評估價值，而是洞察潛在的行為。常用的描述性分析工具有MS EXCEL、SPSS和STATA。
對於銀行業，典型的應用是用戶聚類。通過挖掘歷史數據，分析客戶的消費習慣和消費能力，從而進行有針對性的精準營銷。這些模型是實現用戶簡檔的強大工具，但是它們預測相似組中單個成員行為的能力非常有限。
2.數據分析實踐的概念？預測分析
預測模型使用統計模型來確定未來事件的可能性。它能回答嗎？未來會怎樣？。
預測模型基於描述性模型，因為它們不限於歷史數據，而是經常使用來自不同來源的結構化和非結構化數據。它提供了未來可能事件的簡要報告，使決策者能夠做出明智的決策。它涵蓋了各種先進的統計模型和復雜的數學概念，如隨機森林，GM，SVM，GLM和博弈論。
預測模型是基於描述模型來預測未來的行為。然而，與只有粗略描述的描述性模型不同，預測模型側重於預測，對嗎？個人顧客的行為。
另外，用於運行預測模型的工具會隨著模型的復雜程度而變化，但是常見的工具如RapidMiner、R、Python、SAS、Matlab、Dataiku DSS等很多都可以在Coursera上使用。
高級動態分析是銀行業的壹個經典例子。它可以幫助預測客戶對給定市場報價的反應，從而增加交叉銷售的可能性，擴大產品銷售。再比如預測信用卡詐騙的可能性。
3.數據分析實踐的概念？規則分析
規則分析是最復雜的分析方法，它利用隨機優化和模擬來探索壹系列可能的解決方案，並針對給定的情況給出最佳解決方案。它回答了？怎麽樣？這是壹個問題。
規則模型超越了描述模型？它們只處理正在發生的事情，比預測模型更強大？而只有當他們繼續為未來做什麽提供建議時，他們才能告訴我們會發生什麽。它們量化了未來行動對關鍵業務指標的影響，並提供了最佳行動方案。
規則模型將大數據與業務規則相結合，通過復雜的算法比較壹系列動作後最有可能的結果，選擇最佳的動作方案，從而促進業務目標的實現。最先進的規則模型遵循壹個模擬的過程，在這個過程中，模型通過不斷自動學習當前數據來提高其智能。
這些模型通常非常復雜，因為難以控制，只能由技術能力強的大公司使用。那麽，當模型被正確執行時，它將對公司決策的有效性產生很大的影響。
這意味著超級計算機、雲計算、Hadoop HDFS、Spark、數據庫操作機制和MPP架構的進步，使得部署結構化和非結構化規則模型作為數據源變得更加容易。而運行規則模型、預測模型等工具，除了高級基礎設施外，其他方面都非常相似。
規則模型在零售銀行的常見應用？比如優化銀行分支機構銷售人員的分布，最大限度地增加新客戶數量。該模型通過整合各分店的地理位置信息、業績和潛力水平，得出各分店最優銷售人員的最優分配方案。
數據分析實踐有哪些概念？不知道這個的數據分析師轉行了，描述模型利用基本的統計和計算方法，獲得關鍵指標直觀的歷史趨勢。描述模型的主要目的不是估計價值，而是洞察潛在的行為。妳能處理好嗎？如果還擔心自己入門不順利，可以點擊本站其他文章學習。