大数据应用场景-大数据预测(75页).ppt

大数据应用场景之-大数据预测,01,目录,CONTENTS,02,1,2,3,4,5,6,7,8,PART 01 大数据预测概述,大数据预测是大数据最核心的应用，大数据预测将传统意义预测拓展到“现测”。,03,预测是大数据的核心价值,04,大数据预测是大数据最核心的应用大数据的本质是解决问题，大数据的核心价值就在于预测，而企业经营的核心也是基于预测所做出的正确判断。,大数据预测的优势,05,大数据预测则是基于大数据和预测模型去预测未来某件事情的概率，让分析从“面向已经发生的过去”转向“面向即将发生的未来”是大数据与传统数据分析的最大不同大数据预测的优势体现在它把一个非常困难的预测问题，转化为一个相对简单的描述问题，而这是传统小数据集根本无法企及的从预测的角度看，大数据预测所得出的结果不仅仅得到处理现实业务简单、客观的结论，更能用于帮助企业经营决策，收集起来的资料还可以被规划，引导开发更大的消费力量,数据分析的四个层次,06,数据分析的根本目的就是要洞察数据背后的规律，企业可以基于数据分析的结果制订决策、并采取相应措施和行动，进而达成想要的结果数据分析的四个层次描述性分析（Descriptive Analysis）诊断性分析（Diagnostic Analysis）预测性分析（Predictive Analysis）处方性分析（Prescriptive Analysis）,数据分析的四个层次,07,描述性分析发生了什么,08,描述性分析主要是对已经发生的事实用数据做出准确的描述比如某企业本月订单签约额比上月增加100万，至1100万，但是订单履约率从上月的98%下降到了95%，库存周转率从上月的0.8下降到了0.7,诊断性分析为什么会发生,09,通过评估描述型数据，诊断分析工具能够让数据分析师深入地分析数据，钻取到数据的核心比如经过分析，发现订单履约率下降的原因是成品生产不出来，无法完成交付，而成品生成不出来的原因则是部分原材料的供应商未能按时送货，导致原材料不齐套，无法开始生产,预测性分析什么可能会发生,10,预测型分析对事件未来发生的可能性，预测一个可量化的值，或者是预估事情发生的时间点比如通过建模可以预测本月该供应商会使我们的订单履约率下降2%,处方性分析该做些什么,11,处方性分析基于对“发生了什么”、“为什么会发生”和“可能发生什么”的分析，来帮助用户决定应该采取什么措施通常情况下，是在前面的所有方法都完成之后，最后需要完成的分析方法比如，供应商A会导致本月订单履约率下降，可能采取的措施就是把A换掉，但是现在有B和C两个供应商供选择，通过分析和计算得出：选用供应商B会比选C的订单履约率高1%，因此建议选择供应商B,数据分析方法总结,12,传统分析方法只能完成描述性和诊断性分析大数据分析方法使用大量多样化和可变数据来实现预测，在充满不确定性的环境下，能够帮助企业做出更好的决定大数据预测是大数据在很多领域的重要应用,PART 02 描述性数据分析,描述性分析做为商业数据分析的第一个层次，主要回答发生了什么的问题。,13,描述性分析,14,描述性分析对采集到的大量数据进行初步的整理和归纳，对调查总体所有变量的有关数据进行统计性描述，主要包括数据的频数分析数据的集中趋势分析数据的离散程度分析数据的分布统计图形绘制,数据的频数分析,15,利用频数分析可以发现一些统计规律比如说，被调查者使用个人支票支付方式的最多，使用信用卡支付的最少,数据的集中趋势分析,16,数据的集中趋势分析是用来反映数据的一般水平平均值：是衡量数据的中心位置的重要指标，反映了一些数据必然性的特点，包括算术平均值、加权算术平均值、调和平均值和几何平均值 中位数：是反映数据的中心位置的指标，其确定方法是将所有数据以由小到大的顺序排列，位于中央的数据值就是中位数众数：是指在数据中发生频率最高的数据值如果各个数据之间的差异程度较小，用平均值就有较好的代表性如果数据之间的差异程度较大，特别是有个别的极端值的情况，用中位数或众数有较好的代表性,数据的离散程度分析,17,数据的离散程度分析主要是用来反映数据之间的差异程度，常用的指标有方差和标准差方差是标准差的平方，根据不同的数据类型有不同的计算方法,数据的分布,18,在统计分析中，通常要假设样本的分布属于正态分布，因此需要用偏度和峰度两个指标来检查样本是否符合正态分布偏度衡量的是样本分布的偏斜方向和程度而峰度衡量的是样本分布曲线的尖峰程度如果样本的偏度接近于0，峰度接近于3，就可以判断总体的分布接近于正态分布,绘制统计图,19,绘制统计图：用图形的形式来表达数据，比用文字表达更清晰、更简明绘制各个变量的统计图形，包括条形图、饼图和折线图等,描述性分析方法,20,了解业务场景首先要了解和还原数据产生的业务场景，包括：数据涉