博客数据分析：艺术还是科学？我们讨论了很多关于数据分析和BI的科学方面：执行复杂查询所需的计算和算法。当然，商业智能的一个重要部分是数学，但对数据的理解——在一端计划如何构建分析结构，在另一端解释结果——在很大程度上也是一种艺术形式。什么是探索性数据分析？探索性数据分析（EDA）是数据分析过程中的第一步。在这里，自助建站服务，你要弄清楚你所拥有的数据，怎么做淘客，然后弄清楚你想问什么问题，如何把它们框起来，以及如何最好地操纵可用的数据源来获得你需要的答案。您可以通过广泛地查看现有数据中的模式、趋势、异常值、意外结果等来实现这一点，并使用可视化和定量的方法来了解其中所讲述的故事。你在寻找提示你下一步的逻辑、问题或研究领域的线索。想加入R来进行更深入的统计学习吗？观看我们的按需网络研讨会，大数据分析方法，了解如何使用不断增长的R函数库进行更深入的预测分析。探索性分析是由约翰·图基（johntukey）在20世纪70年代发展起来的，它通常被描述为一种哲学，对于如何处理它，没有硬性规定。也就是说，它也产生了一整套统计计算环境，它们都用来帮助定义"什么是EDA？"以及处理具体任务，如：发现错误和丢失的数据；绘制数据的底层结构；确定最重要的变量；列出异常和异常值；测试假设/检查与特定模型相关的假设；建立一个简约模型（可以用最小的预测变量来解释数据）；估计参数并计算出相关的置信区间或误差范围。工具和技术用于进行探索性数据分析的最重要的统计编程包包括S-Plus和R。后者是一种功能强大、通用性强、开源的编程语言，可以与许多BI平台集成……但稍后会有更多介绍。您可以使用这些工具执行的特定统计功能和技术包括：聚类和降维技术，帮助您创建包含许多变量的高维数据的图形显示；原始数据集中每个字段的单变量可视化，带有摘要统计信息；双变量可视化和汇总统计，允许您评估数据集中每个变量与您正在查看的目标变量之间的关系；多变量可视化，用于映射和理解数据中不同字段之间的交互作用；K-均值聚类（根据最近的均值为每个聚类创建"中心"）；预测模型，如线性回归。Sisense集成了许多数据源—请看实际情况：浏览仪表板它适合你的BI使用正确的数据连接器，您可以将EDA数据直接合并到BI软件中，帮助您进行分析。此外，企业大数据分析，您还可以将其设置为允许数据以另一种方式流动，在（例如）R中构建和运行使用BI数据的统计模型，并在新信息流入模型时自动更新。例如，您可以使用EDA将您的潜在客户映射到现金流程，大数据分析培训，跟踪将营销线索转换为客户的每一步和每一个部门所经历的过程，以期简化这一过程，以便顺利过渡。它的潜在用途是广泛的，但归根结底，它归结为：探索性数据分析是在你对数据做出任何假设之前先了解和理解你的数据。它可以帮助您避免意外地创建不准确的模型，或者在错误的数据上构建精确的模型。做对了，你就对你的数据有了必要的信心，开始部署功能强大的机器学习算法，对业务绩效有着巨大的影响，但忽略这一关键步骤，你会发现你的商业智能建立在不稳固的基础上。想加入R来进行更深入的统计学习吗？观看我们的按需网络研讨会，了解如何使用不断增长的R函数库进行更深入的预测分析。标签：复杂数据|探索性数据分析| R