數(shù)據(jù)分析的常用邏輯（數(shù)據(jù)分析常用術(shù)語）
　　數(shù)據(jù)分析相關(guān)概念多且雜，容易搞混。為了便于大家區(qū)分，今天小編就來盤點一下數(shù)據(jù)分析常用的術(shù)語解釋。建議大家收藏起來方便查看。

　　按照以下三類進行匯總。

　　1、互聯(lián)網(wǎng)常用名詞解釋

　　2、統(tǒng)計學(xué)名詞解釋

　　3、數(shù)據(jù)分析名詞解釋

　　一、互聯(lián)網(wǎng)常用名詞解釋

　　1、PV（Page View）頁面瀏覽量

　　指某段時間內(nèi)訪問網(wǎng)站或某一頁面的用戶的總數(shù)量，通常用來衡量一篇文章或一次活動帶來的流量效果，也是評價網(wǎng)站日常流量數(shù)據(jù)的重要指標。PV可重復(fù)累計，以用戶訪問網(wǎng)站作為統(tǒng)計依據(jù)，用戶每刷新一次即重新計算一次。

　　2、UV（Unique Visitor）獨立訪客

　　指來到網(wǎng)站或頁面的用戶總數(shù)，這個用戶是獨立的，同一用戶不同時段訪問網(wǎng)站只算作一個獨立訪客，不會重復(fù)累計，通常以PC端的Cookie數(shù)量作為統(tǒng)計依據(jù)。

　　3、Visit 訪問

　　指用戶通過外部鏈接來到網(wǎng)站，從用戶來到網(wǎng)站到用戶在瀏覽器中關(guān)閉頁面，這一過程算作一次訪問。

　　Visit可重復(fù)累計，比如我打開一個網(wǎng)站又關(guān)閉，再重新打開，這就算作兩次訪問。

　　4、Home Page 主頁

　　指一個網(wǎng)站起主目錄功能的頁面，也是網(wǎng)站起點。通常是網(wǎng)站首頁。

　　5、Landing Page 著陸頁

　　指用戶從外部鏈接來到網(wǎng)站，直接跳轉(zhuǎn)到的第一個頁面。比如朋友給我發(fā)了一個介紹爆款T恤的淘寶鏈接，我點開會直接跳轉(zhuǎn)到介紹T恤的那個頁面，而不是淘寶網(wǎng)眾多其他頁面之一，這個介紹T恤的頁面可以算作是著陸頁。

　　6、Bounce Rate 跳出率

　　指用戶通過鏈接來到網(wǎng)站，在當前頁面沒有任何交互就離開網(wǎng)站的行為，這就算作此頁面增加了一個“跳出”，跳出率一般針對網(wǎng)站的某個頁面而言。

　　跳出率=在這個頁面跳出的用戶數(shù)/PV

　　7、退出率

　　一般針對某個頁面而言。指用戶訪問某網(wǎng)站的某個頁面之后，從瀏覽器中將與此網(wǎng)站相關(guān)的所有頁面全部關(guān)閉，就算此頁面增加了一個“退出“。

　　退出率=在這個頁面退出的用戶數(shù)/PV

　　8、Click 點擊

　　一般針對付費廣告而言，指用戶點擊某個鏈接、頁面、banner的次數(shù)，可重復(fù)累計。比如我在PC端看到一則新聞鏈接點進去看了一會就關(guān)了，過了一會又點進去看了一遍，這就算我為這篇新聞貢獻兩次點擊。

　　9、avr.time 平均停留時長

　　指某個頁面被用戶訪問，在頁面停留時長的平均值，通常用來衡量一個頁面內(nèi)容的質(zhì)量。

　　avr.time=訪客數(shù)量/用戶總停留時長

　　10、CTR 點擊率

　　指某個廣告、Banner、URL被點擊的次數(shù)和被瀏覽的總次數(shù)的比值。一般用來考核廣告投放的引流效果。

　　CTR=點擊數(shù)（click）/被用戶看到的次數(shù)

　　11、Conversion rate 轉(zhuǎn)化率

　　指用戶完成設(shè)定的轉(zhuǎn)化環(huán)節(jié)的次數(shù)和總會話人數(shù)的百分比，通常用來評價一個轉(zhuǎn)化環(huán)節(jié)的好壞，如果轉(zhuǎn)化率較低則急需優(yōu)化該轉(zhuǎn)化環(huán)節(jié)。

　　轉(zhuǎn)化率=轉(zhuǎn)化會話數(shù)/總會話數(shù)

　　12、漏斗

　　通常指產(chǎn)生目標轉(zhuǎn)化前的明確流程，比如在淘寶購物，從點擊商品鏈接到查看詳情頁，再到查看顧客評價、領(lǐng)取商家優(yōu)惠券，再到填寫地址、付款，每個環(huán)節(jié)都有可能流失用戶，這就要求商家必須做好每一個轉(zhuǎn)化環(huán)節(jié)，漏斗是評價轉(zhuǎn)化環(huán)節(jié)優(yōu)劣的指標。

　　13、投資回報率（ROI：Return On Investment ）

　　反映投入和產(chǎn)出的關(guān)系，衡量我這個投資值不值得，能給到我多少價值的東西（非單單的利潤），這個是站在投資的角度或長遠生意上看的。

　　其計算公式為：投資回報率（ROI）=年利潤或年均利潤/投資總額×100%，通常用于評估企業(yè)對于某項活動的價值，ROI高表示該項目價值高。

　　14、重復(fù)購買率

　　指消費者在網(wǎng)站中的重復(fù)購買次數(shù)。

　　15、Referrer 引薦流量

　　通常指將用戶引導(dǎo)至目標頁面的URL（超鏈接）。在百度統(tǒng)計中，引薦流量叫做“外部鏈接”。

　　16、流失分析（Churn Analysis/Attrition Analysis）

　　描述哪些顧客可能停止使用公司的產(chǎn)品/業(yè)務(wù)，以及識別哪些顧客的流失會帶來最大損失。流失分析的結(jié)果用于為可能要流失的顧客準備新的優(yōu)惠。

　　17、顧客細分&畫像（Customer Segmentation & Profiling）

　　根據(jù)現(xiàn)有的顧客數(shù)據(jù)，將特征、行為相似的顧客歸類分組。描述和比較各組。

　　18、顧客的生命周期價值 (Lifetime Value, LTV)

　　顧客在他/她的一生中為一個公司產(chǎn)生的預(yù)期折算利潤。

　　19、購物籃分析（Market Basket Analysis）

　　識別在交易中經(jīng)常同時出現(xiàn)的商品組合或服務(wù)組合，例如經(jīng)常被一起購買的產(chǎn)品。此類分析的結(jié)果被用于推薦附加商品，為陳列商品的決策提供依據(jù)等。

　　20、實時決策（Real Time Decisioning, RTD）

　　幫助企業(yè)做出實時（近乎無延遲）的最優(yōu)銷售/營銷決策。比如，實時決策系統(tǒng)（打分系統(tǒng)）可以通過多種商業(yè)規(guī)則或模型，在顧客與公司互動的瞬間，對顧客進行評分和排名。

　　21、留存/顧客留存（Retention / Customer Retention)

　　指建立后能夠長期維持的客戶關(guān)系的百分比。

　　22、社交網(wǎng)絡(luò)分析（Social Network Analysis, SNA）

　　描繪并測量人與人、組與組、機構(gòu)與機構(gòu)、電腦與電腦、URL與URL、以及其他種類相連的信息/知識實體之間的關(guān)系與流動。這些人或組是網(wǎng)絡(luò)中的節(jié)點，而它們之間的連線表示關(guān)系或流動。SNA為分析人際關(guān)系提供了一種方法，既是數(shù)學(xué)的又是視覺的。

　　23、生存分析（Survival Analysis）

　　估測一名顧客繼續(xù)使用某業(yè)務(wù)的時間，或在后續(xù)時段流失的可能性。此類信息能讓企業(yè)判斷所要預(yù)測時段的顧客留存，并引入合適的忠誠度政策。

　　二、統(tǒng)計學(xué)名詞解釋

　　1、絕對數(shù)和相對數(shù)

　　絕對數(shù)：是反應(yīng)客觀現(xiàn)象總體在一定時間、一定地點下的總規(guī)模、總水平的綜合性指標，也是數(shù)據(jù)分析中常用的指標。比如年GDP，總?cè)丝诘鹊取?/p>

　　相對數(shù)：是指兩個有聯(lián)系的指標計算而得出的數(shù)值，它是反應(yīng)客觀現(xiàn)象之間的數(shù)量聯(lián)系緊密程度的綜合指標。相對數(shù)一般以倍數(shù)、百分數(shù)等表示。相對數(shù)的計算公式：

　　相對數(shù)=比較值（比數(shù)）/基礎(chǔ)值（基數(shù)）

　　2、百分比和百分點

　　百分比：是相對數(shù)中的一種，他表示一個數(shù)是另一個數(shù)的百分之幾，也成為百分率或百分數(shù)。百分比的分母是100，也就是用1%作為度量單位，因此便于比較。

　　百分點：是指不同時期以百分數(shù)的形式表示的相對指標的變動幅度，1%等于1個百分點。

　　3、頻數(shù)和頻率

　　頻數(shù)：一個數(shù)據(jù)在整體中出現(xiàn)的次數(shù)。

　　頻率：某一事件發(fā)生的次數(shù)與總的事件數(shù)之比。頻率通常用比例或百分數(shù)表示。

　　4、比例與比率

　　比例：是指在總體中各數(shù)據(jù)占總體的比重，通常反映總體的構(gòu)成和比例，即部分與整體之間的關(guān)系。

　　比率：是樣本(或總體)中各不同類別數(shù)據(jù)之間的比值，由于比率不是部分與整體之間的對比關(guān)系，因而比值可能大于1。

　　5、倍數(shù)和番數(shù)

　　倍數(shù)：用一個數(shù)據(jù)除以另一個數(shù)據(jù)獲得，倍數(shù)一般用來表示上升、增長幅度，一般不表示減少幅度。

　　番數(shù)：指原來數(shù)量的2的n次方。

　　6、同比和環(huán)比

　　同比：指的是與歷史同時期的數(shù)據(jù)相比較而獲得的比值，反應(yīng)事物發(fā)展的相對性。

　　環(huán)比：指與上一個統(tǒng)計時期的值進行對比獲得的值，主要反映事物的逐期發(fā)展的情況。

　　7、變量

　　變量來源于數(shù)學(xué)，是計算機語言中能儲存計算結(jié)果或能表示值抽象概念。變量可以通過變量名訪問。

　　8、連續(xù)變量

　　在統(tǒng)計學(xué)中，變量按變量值是否連續(xù)可分為連續(xù)變量與離散變量兩種。在一定區(qū)間內(nèi)可以任意取值的變量叫連續(xù)變量，其數(shù)值是連續(xù)不斷的，相鄰兩個數(shù)值可作無限分割，即可取無限個數(shù)值。如:年齡、體重等變量。

　　9、離散變量

　　離散變量的各變量值之間都是以整數(shù)斷開的，如人數(shù)、工廠數(shù)、機器臺數(shù)等，都只能按整數(shù)計算。離散變量的數(shù)值只能用計數(shù)的方法取得。

　　10、定性變量

　　又名分類變量：觀測的個體只能歸屬于幾種互不相容類別中的一種時，一般是用非數(shù)字來表達其類別，這樣的觀測數(shù)據(jù)稱為定性變量?？梢岳斫獬煽梢苑诸悇e的變量，如學(xué)歷、性別、婚否等。

　　11、均值

　　即平均值，平均數(shù)是表示一組數(shù)據(jù)集中趨勢的量數(shù)，是指在一組數(shù)據(jù)中所有數(shù)據(jù)之和再除以這組數(shù)據(jù)的個數(shù)。

　　12、中位數(shù)

　　對于有限的數(shù)集，可以通過把所有觀察值高低排序后找出正中間的一個作為中位數(shù)。如果觀察值有偶數(shù)個，通常取最中間的兩個數(shù)值的平均數(shù)作為中位數(shù)。

　　13、缺失值

　　它指的是現(xiàn)有數(shù)據(jù)集中某個或某些屬性的值是不完全的。

　　14、缺失率

　　某屬性的缺失率=數(shù)據(jù)集中某屬性的缺失值個數(shù)/數(shù)據(jù)集總行數(shù)。

　　15、異常值

　　指一組測定值中與平均值的偏差超過兩倍標準差的測定值，與平均值的偏差超過三倍標準差的測定值，稱為高度異常的異常值。

　　16、方差

　　是在概率論和統(tǒng)計方差衡量隨機變量或一組數(shù)據(jù)時離散程度的度量。概率論中方差用來度量隨機變量和其數(shù)學(xué)期望（即均值）之間的偏離程度。統(tǒng)計中的方差（樣本方差）是每個樣本值與全體樣本值的平均數(shù)之差的平方值的平均數(shù)。在許多實際問題中，研究方差即偏離程度有著重要意義。方差是衡量源數(shù)據(jù)和期望值相差的度量值。

　　17、標準差

　　中文環(huán)境中又常稱均方差，是離均差平方的算術(shù)平均數(shù)的平方根，用σ表示。標準差是方差的算術(shù)平方根。標準差能反映一個數(shù)據(jù)集的離散程度。平均數(shù)相同的兩組數(shù)據(jù)，標準差未必相同。

　　18、皮爾森相關(guān)系數(shù)

　　皮爾森相關(guān)系數(shù)是用來反映兩個變量線性相關(guān)程度的統(tǒng)計量。相關(guān)系數(shù)用r表示，其中n為樣本量，分別為兩個變量的觀測值和均值。r描述的是兩個變量間線性相關(guān)強弱的程度。r的絕對值越大表明相關(guān)性越強。

　　19、相關(guān)系數(shù)

　　相關(guān)系數(shù)是最早由統(tǒng)計學(xué)家卡爾·皮爾遜設(shè)計的統(tǒng)計指標，是研究變量之間線性相關(guān)程度的量，一般用字母r表示。由于研究對象的不同，相關(guān)系數(shù)有多種定義方式，較為常用的是皮爾森相關(guān)系數(shù)。

　　20、特征值

　　特征值是線性代數(shù)中的一個重要概念。在數(shù)學(xué)、物理學(xué)、化學(xué)、計算機等領(lǐng)域有著廣泛的應(yīng)用。設(shè)A是向量空間的一個線性變換，如果空間中某一非零向量通過A變換后所得到的向量和X僅差一個常數(shù)因子，即AX=kX，則稱k為A的特征值，X稱為A的屬于特征值k的特征向量或特征矢量。

　　三、數(shù)據(jù)分析名詞解釋

　　A

　　聚合(Aggregation)：搜索、合并、顯示數(shù)據(jù)的過程。

　　算法(Algorithms)：可以完成某種數(shù)據(jù)分析的數(shù)學(xué)公式。

　　分析法(Analytics)：用于發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在涵義。

　　異常檢測(Anomaly detection)：在數(shù)據(jù)集中搜索與預(yù)期模式或行為不匹配的數(shù)據(jù)項。除了“Anomalies”,用來表示異常的詞有以下幾種：outliers,exceptions,surprises,contaminants.他們通?？商峁╆P(guān)鍵的可執(zhí)行信息。

　　匿名化(Anonymization)：使數(shù)據(jù)匿名，即移除所有與個人隱私相關(guān)的數(shù)據(jù)。

　　分析型客戶關(guān)系管理（Analytical CRM/aCRM）：用于支持決策，改善公司跟顧客的互動或提高互動的價值。針對有關(guān)顧客的知識，和如何與顧客有效接觸的知識，進行收集、分析、應(yīng)用。

　　B

　　行為分析法(Behavioural Analytics)：這種分析法是根據(jù)用戶的行為如“怎么做”，“為什么這么做”，以及“做了什么”來得出結(jié)論，而不是僅僅針對人物和時間的一門分析學(xué)科，它著眼于數(shù)據(jù)中的人性化模式。

　　批量處理（Batch processing）：盡管從大型計算機時代開始，批量處理就已經(jīng)出現(xiàn)了。由于處理大型數(shù)據(jù)集，批量處理對大數(shù)據(jù)具有額外的意義。批量數(shù)據(jù)處理是處理一段時間內(nèi)收集的大量數(shù)據(jù)的有效方式。

　　商業(yè)智能（Business Intelligence）: 分析數(shù)據(jù)、展示信息以幫助企業(yè)的執(zhí)行者、管理層、其他人員進行更有根據(jù)的商業(yè)決策的應(yīng)用、設(shè)施、工具、過程。

　　C

　　分類分析(Classification analysis)：從數(shù)據(jù)中獲得重要的相關(guān)性信息的系統(tǒng)化過程;這類數(shù)據(jù)也被稱為元數(shù)據(jù)(meta data),是描述數(shù)據(jù)的數(shù)據(jù)。

　　云計算(Cloud computing)：構(gòu)建在網(wǎng)絡(luò)上的分布式計算系統(tǒng)，數(shù)據(jù)是存儲于機房外的（即云端）。

　　集群計算（Cluster computing）：這是一個使用多個服務(wù)器集合資源的“集群”的計算術(shù)語。要想更技術(shù)性的話，就會涉及到節(jié)點，集群管理層，負載平衡和并行處理等概念。

　　聚類分析(Clustering analysis)：它是將相似的對象聚合在一起，每類相似的對象組合成一個聚類(也叫作簇)的過程。這種分析方法的目的在于分析數(shù)據(jù)間的差異和相似性。

　　冷數(shù)據(jù)存儲(Cold data storage)：在低功耗服務(wù)器上存儲那些幾乎不被使用的舊數(shù)據(jù)。但這些數(shù)據(jù)檢索起來將會很耗時。

　　對比分析(Comparative analysis)：在非常大的數(shù)據(jù)集中進行模式匹配時，進行一步步的對比和計算過程得到分析結(jié)果。

　　相關(guān)性分析(Correlation analysis)：是一種數(shù)據(jù)分析方法，用于分析變量之間是否存在正相關(guān)，或者負相關(guān)。

　　D

　　儀表板(Dashboard)：使用算法分析數(shù)據(jù)，并將結(jié)果用圖表方式顯示于儀表板中。

　　數(shù)據(jù)聚合工具(Data aggregation tools)：將分散于眾多數(shù)據(jù)源的數(shù)據(jù)轉(zhuǎn)化成一個全新數(shù)據(jù)源的過程。

　　數(shù)據(jù)分析師(Data analyst)：從事數(shù)據(jù)分析、建模、清理、處理的專業(yè)人員。

　　數(shù)據(jù)庫(Database)：一個以某種特定的技術(shù)來存儲數(shù)據(jù)集合的倉庫。

　　數(shù)據(jù)湖（Data lake）：數(shù)據(jù)湖是原始格式的企業(yè)級數(shù)據(jù)的大型存儲庫。與此同時我們可以涉及數(shù)據(jù)倉庫，它在概念上是相似的，也是企業(yè)級數(shù)據(jù)的存儲庫，但在清理、與其他來源集成之后是以結(jié)構(gòu)化格式。數(shù)據(jù)倉庫通常用于常規(guī)數(shù)據(jù)（但不是專有的）。數(shù)據(jù)湖使得訪問企業(yè)級數(shù)據(jù)更加容易，你需要明確你要尋找什么，以及如何處理它并明智地試用它。

　　暗數(shù)據(jù)（Dark Data）：基本上指的是，由企業(yè)收集和處理的，但并不用于任何意義性目的的數(shù)據(jù)，因此它是“暗”的，可能永遠不會被分析。它可以是社交網(wǎng)絡(luò)反饋，呼叫中心日志，會議筆記等等。有很多人估計，所有企業(yè)數(shù)據(jù)中的 60-90％ 可能是“暗數(shù)據(jù)”，但誰又真正知道呢？

　　數(shù)據(jù)挖掘（Data mining)：數(shù)據(jù)挖掘是通過使用復(fù)雜的模式識別技術(shù)，從而找到有意義的模式，并得出大量數(shù)據(jù)的見解。

　　數(shù)據(jù)中心(Data centre)：一個實體地點，放置了用來存儲數(shù)據(jù)的服務(wù)器。

　　數(shù)據(jù)清洗(Data cleansing)：對數(shù)據(jù)進行重新審查和校驗的過程，目的在于刪除重復(fù)信息、糾正存在的錯誤，并提供數(shù)據(jù)一致性。

　　數(shù)據(jù)質(zhì)量（Data Quality）：有關(guān)確保數(shù)據(jù)可靠性和實用價值的過程和技術(shù)。高質(zhì)量的數(shù)據(jù)應(yīng)該忠實體現(xiàn)其背后的事務(wù)進程，并能滿足在運營、決策、規(guī)劃中的預(yù)期用途。

　　數(shù)據(jù)訂閱(Data feed)：一種數(shù)據(jù)流，例如Twitter訂閱和RSS。

　　數(shù)據(jù)集市(Data Mart)：進行數(shù)據(jù)集買賣的在線交易場所。

　　數(shù)據(jù)建模(Data modelling)：使用數(shù)據(jù)建模技術(shù)來分析數(shù)據(jù)對象，以此洞悉數(shù)據(jù)的內(nèi)在涵義。

　　數(shù)據(jù)集(Data set)：大量數(shù)據(jù)的集合。

　　數(shù)據(jù)虛擬化(Data virtualization)：數(shù)據(jù)整合的過程，以此獲得更多的數(shù)據(jù)信息，這個過程通常會引入其他技術(shù)，例如數(shù)據(jù)庫，應(yīng)用程序，文件系統(tǒng)，網(wǎng)頁技術(shù)，大數(shù)據(jù)技術(shù)等等。

　　判別分析(Discriminant analysis)：將數(shù)據(jù)分類，按不同的分類方式，可將數(shù)據(jù)分配到不同的群組，類別或者目錄。是一種統(tǒng)計分析法，可以對數(shù)據(jù)中某些群組或集群的已知信息進行分析，并從中獲取分類規(guī)則。

　　分布式文件系統(tǒng)(Distributed File System)：提供簡化的，高可用的方式來存儲、分析、處理數(shù)據(jù)的系統(tǒng)。

　　文件存貯數(shù)據(jù)庫(Document Store Databases)：又稱為文檔數(shù)據(jù)庫，為存儲、管理、恢復(fù)文檔數(shù)據(jù)而專門設(shè)計的數(shù)據(jù)庫，這類文檔數(shù)據(jù)也稱為半結(jié)構(gòu)化數(shù)據(jù)。

　　E

　　探索性分析(Exploratory analysis)：在沒有標準的流程或方法的情況下從數(shù)據(jù)中發(fā)掘模式。是一種發(fā)掘數(shù)據(jù)和數(shù)據(jù)集主要特性的一種方法。

　　提取-轉(zhuǎn)換-加載(ETL:Extract,Transform and Load)：是一種用于數(shù)據(jù)庫或者數(shù)據(jù)倉庫的處理過程，天善學(xué)院有國內(nèi)唯一的最全的ETL學(xué)習(xí)課程。即從各種不同的數(shù)據(jù)源提取(E)數(shù)據(jù)，并轉(zhuǎn)換(T)成能滿足業(yè)務(wù)需要的數(shù)據(jù)，最后將其加載(L)到數(shù)據(jù)庫。

　　G

　　游戲化(Gamification)：在其他非游戲領(lǐng)域中運用游戲的思維和機制，這種方法可以以一種十分友好的方式進行數(shù)據(jù)的創(chuàng)建和偵測，非常有效。

　　圖形數(shù)據(jù)庫(Graph Databases)：運用圖形結(jié)構(gòu)(例如，一組有限的有序?qū)Γ蛘吣撤N實體)來存儲數(shù)據(jù)，這種圖形存儲結(jié)構(gòu)包括邊緣、屬性和節(jié)點。它提供了相鄰節(jié)點間的自由索引功能，也就是說，數(shù)據(jù)庫中每個元素間都與其他相鄰元素直接關(guān)聯(lián)。

　　網(wǎng)格計算(Grid computing)：將許多分布在不同地點的計算機連接在一起，用以處理某個特定問題，通常是通過云將計算機相連在一起。

　　H

　　Hadoop：一個開源的分布式系統(tǒng)基礎(chǔ)框架，可用于開發(fā)分布式程序，進行大數(shù)據(jù)的運算與存儲。

　　Hadoop數(shù)據(jù)庫(HBase)：一個開源的、非關(guān)系型、分布式數(shù)據(jù)庫，與Hadoop框架共同使用。

　　HDFS：Hadoop分布式文件系統(tǒng)(Hadoop Distributed File System)；是一個被設(shè)計成適合運行在通用硬件 戴表是一種品位一個人難得的好品味，首先是他穿著搭配得體，符合場合，而在服裝與手表的關(guān)系也非常微妙，合體的衣服與手表能起到畫龍點睛的作用。手表不同于服裝，更能從細節(jié)體現(xiàn)出一個人的獨特的品位，好的品牌手表做工精細，造型考究，戴上一只精制的腕表，給你的身份和儀表加分。成功男士喜歡佩戴手表可以讓自己更有內(nèi)涵，美麗的女士凹上手表硬是把街上的妖艷賤貨甩出了十條街。如果一個屌絲帶上一條金燦燦的金項鏈，給人什么感覺?登徒浪子?暴發(fā)戶?還是……?而帶上一只手表，既能顯示自己的經(jīng)濟實力，又能體現(xiàn)自己的品味，含蓄而不張揚，恰到好處，給你無限的風(fēng)度、氣質(zhì)和自信。(commodity hardware)上的分布式文件系統(tǒng)。

　　高性能計算(HPC:High-Performance-Computing)：使用超級計算機來解決極其復(fù)雜的計算問題。

　　I

　　內(nèi)存數(shù)據(jù)庫(IMDB:In-memory)：一種數(shù)據(jù)庫管理系統(tǒng)，與普通數(shù)據(jù)庫管理系統(tǒng)不同之處在于，它用主存來存儲數(shù)據(jù)，而非硬盤。其特點在于能高速地進行數(shù)據(jù)的處理和存取。

　　物聯(lián)網(wǎng)（IoT）：最新的流行語是物聯(lián)網(wǎng)（IOT）。IOT通過互聯(lián)網(wǎng)將嵌入式對象（傳感器，可穿戴設(shè)備，汽車，冰箱等）中的計算設(shè)備進行互連，并且能夠發(fā)送以及接收數(shù)據(jù)。IOT生成大量數(shù)據(jù)，提供了大量大數(shù)據(jù)分析的機會。

　　K

　　鍵值數(shù)據(jù)庫(Key-Value Databases)：數(shù)據(jù)的存儲方式是使用一個特定的鍵，指向一個特定的數(shù)據(jù)記錄，這種方式使得數(shù)據(jù)的查找更加方便快捷。鍵值數(shù)據(jù)庫中所存的數(shù)據(jù)通常為編程語言中基本數(shù)據(jù)類型的數(shù)據(jù)。

　　L

　　負載均衡(Load balancing)：將工作量分配到多臺電腦或服務(wù)器上，以獲得最優(yōu)結(jié)果和最大的系統(tǒng)利用率。

　　位置信息(Location data)：GPS信息，即地理位置信息。

　　日志文件(Log file)：由計算機系統(tǒng)自動生成的文件，記錄系統(tǒng)的運行過程。

　　M

　　M2M數(shù)據(jù)(Machine 2 Machine data)：兩臺或多臺機器間交流與傳輸?shù)膬?nèi)容。

　　機器數(shù)據(jù)(Machine data)：由傳感器或算法在機器上產(chǎn)生的數(shù)據(jù)。

　　機器學(xué)習(xí)(Machine learning)：人工智能的一部分，指的是機器能夠從它們所完成的任務(wù)中進行自我學(xué)習(xí)，通過長期的累積實現(xiàn)自我改進。

　　Map Reduce：是處理大規(guī)模數(shù)據(jù)的一種軟件框架(Map:映射，Reduce:歸納)。

　　大規(guī)模并行處理(MPP:Massivel yParallel Processing)：同時使用多個處理器(或多臺計算機)處理同一個計算任務(wù)。

　　元數(shù)據(jù)(Meta data)：被稱為描述數(shù)據(jù)的數(shù)據(jù)，即描述數(shù)據(jù)數(shù)據(jù)屬性(數(shù)據(jù)是什么)的信息。

　　多維數(shù)據(jù)庫(Multi-Dimensional Databases)：用于優(yōu)化數(shù)據(jù)聯(lián)機分析處理(OLAP)程序，優(yōu)化數(shù)據(jù)倉庫的一種數(shù)據(jù)庫。

　　多值數(shù)據(jù)庫(MultiValue Databases)：是一種非關(guān)系型數(shù)據(jù)庫(NoSQL),一種特殊的多維數(shù)據(jù)庫：能處理3個維度的數(shù)據(jù)。主要針對非常長的字符串，能夠完美地處理HTML和XML中的字串。

　　N

　　自然語言處理(Natural Language Processing)：是計算機科學(xué)的一個分支領(lǐng)域，它研究如何實現(xiàn)計算機與人類語言之間的交互。

　　網(wǎng)絡(luò)分析(Network analysis)：分析網(wǎng)絡(luò)或圖論中節(jié)點間的關(guān)系，即分析網(wǎng)絡(luò)中節(jié)點間的連接和強度關(guān)系。

　　NewSQL：一個優(yōu)雅的、定義良好的數(shù)據(jù)庫系統(tǒng)，比SQL更易學(xué)習(xí)和使用，比NoSQL更晚提出的新型數(shù)據(jù)庫。

　　NoSQL：顧名思義，就是“不使用SQL”的數(shù)據(jù)庫。這類數(shù)據(jù)庫泛指傳統(tǒng)關(guān)系型數(shù)據(jù)庫以外的其他類型的數(shù)據(jù)庫。這類數(shù)據(jù)庫有更強的一致性，能處理超大規(guī)模和高并發(fā)的數(shù)據(jù)。

　　O

　　對象數(shù)據(jù)庫(Object Databases)：(也稱為面象對象數(shù)據(jù)庫)以對象的形式存儲數(shù)據(jù)，用于面向?qū)ο缶幊獭Ｋ煌陉P(guān)系型數(shù)據(jù)庫和圖形數(shù)據(jù)庫，大部分對象數(shù)據(jù)庫都提供一種查詢語言，允許使用聲明式編程(declarative programming)訪問對象。

　　基于對象圖像分析(Object-based Image Analysis)：數(shù)字圖像分析方法是對每一個像素的數(shù)據(jù)進行分析，而基于對象的圖像分析方法則只分析相關(guān)像素的數(shù)據(jù)，這些相關(guān)像素被稱為對象或圖像對象。

　　操作型數(shù)據(jù)庫(Operational Databases)：這類數(shù)據(jù)庫可以完成一個組織機構(gòu)的常規(guī)操作，對商業(yè)運營非常重要，一般使用在線事務(wù)處理，允許用戶訪問、收集、檢索公司內(nèi)部的具體信息。

　　優(yōu)化分析(Optimization analysis)：在產(chǎn)品設(shè)計周期依靠算法來實現(xiàn)的優(yōu)化過程，在這一過程中，公司可以設(shè)計各種各樣的產(chǎn)品并測試這些產(chǎn)品是否滿足預(yù)設(shè)值。

　　本體論(Ontology）：表示知識本體，用于定義一個領(lǐng)域中的概念集及概念之間的關(guān)系的一種哲學(xué)思想。(譯者注:數(shù)據(jù)被提高到哲學(xué)的高度，被賦予了世界本體的意義，成為一個獨立的客觀數(shù)據(jù)世界)

　　異常值檢測(Outlier detection)：異常值是指嚴重偏離一個數(shù)據(jù)集或一個數(shù)據(jù)組合總平均值的對象，該對象與數(shù)據(jù)集中的其他它相去甚遠，因此，異常值的出現(xiàn)意味著系統(tǒng)發(fā)生問題，需要對此另加分析。

　　聯(lián)機分析處理（On-Line Analytical Processing，OLAP）：能讓用戶輕松制作、瀏覽報告的工具，這些報告總結(jié)相關(guān)數(shù)據(jù)，并從多角度分析。

　　P

　　模式識別(Pattern Recognition)：通過算法來識別數(shù)據(jù)中的模式，并對同一數(shù)據(jù)源中的新數(shù)據(jù)作出預(yù)測

　　平臺即服務(wù)(PaaS:Platform-as-a-Service)：為云計算解決方案提供所有必需的基礎(chǔ)平臺的一種服務(wù)。

　　預(yù)測分析(Predictive analysis)：大數(shù)據(jù)分析方法中最有價值的一種分析方法，這種方法有助于預(yù)測個人未來(近期)的行為，例如某人很可能會買某些商品，可能會訪問某些網(wǎng)站，做某些事情或者產(chǎn)生某種行為。通過使用各種不同的數(shù)據(jù)集，例如歷史數(shù)據(jù)，事務(wù)數(shù)據(jù)，社交數(shù)據(jù)，或者客戶的個人信息數(shù)據(jù)，來識別風(fēng)險和機遇。

　　公共數(shù)據(jù)(Public data)：由公共基金創(chuàng)建的公共信息或公共數(shù)據(jù)集。

　　Q

　　數(shù)字化自我(Quantified Self)：使用應(yīng)用程序跟蹤用戶一天的一舉一動，從而更好地理解其相關(guān)的行為。

　　R

　　R：是一種編程語言，在統(tǒng)計計算方面很出色。如果你不知道 R，你就稱不上是數(shù)據(jù)科學(xué)家。R 是數(shù)據(jù)科學(xué)中最受歡迎的語言之一。

　　再識別(Re-identification)：將多個數(shù)據(jù)集合并在一起，從匿名化的數(shù)據(jù)中識別出個人信息。

　　回歸分析(Regression analysis)：確定兩個變量間的依賴關(guān)系。這種方法假設(shè)兩個變量之間存在單向的因果關(guān)系(譯者注：自變量，因變量，二者不可互換)。

　　實時數(shù)據(jù)(Real-time data)：指在幾毫秒內(nèi)被創(chuàng)建、處理、存儲、分析并顯示的數(shù)據(jù)。

　　推薦引擎(Recommendation engine)：推薦引擎算法根據(jù)用戶之前的購買行為或其他購買行為向用戶推薦某種產(chǎn)品。

　　路徑分析(Routing analysis)：–針對某種運輸方法通過使用多種不同的變量分析從而找到一條最優(yōu)路徑，以達到降低燃料費用，提高效率的目的。

　　S

　　半結(jié)構(gòu)化數(shù)據(jù)(Semi-structured data)：半結(jié)構(gòu)化數(shù)據(jù)并不具有結(jié)構(gòu)化數(shù)據(jù)嚴格的存儲結(jié)構(gòu)，但它可以使用標簽或其他形式的標記方式以保證數(shù)據(jù)的層次結(jié)構(gòu)。

　　結(jié)構(gòu)化數(shù)據(jù)(Structured data)：可以組織成行列結(jié)構(gòu)，可識別的數(shù)據(jù)。這類數(shù)據(jù)通常是一條記錄，或者一個文件，或者是被正確標記過的數(shù)據(jù)中的某一個字段，并且可以被精確地定位到。

　　情感分析(Sentiment Analysis)：通過算法分析出人們是如何看待某些話題。

　　信號分析(Signal analysis)：指通過度量隨時間或空間變化的物理量來分析產(chǎn)品的性能。特別是使用傳感器數(shù)據(jù)。

　　相似性搜索(Similarity searches)：在數(shù)據(jù)庫中查詢最相似的對象，這里所說的數(shù)據(jù)對象可以是任意類型的數(shù)據(jù)。

　　仿真分析(Simulation analysis)：仿真是指模擬真實環(huán)境中進程或系統(tǒng)的操作。仿真分析可以在仿真時考慮多種不同的變量，確保產(chǎn)品性能達到最優(yōu)。

　　軟件即服務(wù)(SaaS:Software-as-a-Service)：基于Web的通過瀏覽器使用的一種應(yīng)用軟件。

　　空間分析(Spatial analysis)：空間分析法分析地理信息或拓撲信息這類空間數(shù)據(jù)，從中得出分布在地理空間中的數(shù)據(jù)的模式和規(guī)律。

　　SQL：在關(guān)系型數(shù)據(jù)庫中，用于檢索數(shù)據(jù)的一種編程語言。

　　流處理（Stream processing）：流處理旨在對有“連續(xù)”要求的實時和流數(shù)據(jù)進行處理。結(jié)合流分析，即在流內(nèi)不間斷地計算數(shù)學(xué)或統(tǒng)計分析的能力。流處理解決方案旨在對高流量進行實時處理。

　　T

　　時序分析(Time series analysis)：分析在重復(fù)測量時間里獲得的定義良好的數(shù)據(jù)。分析的數(shù)據(jù)必須是良好定義的，并且要取自相同時間間隔的連續(xù)時間點。

　　拓撲數(shù)據(jù)分析(Topological Data Analysis)：拓撲數(shù)據(jù)分析主要關(guān)注三點：復(fù)合數(shù)據(jù)模型、集群的識別、以及數(shù)據(jù)的統(tǒng)計學(xué)意義。

　　交易數(shù)據(jù)(Transactional data)：隨時間變化的動態(tài)數(shù)據(jù)

　　透明性(Transparency)：–消費者想要知道他們的數(shù)據(jù)有什么作用、被作何處理，而組織機構(gòu)則把這些信息都透明化了。

　　文本挖掘（Text Mining）：對包含自然語言的數(shù)據(jù)的分析。對源數(shù)據(jù)中詞語和短語進行統(tǒng)計計算，以便用數(shù)學(xué)術(shù)語表達文本結(jié)構(gòu)，之后用傳統(tǒng)數(shù)據(jù)挖掘技術(shù)分析文本結(jié)構(gòu)。

　　U

　　非結(jié)構(gòu)化數(shù)據(jù)(Un-structured data)：非結(jié)構(gòu)化數(shù)據(jù)一般被認為是大量純文本數(shù)據(jù)，其中還可能包含日期，數(shù)字和實例。

　　V

　　價值(Value)：(譯者注：大數(shù)據(jù)4V特點之一)所有可用的數(shù)據(jù)，能為組織機構(gòu)、社會、消費者創(chuàng)造出巨大的價值。這意味著各大企業(yè)及整個產(chǎn)業(yè)都將從大數(shù)據(jù)中獲益。

　　可變性(Variability)：也就是說，數(shù)據(jù)的含義總是在（快速）變化的。例如，一個詞在相同的推文中可以有完全不同的意思。

　　多樣(Variety)：(譯者注：大數(shù)據(jù)4V特點之一)數(shù)據(jù)總是以各種不同的形式呈現(xiàn)，如結(jié)構(gòu)化數(shù)據(jù)，半結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)，甚至還有復(fù)雜結(jié)構(gòu)化數(shù)據(jù)

　　高速(Velocity)：(譯者注：大數(shù)據(jù)4V特點之一)在大數(shù)據(jù)時代，數(shù)據(jù)的創(chuàng)建、存儲、分析、虛擬化都要求被高速處理。

　　真實性(Veracity)：組織機構(gòu)需要確保數(shù)據(jù)的真實性，才能保證數(shù)據(jù)分析的正確性。因此，真實性(Veracity)是指數(shù)據(jù)的正確性。

　　可視化(Visualization)：只有正確的可視化，原始數(shù)據(jù)才可被投入使用。這里的“可視化”并非普通的圖型或餅圖，可視化指是的復(fù)雜的圖表，圖表中包含大量的數(shù)據(jù)信息，但可以被很容易地理解和閱讀。

　　大量(Volume)：(譯者注：大數(shù)據(jù)4V特點之一)指數(shù)據(jù)量，范圍從Megabytes至Brontobytes。

　　W

　　天氣數(shù)據(jù)(Weather data)：是一種重要的開放公共數(shù)據(jù)來源，如果與其他數(shù)據(jù)來源合成在一起，可以為相關(guān)組織機構(gòu)提供深入分析的依據(jù)。

　　網(wǎng)絡(luò)挖掘/網(wǎng)絡(luò)數(shù)據(jù)挖掘（Web Mining / Web Data Mining)：使用數(shù)據(jù)挖掘技術(shù)從互聯(lián)網(wǎng)站點、文檔或服務(wù)中自動發(fā)現(xiàn)和提取信息。

　　X

　　XML數(shù)據(jù)庫(XML Databases)：XML數(shù)據(jù)庫是一種以XML格式存儲數(shù)據(jù)的數(shù)據(jù)庫。XML數(shù)據(jù)庫通常與面向文檔型數(shù)據(jù)庫相關(guān)聯(lián)，開發(fā)人員可以對XML數(shù)據(jù)庫的數(shù)據(jù)進行查詢，導(dǎo)出以及按指定的格式序列化。

　　以上就是數(shù)據(jù)分析相關(guān)術(shù)語的盤點，看完別忘點好看

　　,
希望他時時刻刻都在想著自己，想著自己和自己最好的時光。時刻想著我，記得每一分鐘都有人在想你，在等你。一直在你身邊，說明你們永遠不會分開。送男生女生手表的意義是手表諧音，表達愛意，代表我的心，表達愛意。我想和心愛的人一起走過每一分鐘，永遠在一起。我想告訴女孩們，我會給你我剩下的時間，這意味著永恒。大人給孩子手表的意義是想做一個從小就守時的好孩子。我希望從小就花時間學(xué)習(xí)，成為一個有用的人。