使用过程中遇到的一些问题

2 数据分析大事记

计算机时代崛起

计算机的发展和计算技术的发展极大地增强了数据分析的过程。1880年，在使用计算机之前，美国人口普查局花了7年的时间来处理收集到的信息并完成最终报告。使用此设备，在18个月内完成了1890年的人口普查。

关系数据库诞生

关系数据库由埃德加·科德(Edgar F. Codd)在1970年代发明，并在1980年代非常流行。关系数据库(RDBM)允许用户编写Sequel(SQL)并从其数据库中检索数据。关系数据库和SQL提供了能够按需分析数据的优势，并且仍在广泛使用。它们易于使用，对于维护准确的记录非常有用。

数据仓库诞生

在1980年代后期，收集数据的数量继续显着增长，部分原因是硬盘驱动器的成本较低。在此期间，开发了数据仓库的体系结构，以帮助将来自操作系统的数据转换为决策支持系统。数据仓库通常是云的一部分，或者是组织的大型机服务器的一部分。与关系数据库不同，数据仓库通常经过优化，可快速响应查询。

商业智能(BI)崛起

20世纪80年代-90年代，数十家BI厂商进入市场。数据仓库技术的发展大大推动了商业智能的发展，传统存储在各个地方的业务数据开始集中在一起。应运而生的技术还包括ETL(数据抽取、转换、加载)和OLAP(联机分析处理)。

数据挖掘崛起

数据挖掘始于1990年代，是在当时多个学科发展的基础上发展起来的。随着数据库技术的发展应用，数据的积累不断膨胀，导致简单的查询和统计已经无法满足企业的商业需求，急需一些革命性的技术去挖掘数据背后的信息。

大数据来临

2000年到2010年是大数据兴起和备受关注的时期，谷歌的“三驾马车”：谷歌文件系统、MapReduce和 BigTable。亚马逊也发表了一篇关于 Dynamo系统的论文。这几篇论文奠定了大数据时代的基础。随着大数据的到来，海量的数据以及新的技术发展，帮助公司将数据转化为洞察力。

数据科学家

2012年9月， Tom Davenport和DJ Patil 在《哈佛商业评论》上发表了“数据科学家：21世纪最性感的工作” 。

增强分析

2017年，Rita Sallman，Cindi Howson和Carlie Idonies在Gartner的研究论文中引入了增强分析的概念，并将其描述为一种新的数据分析方法，可使用机器学习和自然语言生成(NLG)自动化见解。增强型数据分析大大提升了数据分析效率，降低数据分析的门槛，人人都可以像数据科学家一样，对数据进行多维度的自动钻取，自动加载各种模型进行深度分析。

3 数据分析 VS 数据科学 VS 商业智能

商业智能(Business intelligence )

泛指用于业务分析的技术和工具，通过获取、处理原始数据，将其转化为有价值的信息指导商业行动。维基百科定义为一个组织将所有资源转化为认知的能力。



 

（编辑：鹤壁站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!