business understanding初级阶段侧重于从业务的角度理解项目目标和需求，同时将这些知识转化为数据挖掘问题的定义和完成目标的初步方案。数据理解(DataUnderstanding)数据理解阶段从最初的数据收集开始，通过一些活动，目的是熟悉数据，识别数据的质量问题，第一次发现数据的内在属性，或者检测出感兴趣的子集，形成隐含信息的假设。
这些数据将成为模型工具的输入值。这个阶段的一个任务可以多次执行，没有任何特定的顺序。任务包括选择表、记录和属性，以及为模型工具转换和清理数据。建模在这个阶段，可以选择和应用不同的建模技术，并将模型参数调整到最优值。一般来说，一些技术可以解决同类的数据挖掘问题。有些技术对数据形成有特殊要求，需要经常跳回数据准备阶段。
4、 数据分析都有哪些方法常用数据分析方法:聚类分析、因子分析、相关分析、对应分析、回归分析、方差分析；问卷调查常用数据分析方法:描述性统计分析、探索性因素分析、Cronbacha信度系数分析、结构方程模型分析。数据分析常用的制图方法:柏拉图(排列图)、直方图、散点图、鱼骨图、FMEA、点状图、直方图、雷达图、趋势图。
5、Cmap2第六章知识点总结: 数据分析CMA美国注册管理会计师在国际管理会计领域具有很高的含金量和知名度。由于报考门槛较低，近年来吸引了不少跨专业人士报考。由于考试内容庞杂，深空间为广大考生整理了第六章知识点数据分析的相关内容。CMA 数据分析 1的知识点。商业智能BI相关概念:(1)大数据通常用于分析大数据集的模式和趋势，体现了巨大的机遇和挑战；(2)容量、多样性、速度和准确性；(3)结构化数据和非结构化数据。
6、 数据分析方法数据分析常用的方法有列表法和绘图法。数据分析是指运用适当的统计分析方法，对大量收集的数据进行分析，提取有用信息并形成结论，对数据进行详细研究和总结的过程。这个过程也是质量管理体系的支持过程。在实践中，数据分析可以帮助人们做出判断，以便采取适当的行动。数据分析的数学基础是在20世纪初建立的，但直到计算机的出现才使实际运算成为可能，并使数据分析得到普及。
在统计学领域，有人把数据分析分为描述性统计分析-1 数据分析和验证性数据分析。其中探索性 数据分析侧重于发现数据中的新特征，而数据分析侧重于对已有假设的验证或证伪。探索性 数据分析是指为了形成值得假设的检验而对数据进行分析的方法，是对传统统计假设检验的补充。数据分析:-2/流程需要在产品的整个生命周期内正确使用，包括从市场调研到售后服务、最终处置的所有流程，以增强有效性。
7、数据 探索性分析作为数据分析、探索性分析的起点，主要是了解数据特征的整体情况，包括分析特征的数据类型、模式趋势和异常值，以便于后续的数据合并、清理和排序；其次，通过可视化和定性分析，可以了解数据本身的特征和数据之间的关系，有助于促进业务理解。最近参加了几个关于房屋租金预测的比赛，借此机会深入了解了EDA (data 探索性 analysis)。
