1、思路清晰数据 分析的目的和思路清晰是保证数据 分析过程能够有效进行的首要条件。其作用是为数据和分析的收集和处理提供明确的方向。可以说，思维是整个分析过程的起点。首先，目的不明确会导致方向错误。在目的明确的情况下，需要构建一个分析框架，将分析目的分解成几个不同的分析点，即具体如何进行-3 分析点。
这里所说的数据包括第一手数据和第二手数据，第一手数据主要是指直接可用的数据和第二手/1233。3.加工数据Processing数据是指将收集到的数据进行加工整理，形成适合数据的风格，也就是分析。数据加工的基本目的是从大量杂乱无章、难以理解的数据中提炼出对解决问题有价值、有意义的数据来。
9、大 数据 案例你买了纸尿裤和啤酒，大数据classic案例在一家超市里，人们发现了一个特别有趣的现象:纸尿裤和啤酒这两种完全不相关的商品被放在了一起。但这个奇怪的举动却大大增加了尿布和啤酒的用量。这不是笑话，而是发生在美国沃尔玛连锁超市的真相案例一直被商家津津乐道。原来，美国女性通常在家照顾孩子，所以她们经常在下班回家的路上让丈夫给孩子买纸尿裤，丈夫也会同时买自己喜欢的啤酒。
亚马逊的推荐引擎完全基于顾客过去的购买行为:顾客购物车中收藏的商品，顾客喜欢的商品，以及其他用户浏览或购买的商品。利用大数据技术，进行了上面的-3分析，为每个客户定制了个人主页。由于这一战略，该公司第三财季的销售额增长了27%，达到131.8亿美元，而去年同期为96亿美元。
10、大 数据人脸 分析 案例Da数据Face分析案例Da数据Face-2案例。人脸识别技术在大数据环境下可以发挥强大的作用。下面分享一下Da数据Face分析的内容。大数据Face-2案例1基于特征的方法和基于图像的方法1。基于特征的方法技术:基于特征的方法试图找到人脸的不变特征进行检测。其基本思想是，人的视觉可以很容易地察觉到不同姿势和光照条件下对人脸的观察，因此尽管有这些变化，但一定有一致的属性或特征。
例子:边缘检测器通常提取面部特征，如眼睛、鼻子、嘴巴、眉毛、肤色和发际线。基于提取的特征，建立统计模型来描述它们之间的关系，并验证图像中人脸的存在，优点:易于实现，传统方法的缺点:基于特征的算法的主要问题之一是图像特征可能会因光照、噪声和遮挡而受到严重破坏。另外，人脸的特征边界会被弱化，阴影会导致强边缘，使得感知分组算法没有用。
