这份被夸爆了的数据分析指南，让你的工作效率up up！大数据行业资讯-美林数据

产品简介

美林新闻/NEWS

首页美林数据行业资讯

这份被夸爆了的数据分析指南，让你的工作效率up up！

2022-10-13 19:31:21 次

在数据驱动业务的大背景下，数据分析已经逐渐变成了一项必备技能，在实际应用中，数据往往都是具有多变量的，想要洞察不同变量间的关系，就需要进行数据的变量分析。通过图表或数值计算等方式来探索数据变量之间的某种关联，常见的是双变量分析法，主要是帮助大家研究离散变量和连续变量的任意组合之间的关系。
离散型变量和连续型变量有什么区别？
▶离散型变量：指变量值可以按一定顺序一一列举，通常以整数位取值的变量。如职工人数、工厂数、机器台数等。这种变量的数值⼀般⽤计数⽅法取得；
▶连续型变量：在⼀定区间内可以任意取值的变量，其数值是连续不断的，相邻两个数值可作⽆限分割，即可取⽆限个数值。如⽣产零件的规格尺⼨，⼈体测量的⾝⾼和体重等，其数值只能⽤测量或计量的⽅法取得。
以往通常会使用excel或者编程进行双变量分析，但这两种传统方法对分析人员的要求较高，操作过程中也存在着一些问题。

有没有办法可以高效便捷地实现多变量分析呢？小T帮大家整理了一份数据分析指南，来看看Tempo AI在面对不同数据类型组合时，是如何通过简单操作来实现高效分析的！
1、连续变量-连续变量
相关系数
相关系数是用来反映变量之间的相关关系的密切程度的统计指标，通过热力图将变量之间的相关系数矩阵可视化呈现出来。
▶excel操作：
在excel中需要用到多种函数进行变量间相关系数矩阵的计算，同时使用非常复杂的步骤来创建热力图，且输出的表格不够直观，美观度较差。
▶Tempo机器学习平台操作：
可在一个操作节点选择不同的相关系数计算函数（Pearson和Spearman），除此之外，还支持方差膨胀因子的计算，可以解释变量之间存在多重共线性时的方差，与不存在多重共线性时的方差之比。

Tempo机器学习平台的相关系数节点可自动输出热力图，并支持自定义颜色。以下图为例，我们选取全国销售订单数据，构建销售额、订单数量、折扣点、利润、单价与运输成本的相关系数，通过热力图，很直观地就能看到销售额与单价的相关程度最高。

自动输出的相关系数矩阵还能以excel的形式进行导出和查看编辑。
2、离散变量-离散变量
分类汇总
在日常的数据分析过程中，我们常需要通过某一个标准对原始数据进行分类汇总，以便于快速地将大量数据进行汇总和分析，从而实现后续的最大值、最小值、平均值、标准差等统计指标的计算。
▶excel操作：
选中单元格→选择数据→排序→选分类汇总→设置相关字段→完成汇总
▶Tempo机器学习平台操作：
可在一个操作节点完成数值变量和字符变量的批处理，自动输出表格形式，就能清晰地看到数据分布情况。以下图举例，我们选取全国销售订单数据，对省份和订单数量（平均值）进行分类汇总，便于直观地观察各省份订单数量的大致分布情况。

Tempo AI的分类汇总节点可将汇总结果和原表数据进行拼接，构造出机器学习中一个新特征。
堆叠条形图
堆叠条形图可以形象地展示一个大分类包含的每个小分类的数据，以及各个小分类的占比，显示的是单个项目与整体之间的关系，通过堆叠条线图能直观明了地识别异常值，判断数据的偏态和尾重，还能比较多批数据的形状，最常见的是用于质量管理、人事测评、探索性数据分析等统计分析活动。
▶excel操作：添加辅助数据→插入堆积条形图→选择坐标系及图表类型→添加图表元素→设置坐标轴格式→添加数据标签→填充颜色
在excel的堆叠条形图中，仅能对原始数据进行展示，不支持数据的计算。
▶TempoTempo机器学习平台操作：
只用在条形图的节点中勾选堆叠选项即可，且支持不同坐标轴的多种聚合方式，可以完成数据的平均值、最大值、最小值、计数和唯一计数等多维指标的计算。

我们选取全国销售订单数据，使用条形图来表示不同销售市场下的利润和订单数量情况（勾选堆叠），能直接反映出利润与订单数量分布情况。

3、离散变量-连续变量
箱线图
▶excel操作：
计算上四分位数、中位数、下四分位数、四分位数差→去除异常值→确定箱线图的上下界→插入图表→绘制箱线图
▶TempoTempo机器学习平台操作：
在箱线图节点中勾选“离群值标记”选项，即可自动完成上下界的数值计算，而且还支持多种离群值的处理方式，在图表上显示出离群值的数值。

我们选取全国销售订单数据，使用箱线图来表示不同销售市场下的销售额，销售额数据特征就被展现出来了。

单因素方差分析
单因素方差分析是研究自变量对因变量的影响，通过检验各个总体均值是否相等，来判断离散型自变量对连续型因变量是否有显著影响。
▶excel操作：
选择数据菜单→数据分析→单因素方差分析→输入区域→勾选标志
▶Tempo机器学习平台操作：

直接在方差分析节点选择对应的字段，即可一键完成单因素方差分析。

我们选取全国销售订单数据，使用方差分析（单因素）来计算不同产品类别对销售额的影响，结果为P<0.05，说明产品类别的取值对销售额影响显著。

Tempo机器学习平台作为一个一体化的机器学习模型开发及应用平台，拥有强大的建模算法引擎，除了以上举例的这些，还包含120种以上分布式算法、5种以上独创算法，支持对数据进行方差分析、相关系数、典型相关分析、偏相关分析、相似度、描述数据特征、概率单位回归等统计分析。

谁说做数据分析就一定要懂复杂函数和编程，通过Tempo机器学习平台，不仅可以快速满足复杂数据处理需求，实现数据表级处理，还能高效赋能分析人员快速构建数据特征，有效降低建模技术门槛，让建模效率up up提升！

上一篇：基于商业价值确定数据分析的优先次序下一篇：Tempo大数据分析平台助力科研院所数据建模分析

Tempo大数据分析平台

Tempo商业智能平台

Tempo人工智能平台

Tempo数据工厂平台

Tempo数据治理平台

Tempo主数据管理平台

Tempo指标建设平台

自助式可视化分析

算法模型管理

指标管理解决方案

数字指挥中心

湖仓一体解决方案

智能场景应用构建

主数据应用监管

数据中台

发电

电网

制造

油气

煤炭

高校

政企

金融

科研院所

DCMM认证

DAMA认证

内容中心

帮助中心

美林数据

合作生态

美林新闻

行业资讯

产品简介

Tempo大数据分析平台

Tempo商业智能平台

Tempo人工智能平台

Tempo数据工厂平台

Tempo数据资产管理平台

Tempo主数据管理平台

相关推荐

美林新闻/NEWS

这份被夸爆了的数据分析指南，让你的工作效率up up！

联系我们

400-608-2558 029-8869-6198

扫码关注我们

扫码立即咨询