数据分析的基本概念

介绍：

在本文中，我们将研究数据分析背后的不同概念。它将让您更清楚地了解哪些数据分析以及它如何允许您收集、存储、查看和分析数据，以帮助通过已识别的见解得出业务决策。

谁应该阅读这篇文章？
本文旨在为您提供数据分析的基础，非常适合那些希望成为数据分析师或数据科学家的人

目标：

• 本课程的目标是让您了解不同的分析概念。
• 数据类型：包括结构化、半结构化和非结构化数据
• 何时应在企业中使用数据分析
• 针对数据运行分析背后的过程

数据分析简介：

在本文中，我将为您提供对不同概念的基本了解，以帮助您了解用于实施数据分析的许多 AWS 服务和架构背后的概念。

简单地说，分析或数据分析是数据转换的科学，将数据转化为有意义的信息和见解。
在这里，我们将数据称为您拥有的任何输入，例如电子表格，CSV文件，历史销售信息，数据库，原始研究数据，基本上是您可能拥有的任何数据。

有了这些基本概念，我想让我们更多地探索数据分析概念。

从问题开始：
一切都从我们遇到的问题开始，使用分析，我们希望通过选择正确的工具来以适当的方式收集或清理数据来解决这些问题。

数据类型：

作为我们分析的输入，我们可能有可以组织成不同类别的数据。例如

• 定性数据
• 定量数据
• 结构化数据
• 半结构化数据
• 非结构化数据

如果您不熟悉这些概念并且之前没有听说过这些术语，那么请不要担心，接下来将在我的文章中进行解释。
在本文中，我们将了解哪些 AWS 服务可以在分析过程中使用。

数据类型：

在这里，让我们稍微了解一下输入。我们有两种基本的数据类型来组织数据

定量数据：
定量是指数字，某些值的数量，例如给定地理区域内的公民数量。
示例：否。班上学生人数 = 16
男生= 8 女生= 8

定性数据：
定性数据是指人口的属性，不是用直接数字表示，而是限定其属性，例如，

• 眼睛颜色
• 满意度

主要数据类型：

对于数据格式，我们还有三个主要分类，如下所示

结构化数据：
结构化数据是指具有已定义数据模型的数据，如 SQL 数据库，其中表具有固定的数据库模型和架构。例如，在AWS上，RDS或Rational数据库服务是结构化存储的完整示例。