数据分析耳熟能详，下面这些分析方法，你听过哪些呢？
Behavioural Analytics (行為分析法)：這種分析法是根據使用者的行為如“怎麼做”，“為什麼這麼做”，以及“做了什麼”來得出結論，而不是僅僅針對人物和時間的一門分析學科，它著眼於數據中的人性化模式。
Classification Analysis(分類分析)：從數據中獲得重要的相關性資訊的系統化過程; 這類數據也被稱為 (meta data中繼數據),是描述數據的數據。
Clustering Analysis (聚類分析)：它是將相似的物件聚合在一起，每類相似的物件組合成一個聚類(也叫作簇)的過程。這種分析方法的目的在於分析數據間的差異和相似性。
Comparative Analysis (對比分析)：在非常大的數據集中進行模式匹配時，進行一步步的對比和計算過程得到分析結果。
Correlation Analysis (相關性分析)：是一種數據分析方法，用於分析變數之間是否存在正相關，或者負相關。
Discriminant Analysis (判別分析)：將數據分類；按不同的分類方式，可將數據分配到不同的群組，類別或者目錄。是一種統計分析法，可以對數據中某些群組或集群的已知資訊進行分析，並從中獲取分類規則。
Exploratory Analysis (探索性分析)：在沒有標準的流程或方法的情況下從數據中發掘模式。是一種發掘數據和數據集主要特性的一種方法。
Object-based Image Analysis (基於物件圖像分析)：數位圖像分析方法是對每一個圖元的數據進行分析，而基於物件的圖像分析方法則只分析相關圖元的數據，這些相關圖元被稱為物件或圖像物件。
Optimization Analysis (優化分析)：在產品設計週期依靠演算法來實現的優化過程，在這一過程中，公司可以設計各種各樣的產品並測試這些產品是否滿足預設值。
Predictive Analysis (預測性分析)：大數據分析方法中最有價值的一種分析方法，這種方法有助於預測個人未來(近期)的行為，例如某人很可能會買某些商品，可能會訪問某些網站，做某些事情或者產生某種行為。通過使用各種不同的數據集，例如歷史數據，交易數據，社交數據，或者客戶的個人資訊數據，來識別風險和機遇。
Regression Analysis (回歸分析)：確定兩個變數間的依賴關係。這種方法假設兩個變數之間存在單向的因果關係(引數，因變數，二者不可互換)。
Routing Analysis (路徑分析)：針對某種運輸方法通過使用多種不同的變數分析從而找到一條最優路徑，以達到降低燃料費用，提高效率的目的。
Sentiment Analysis (情感分析)：通過算法分析出人們是如何看待某些話題。
(IBM Watson Analytics for Social Media示例，綠色：正面；紅色：負面；黃色：矛盾；灰色：中立)
Signal Analysis (信號分析)：指通過度量隨時間或空間變化的物理量來分析產品的性能。特別是使用感測器數據。
Simulation Analysis (模擬分析)：模擬是指類比真實環境中進程或系統的操作。模擬分析可以在模擬時考慮多種不同的變數，確保產品性能達到最優。
Spatial Analysis (空間分析)：空間分析法分析地理資訊或拓撲資訊這類空間數據，從中得出分佈在地理空間中的數據的模式和規律。
Time Series Analysis (時序分析)：分析在重複測量時間裡獲得的定義良好的數據。分析的數據必須是良好定義的，並且要取自相同時間間隔的連續時間點。
Topological Data Analysis (拓撲數據分析)：拓撲數據分析主要關注三點：複合數據模型、集群的識別、以及數據的統計學意義。
如果你對大數據分析有興趣，請於下方訂閱我們的博客，或者關注我們的Facebook：/bigdataism; Instagram: @bdanews，或者發送郵件至info@bigdatarchitect.com與我們預約見面時間