這個(gè)時(shí)候有人一直在責(zé)怪Tim，說(shuō)你這個(gè)業(yè)務(wù)員不出去跑業(yè)務(wù)，為什么去IT部門(mén)無(wú)所事事？而且，你只想要你以前的客戶數(shù)據(jù)而不關(guān)心新客戶。其實(shí)Tim還有一個(gè)IT朋友James是分析師數(shù)據(jù)在零售行業(yè)有一些經(jīng)驗(yàn)。蒂姆的第一個(gè)想法是向詹姆斯尋求一些建議。在兩個(gè)人聊天的過(guò)程中，詹姆斯無(wú)數(shù)次給蒂姆講商業(yè)智能。

一個(gè)是數(shù)據(jù)可用性，即決策based數(shù)據(jù)是否可以獲得，是否有足夠的時(shí)間，數(shù)據(jù) dimensions是否足夠等等。二、數(shù)據(jù)的質(zhì)量，數(shù)據(jù)中是否有噪聲，是否有假數(shù)據(jù)，以及數(shù)據(jù)有多稀疏？避免垃圾進(jìn)出。三、數(shù)據(jù)的時(shí)效性是否滿足決策的要求，如實(shí)時(shí)更新、每月更新或每季度更新？四是數(shù)據(jù) 決策的假設(shè)條件目前是否仍然滿足要求，比如模型開(kāi)發(fā)時(shí)的假設(shè)條件是否仍然有效，模型的有效性是否滿足要求？

休斯頓喬治布什國(guó)際機(jī)場(chǎng)的領(lǐng)導(dǎo)收到了一份關(guān)于乘客行李到達(dá)時(shí)間過(guò)長(zhǎng)的投訴。所以他們把行李認(rèn)領(lǐng)處搬到了離出口很遠(yuǎn)的地方。乘客于是把所有的時(shí)間都花在走路上，而不是等行李，投訴的數(shù)量減少了，因?yàn)槿藗冇X(jué)得拿行李的時(shí)間縮短了。在這個(gè)由數(shù)據(jù)驅(qū)動(dòng)的世界里，你并不總是知道是什么在驅(qū)動(dòng)數(shù)據(jù)。在數(shù)據(jù)的分析中，利用樣本估計(jì)總體是常用的手段。

因此，要注意兩類(lèi)問(wèn)題。外延效度是指對(duì)樣本得出的結(jié)論進(jìn)行概括，從而得出對(duì)整體數(shù)據(jù)人群有意義的結(jié)論。某期刊的一篇文章指出:“人類(lèi)行為學(xué)家總是在世界頂級(jí)期刊上發(fā)表關(guān)于人類(lèi)心理和行為的一般性結(jié)論，而這些結(jié)論都是從西方的、高學(xué)歷的、工業(yè)化的、富裕的、民主的(前五個(gè)詞的首字母是怪異的，意思是怪誕的)社會(huì)中取樣的。

我認(rèn)為，第一，可以用large 數(shù)據(jù)的方法對(duì)信息進(jìn)行量化，只有對(duì)收集到的信息進(jìn)行量化，才能科學(xué)地得出有效的結(jié)論。其次，Da 數(shù)據(jù)的量化思維可能與我們之前的量化思維不太一致。以前的量化思維太狹隘，數(shù)據(jù)的大小可以打開(kāi)我們的思維和眼界。這里推薦使用CVSource，這是中投信息專(zhuān)門(mén)為一級(jí)市場(chǎng)開(kāi)發(fā)的創(chuàng)投數(shù)據(jù)庫(kù)。通過(guò)網(wǎng)絡(luò)收集、調(diào)查訪談、數(shù)據(jù)合作等多種渠道保證了數(shù)據(jù)的完整性，同時(shí)采用大數(shù)據(jù)分析挖掘技術(shù)和人工操作相結(jié)合的方式保證了數(shù)據(jù)的準(zhǔn)確性和及時(shí)更新，由專(zhuān)業(yè)的研究團(tuán)隊(duì)進(jìn)行針對(duì)性的研究。

首先你需要有各種基礎(chǔ)數(shù)據(jù)來(lái)支撐這個(gè)，然后管理層需要做什么決策，然后你要能夠根據(jù)決策的目的提取出你需要的東西來(lái)進(jìn)行分析，這樣比如說(shuō)公司決策想要提高產(chǎn)品的價(jià)格，這時(shí)候你要分析漲價(jià)的可行性，漲價(jià)多少在客戶接受范圍內(nèi)，這才是你的目的。

General 決策一般包括八個(gè)基本步驟:發(fā)現(xiàn)問(wèn)題、確定目標(biāo)、價(jià)值準(zhǔn)則、擬定計(jì)劃、分析評(píng)估計(jì)劃、優(yōu)化計(jì)劃、測(cè)試驗(yàn)證、一般實(shí)施。數(shù)據(jù)采礦是決策的配套過(guò)程。它通過(guò)分析自動(dòng)化程度較高的企業(yè)的數(shù)據(jù)進(jìn)行歸納推理，從中挖掘潛在的模式，幫助決策調(diào)整市場(chǎng)策略，降低風(fēng)險(xiǎn)，使。數(shù)據(jù)Mining數(shù)據(jù)常用的分析方法主要有分類(lèi)、回歸分析、聚類(lèi)、關(guān)聯(lián)規(guī)則、特征、變化和偏差分析、網(wǎng)頁(yè)挖掘等。他們從不同的角度挖掘。

分類(lèi)就是通過(guò)分類(lèi)模型映射數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)?；貧w分析方法反映了事務(wù)數(shù)據(jù)中屬性值的時(shí)間特性。聚類(lèi)分析主要應(yīng)用于客戶群體的分類(lèi)、客戶背景分析、客戶購(gòu)買(mǎi)趨勢(shì)預(yù)測(cè)、市場(chǎng)細(xì)分等方面。關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)Library數(shù)據(jù)Items之間關(guān)系的規(guī)則。如果想進(jìn)一步了解數(shù)據(jù)礦業(yè)，建議你去CDA 數(shù)據(jù)分析師官網(wǎng)咨詢(xún)。

隨著信息技術(shù)的飛速發(fā)展，各個(gè)領(lǐng)域的數(shù)據(jù)的量呈爆炸式增長(zhǎng)，尤其是云計(jì)算、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)等it技術(shù)廣泛應(yīng)用后。數(shù)據(jù)的成長(zhǎng)，實(shí)現(xiàn)了從量變到質(zhì)變的轉(zhuǎn)變，如浪。大數(shù)據(jù)不僅僅是顛覆性的技術(shù)革命，更是思維方式、行為方式、治理理念的全方位變革，尤其是在政府治理領(lǐng)域。Big 數(shù)據(jù)帶來(lái)了巨大的變革潛力和創(chuàng)新空間。

一、Big 數(shù)據(jù)為政府治理理念轉(zhuǎn)變帶來(lái)新機(jī)遇；治理理念的轉(zhuǎn)變是提高政府治理能力的前提；觀念的轉(zhuǎn)變需要新文化和新思維的融合，big 數(shù)據(jù) culture和數(shù)據(jù) thinking所包含的數(shù)據(jù)恰到好處。本文以“Da 數(shù)據(jù)”為基礎(chǔ)，探索政府治理的多維度、多層次、多角度特征，最終實(shí)現(xiàn)從政府主導(dǎo)型的政府管制理念向協(xié)同治理、公共服務(wù)型理念的轉(zhuǎn)變。