數據分析生命周期：

從數據到決策的過程。

1.詢問：業務挑戰、目標、問題

2.準備：數據生成、收集、存儲、管理

3.處理：數據清洗、數據完整性

4.分析：數據探索、可視化和分析

5.分享：交流和解釋結果

6.行動：將見解付諸實踐以解決問題

EMC的數據分析生命周期：

EMC Corporation 的數據分析生命周期是循環的，分為六個步驟：

1.發現數據

2.預處理數據

3.模型規劃

4.建筑模型

5.交流結果

6.行動

EMC Corporation 現在更名為 Dell EMC。這個模型由 David Dietrich 創建，反映了現實世界項目的周期性。這些階段不是靜態的里程碑；每一步都連接并通向下一步，并最終重復。關鍵問題可幫助分析師測試他們是否已取得足夠的成就以繼續前進，并確保團隊在每個階段都花費了足夠的時間，并且在數據準備好之前不要開始建模。它與這個程序所基于的數據分析生命周期略有不同，但它有一些共同的核心思想：第一階段是對發現和提出問題感興趣；必須先準備好數據，然后才能對其進行分析和使用；然后應該分享調查結果并采取行動。

SAS的迭代生命周期：

迭代生命周期由一家名為SAS的公司創建，該公司是領先的數據分析解決方案提供商。它可用于產生可重復、可靠和可預測的結果：

1.詢問

2.準備

3.探索

4.建模

5.行動

6.事實

7.評估

SAS 模型通過將其可視化為無窮大符號來強調其模型的周期性。它們的生命周期有七個步驟，我們在其他模型中看到了其中的許多步驟，例如 Ask、Prepare、Model 和 Act。但是這個生命周期也有點不同；它包括行動階段之后的一個步驟，旨在幫助分析師評估他們的解決方案并可能再次返回詢問階段。?

基于項目的數據分析生命周期：

1.識別問題

2.設計數據需求

3.預處理數據

4.執行數據分析

5.可視化數據

此數據分析項目生命周期由 Vignesh Prajapati 開發。它不包括第六階段，或者我們所說的行動階段。但是，它仍然涵蓋了許多與我們已經描述的生命周期相同的步驟。它從識別問題開始，在分析前準備和處理數據，并以數據可視化結束。

大數據分析生命周期：

作者 Thomas Erl、Wajid Khattak 和 Paul Buhler 在他們的書《大數據基礎：概念、驅動程序和技術》中提出了大數據分析生命周期。他們的生命周期建議將階段分為九個步驟：

1.商業案例評估

2.數據識別

3.數據采集和過濾

4.數據提取

5.數據驗證和清理

6.數據聚合和表示

7.數據分析

8.數據可視化

9.分析結果的利用

這個生命周期似乎比以前的生命周期模型多三四個步驟。但實際上，他們只是將我們所說的準備和處理分解為更小的步驟。它強調在分析階段之前收集、準備和清理數據所需的各個任務。

總結

以上是生活随笔為你收集整理的数据分析——起源的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。