1.數(shù)據(jù)結(jié)構(gòu)分析

1.1元數(shù)據(jù)檢驗

元數(shù)據(jù)用于描述表格或者表格欄中的數(shù)據(jù)、數(shù)據(jù)梳理方法是對數(shù)據(jù)進行掃描并推斷出相同的信息類型。

1.2模式匹配

一般情況下，模式匹配可確定字段中的數(shù)據(jù)值是否有預兒的格式。

1.3基本統(tǒng)計

元數(shù)據(jù)分析、模式分析和基本統(tǒng)計是數(shù)據(jù)結(jié)構(gòu)分析的主要方法，用斗指示數(shù)據(jù)文件中潛在的結(jié)構(gòu)問題。

2數(shù)據(jù)分析

數(shù)據(jù)分析用于指示業(yè)務規(guī)則和數(shù)據(jù)的究整性，在分析了整個的數(shù)據(jù)表或數(shù)據(jù)欄之后，需要仔細地查看每個單獨的數(shù)據(jù)元素。結(jié)構(gòu)分析可人在公司數(shù)據(jù)中進行大范圍描，并指出需要進一步研究的問題區(qū)域，數(shù)據(jù)分析可以更深入地確定哪些數(shù)據(jù)不精確、不完整和不清楚。

2.1標準化分析

2.2頻率分布和外延分析

頻率分布技術可以誠少數(shù)據(jù)分析的工作量。這項技巧重點關注所要進一步調(diào)查的數(shù)據(jù)，辨別出不正確的數(shù)據(jù)值，還可以通過鉆取技術做出更深層次的判斷。

外延分析也可以幫助你查明問題數(shù)據(jù)。頻率統(tǒng)計方法根據(jù)數(shù)據(jù)表現(xiàn)形式尋找數(shù)據(jù)的關聯(lián)關系，而外延分析則是為檢查出那些明顯的不同于其它數(shù)據(jù)值的少量數(shù)據(jù)。外延分析可指示出一組數(shù)據(jù)的最高和最低的值。這一方法對于數(shù)值和字符數(shù)據(jù)都是非常實用的。

2.3業(yè)務規(guī)則的確認

（1）數(shù)據(jù)關聯(lián)分析

專業(yè)的流程模板和海量共享的流程圖:印價值鏈圖(EVC)

常規(guī)流程圖(Flowchart)事件過程鏈圖(EPC)標準建模語言(UML)

-BPMN2.0圖

（2）數(shù)據(jù)挖掘

數(shù)據(jù)挖掘又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是目前人工智能和數(shù)據(jù)庫領域研究的熱點問題，所謂數(shù)據(jù)挖掘是指從數(shù)據(jù)庫的大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價值的信息的非平凡過程

利用數(shù)據(jù)挖掘進行數(shù)據(jù)分析常用的方法主要有分類、回歸分析、聚類、關聯(lián)規(guī)則、特征、變化和偏差分析、Web頁挖掘等，它們分別從不同的角度對數(shù)據(jù)進行挖掘。

①分類。分類是找出數(shù)據(jù)庫中一組數(shù)據(jù)對象的共同特點并按照分類模式將其劃分為不同的類，其目的是通過分類模型，將數(shù)據(jù)庫中的數(shù)據(jù)項映射到某個給定的類別。

它可以應用到客戶的分類、客戶的屬性和特征分析、客戶滿意度分析、客戶的購買趨勢預測等，如一個汽車零售商將客戶按照對汽車的喜好劃分成不同的類，這樣營銷人員就可以將新型汽車的廣告手冊直接郵寄到有這種喜好的客戶手中，從而大大增加了商業(yè)機會。

②回歸分析?；貧w分析方法反映的是事務數(shù)據(jù)庫中屬性值在時間上的特征，產(chǎn)生一個將數(shù)據(jù)項映射到一個實值預測變量的函數(shù)，發(fā)現(xiàn)變量或?qū)傩蚤g的依賴關系，其主要研究問題包括數(shù)據(jù)序列的趨勢特征、數(shù)據(jù)序列的預測以及數(shù)據(jù)間的相關關系等。

它可以應用到市場營銷的各個方面，如客戶尋求、保持和預防客戶流失活動、產(chǎn)品生命周期分析、銷售趨勢預測及有針對性的促銷活動等。

③聚類。聚類分析是把一組數(shù)據(jù)按照相似性和差異性分為幾類別，其目的是使得屬于同一類別的數(shù)據(jù)間的相似性盡可能大，不同類別中的數(shù)據(jù)間的相似性盡可能小。

它可以應用到客戶群體的分類、客戶背景分析、客戶購買趨勢預測、市場的細分等。

④關聯(lián)規(guī)則。聯(lián)規(guī)則提描述數(shù)據(jù)庫中數(shù)據(jù)項之間所存在的關系的規(guī)則，即根據(jù)一個事務中某些項的出現(xiàn)可導出另一些項在同一事務中也出現(xiàn)，即隱藏在數(shù)據(jù)間的關聯(lián)或相互關系。

在客戶關系管理中，通過對企業(yè)的客戶數(shù)據(jù)庫里的大量數(shù)據(jù)進行挖掘，可以從大量的記錄中發(fā)現(xiàn)有趣的關聯(lián)關系，找出影響市場營銷效果的關鍵因素，為產(chǎn)品定位、定價與定制客戶群，客戶尋求、細分與保持，市場營銷與推銷，營銷風險評估和詐騙預測等決策支持提供參考依據(jù)。

⑤特征。特征分析是以數(shù)據(jù)庫中的一組數(shù)據(jù)中提取出關于這些數(shù)據(jù)的特征式，這些特征式表達了該數(shù)據(jù)集的總體特征。如營銷人員通過對客戶流失因素的特征提取，可以得到導致客戶流失的一系列原因和主要特征，利用這些特征可以有效地預防客戶的流失。

⑥變化和偏差分析。偏差包括很大一類潛在有趣內(nèi)知識，如分類中的反常實例，模式的例外，觀察結(jié)果對期望的偏差等，其目的是尋找觀察結(jié)果與參照量之間有意義的差別。在企業(yè)危機管理及其預警中，管理者更感興趣的是那些意外規(guī)則。意外規(guī)則的挖掘可以應用到各種異常信息的發(fā)現(xiàn)、分析、識別、評價和預警等方面。

⑦Web頁挖掘。隨著Internet的迅速發(fā)展及Web的全球普及，使得Web上的信息量無比豐富、通過對Web的挖掘，可以利用Web的海量數(shù)據(jù)進行分析，收集政治、經(jīng)濟、政策、科技、金融、各種市場、競爭對手、供求信息、客戶等有關的信息，集中精力分析和處理那些對企業(yè)有重大或潛在重大影響的外部環(huán)境信息和內(nèi)部經(jīng)營信息，并根據(jù)分析結(jié)果找出企業(yè)管理過程中出現(xiàn)的各種問題和可能引起危機的先兆，對這些信息進行分析和處理，以便識別、分析、評價和管理危機。