分享几种常用数据分析的方法。常用的数据分析有哪些方法?我们可以用哪些方法来进行数据分析?本期艾思科蓝小编收集整理了几个数据分析方法，希望能够帮到你。

　　数据分析是一个比较宽泛的概念，里面具体的方法很多很庞杂，但如果抛开细节从宏观业务角度去看的话，主要分为四类：描述性分析(descriptive analysis)、预测性分析(predictive analysis)、指导性分析(prescriptive analysis)和诊断性分析(diagnostic analysis)。

　　描述性分析(descriptive analysis)

　　描述性分析就是在已有的历史数据的基础上总结规律，发现问题通常描述性分析是数据分析的第一步，主要的目的就是发现数据的特征并且对目前的情况有一个全面细致的了解。根据要描述的具体程度的不同，描述性分析使用的方法可以从简单的概率统计上升到复杂的机器学习。目前来说主要的描述性分析类的数据分析方法有：

　　概率统计(数据最大、最小、平均值、数据分布、变量相关性)

　　可视化分析(数据趋势、seasonality、空间分布)

　　机器学习(聚类分析、特征提取)

　　预测性分析(predictive analysi)

　　预测性分析就是在已有数据的基础上对未来做预测，根据预测结果指导业务采取进一步的措施。现在主要的预测性分析类的数据分析方法有：

　　统计类分析(线性回归、非线性回归、逻辑回归...)

　　机器学习(决策树、随机森林、KNN、SVR...)

　　深度学习(各种神经网络：CNN、RNN、LSTM...)

　　指导性分析(prescriptive analysis)

　　指导性分析是一种场景性的分析，也是建立在前面两种分析的基础上的，它主要是为了用来找到未来最佳的指导方案

　　诊断性分析(diagnostic analysis)

　　类似于描述性分析，诊断性分析也是对历史数据进行分析，但是它和描述性分析有着根本的区别，描述性分析是在一无所知的情况下对数据进行的探索，而描述性分析则是在对数据很了解的情况下来进一步解答为什么事件最终的走向会是那样的。

　　屏幕前的各位看完这篇文章之后相信都会有自己的一些理解了，祝愿大家的学术路上都能顺顺利利。如需了解更多学术相关内容，请点击艾思科蓝关注我们吧。