怎么把数据分成三类

『壹』 数据分析方法一般分为哪三种

1、漏斗分析
漏斗分析是指通过数据分析找到有问题的业务环节，并对其优化。
漏斗分析两大作用：其一，漏斗分析可以对各个业务阶段的用户、流量的变化进行监控，及时分析低转化率的环节，找出流失的关键，并不断优化。其二，漏斗分析可以根据不同的人群、渠道，进行差异化的分析，比如新渠道、新客户，分析出最佳的和最差的，这样能够提高操作的准确性和效率。

3、对比分析法
对比分析法即对比数据，分析差别，可以直观地看到某个方面的变化或差距，并能准确量化地表示这些变化或差距。对比分析既可以基于时间进行对比，也可以基于分类，如部门、地区、类别等进行对比。在工作中，我们会使用对比分析法比较多，比如，如上年的销量对比、目标与实际对比等。我们拍梁渣在对比的过程中要注意要找相似的对比对象。比如，佛山的人口与上海的人口对比就没有可比性，是毫无意义的。

『贰』 按动态特性分,数据的属性可分为几类为什么要进行这种分类

数据按动态特性可分为固定值属性数据、固定个体变动属性数据和随机变动属性数据三类。

其中固定值属性数据项的值基本固定不变，如工资系统中的基本工资；对固定个体变动属性数据项来说，其总体具有相对固定的个体集，但其值是变动的属性，例如工资系统中的扣托儿费；对随机变动属性的数据项来说，其个体和值都是随机变动的，如病假扣款。

定属性集中每个属性不同值的个数自动地产生概念分层。具有最多不同值的属性放在分层结构的最低层。一个属性的不同值个数越少，在所产生的概念分层结构中所处的层次越高。

在许多情况下，这种启发式规则都很顶用。在考察了所产生的分层之后，如果必要，局部层次交换或调整可以由用户或专家来做。

(2)怎么把数据分成三类扩展阅读：

属性数据的录入与编辑一般是在属性数据处理模块中进行的。文档数据资料的录入一般是通过键盘直接键入数据文件或属性数据库。也可以将另一个数据库中的有关数据直接传输到属性数据库中。

但为了建立属性描述数据与几何图形的联系，通常需要在图形编辑系统中设计属性数据的编辑功能，主要是将一个实体的属性数据直接连接到相应的几何目标上，这项工作可在数字化及建立图形拓扑关系的同时或之后，对照一个几何目标直接输人属性数据，并可对数据进行修改、删除、拷贝等编辑操作。

『叁』 数据库按数据的组织方式来分可以分为哪三种模型

数据模型按不同的应用层次分成三种类型，分别是概念数据模型、逻辑数据模型、物理数据模型

（1)概念数据模型（ConceptualDataModel):

简称概念模型，是面向数据库用户的实现世界的模型，主要用来描述世界的概念化结构，它使数据库的设计人员在设计的初始阶段，摆脱计算机系统及DBMS的具体技术问题.

集中精力分析数据以及数据之间的联系等，与具体的数据管理系统（Database Management System，DBMS)无关。概念数据模型必须换成逻辑数据模型，才能在DBMS中实现。

（2)逻辑数据模型（Logical Data Model):

简称数据模型，这是用户从数据库所看到的模型，是具体的DBMS所支持的数据模型，如网状数据模型（Network Data Model)、层次数据模型（Hierarchical Data Model)等。此模型既要面向用户，又要面向系统，主要用于数据库管理系统（DBMS)的实现。

（3)物理数据模型（Physical Data Model):

简称物理模型，是面向计算机物理表示的模型，描述了数据在储存介质上的组织结构，它不但与具体的DBMS有关，而且还与操作系统和硬件有关。每一种逻辑数据模型在实现时都有其对应的物理数据模型。

DBMS为了保证其独立性与可移植性，大部分物理数据模型的实现工作由系统自动完成，而设计者只设计索引、聚集等特殊结构。

(3)怎么把数据分成三类扩展阅读：

数据库模型

（1）对象模型

（2）层次模型（轻量级数据访问协议）

（3）网状模型（大型数据储存）

（4）关系模型

（5）面向对象模型

（6）半结构化模型

（7）平面模型（表格模型，一般在形式上是一个二维数组。如表格模型数据Excel)

数据库的架构可以大致区分为三个概括层次：内层、概念层和外层。

（1）内层：最接近实际存储体，亦即有关数据的实际存储方式。

（2）外层：最接近用户，即有关个别用户观看数据的方式。

（3）概念层：介于两者之间的间接层。

『肆』 大数据的数据类型分为哪三类

大数据的类型大致可分为三种类型：
传统企业数据（Traditional enterprise data）：包括 CRM systems的消费者数据，传统的ERP数据，库存数据以及账目数据等。
机器和传感器数据（Machine-generated /sensor data）：包括呼叫记录（Call Detail Records），智能仪表，工业设备传感器，设备日志（通常是Digital exhaust），交易数据等。
社交数据（Social data）：包括用户行为记录，反馈数据等。如Twitter，Facebook这样的社交媒体平台。

『伍』 数据划分

评价数据库内存放的数据将支持资源评价的整个过程。为了能更好地管理库中数据，需要对整个过程中将用到的数据进行分类管理。具体分类方式如图3-1所示。

1.按照应用类型划分

按照数据在资源评价过程中的应用类型划分，可以划分为基础数据、参数数据和评价结果数据。

基础数据是指从勘探生产活动及认识中直接获取的原始数据，这些数据一般没有经过复杂的处理和计算过程。如分析化验数据、钻井地质数据、盆地基础数据等。这些数据是整个评价工作的基础。

图3-1 数据分类示意图

参数数据是指在评价过程中各种评价方法和软件直接使用的参数数据。

评价结果数据是指资源评价中产生的各种评价结果数据，如资源量结果数据、地质评价结果数据等。

2.按照评价对象划分

本次评价共分为大区、评价单元、计算单元三个层次，在研究中又使用了盆地、一级构造单元，在评价对象总体考虑中按照评价对象将数据划分为大区、评价单元、计算单元等类型。

3.按照获取方式划分

按照获取方式可以将数据分为直接获取、研究获取、间接获取几类。

4.按照存储类型划分

按照存储类型可以将数据划分为结构化数据和非结构化数据。

结构化数据是指能够用现有的关系数据库系统直接管理的数据，进一步又可以分为定量数据和定性数据两类。

非结构化数据是指不能用现有的关系数据库系统直接管理和操作的数据，它必须借助于另外的工具管理和操作。如图件数据、文档数据等。

库中数据类型的划分共分六个层次逐次划分，包括：数据存储类型→资源类型—→评价对象→应用→获取方式→数据特征。

对于结构化存储的数据在应用层分为三类：基础数据、中间数据和结果数据，基础数据中包含用于类比的基础数据、用于统计分析的基础数据和直接用于公式运算的基础数据；

结构化存储的数据在获取方式上可以继续划分，其中，用于公式运算的数据可以细化为专家直接录入、由地质类比获取、通过生产过程获取、通过地质研究过程获取及其他方式。中间数据可以从以下方式获取：标准、统计、类比、参数的关联。结果数据的获取有两种方式：公式运算结果和通过钻井、地质、综合研究等提交的文字报告。

对于非结构化存储的数据在应用层分为两类：图形数据和文档数据；

图形数据在获取方式上可以继续划分成四种方式：通过工程测量数据获取（如地理图件、井位坐标数据等）、通过地质研究过程获取（如沉积相图、构造区划图等）、由综合研究获取（如综合评价图等）、其他方式获取。

图形数据在表现方式上又可以进一步分为有坐标意义的图形（如构造单元划分图、地理图、井位图等）、数值图（如产烃率曲线图、酐洛根热降解图等）和无坐标含义图（如剖面图）等。

文档数据是指评价过程中产生的各种报告、项目运行记录等。