数据分析的六层模型：

1）数据源层：数据分析的数据源；DBA；初加工；对数据源按某些规则进行抽取，ETL；

2）数据仓库层：OLAP的功能，联机事务处理。OLTP、OLAP：联机分析处理。对大量的数据进行计算，对我们的决策做一定的支持。多维建模的能力，多维查询的能力；数据集市：小型的数据仓库，大型数据仓库的一部分；提取出来，放到仓库中供我们进行使用。

3）数据浏览：统计分析、查询和报告；计算一些常见的统计、来分析数据的状态。求平均值、求方差、标准值、count。排序、剧组的统计；select语句进行查询；多维的查询、切片、赚取；

4）data mining：数据挖掘：目标不明确、手段不明确、挖出一些有趣的知识。我们有一些方法，我们预先不知道，得到什么结果我们也不知道。

5）数据表现层：我们怎么把这些数据展现给大家看，以更直观的方式展现给用户；

6）决策：老板决策的工作；

数据分析：我们的课程：统计分析、数据挖掘、数据展现这三层。

数据分析：

使用统计方法，有目的地对收集到数据进行分析处理，并且解读分析结果。

1）方差：数据的分散程度，集中程度越高。

2）标准差：计算方法；

3）偏度、 峰度等；

常用算法：

 数据分析和数据挖掘的算法并没有明显的界限。

传统的数据分析、比较现代的数据挖掘；

数据分析工具：

SAS在Data Exploration、Data Mining、Data presentations，这是它最擅长的部分。

SAS是用来进行数据分析的过程，主要进行建模，进行抽样，拿出样品，对样品进行分析建模，做一个预测模型、分类、神经网络。做出来之后SAS的使命也就结束了。

数据挖掘是以查找隐藏在数据中的信息为目标的技术，是应用算法从大型数据库中提取知识的过程，这些算法确定信息项之间的隐形关联，并且向用户显示这些关联。

数据挖掘的思想来源：假设检测、模式识别、人工智能、机器学习

常见数据挖掘任务：关联分析、聚类分析、孤立点分析等等。

展现层：

老土的报表：

大家不喜欢看这种图表。

常见的报表：

 这种报表就比刚才的数字要直观很多。

 仪表盘：对仪表盘特别敏感。所有的状态参数一目了然。把数据画成仪表盘。

一些有趣的图表： 

某条微薄的扩散路径。

网站点击的热力图。

这个图就非常直观地展示了一个网站，用户的关注点击的区域。

商业智能：

Business  Intelligence ，BI

BI=数据仓库（存储层）+ 数据分析和数据挖掘（分析层）+ 报表（展现层）

我们的课程的位置