數據的分類方法有哪些特點

A. 信息分類的方法有哪些

信息分類常見的分類方法有兩種：

線分類法

線分類法又稱層級分類法，是指將分類對象按所選定的若干分類標志，逐次地分成相應的若干層級類目，並排列成一個有層次逐級展開的分類體系。分類體系的一般表現形式是大類、中類、小類等級別不同的類目逐級展開，體系中各層級所選用的標志不同，同位類構成並列關系，上下位類構成隸屬關系。由一個類目直接劃分出來的下一級各類目之間存在著並列關系，不重復，不交叉。

線分類法應遵循的基本原則：

1. 在線分類法中，由某一上位類類目劃分出的下位類類目的總范圍應與上位類類目范圍相同（都屬於傢具）。

2. 當一個上位類類目劃分成若干個下位類類目時，應選擇一個劃分標志（按照製作原料）。

3. 同位類類目之間不交叉、不重復，並只對應於一個上位類（木椅、木凳、木桌、木箱、木架）。

4. 分類要依次進行，不應有空層或加層。

線分類法的優缺點：

Ø 優點：層次性好，能較好地反映類目之間的邏輯關系，使用方便，既適合於手工處理信息的傳統習慣，又便於計算機處理信息。

Ø 缺點：線分類體系存在著分類結構彈性差（分類結構一經確定，不易改動）、效率較低（當分類層次較多時，代碼位數較長，影響數據處理的速度）。

面分類法

面分類法又稱平行分類法，它是將擬分類的商品集合總體，根據其本身的屬性或特徵，分成相互之間沒有隸屬關系的面，每個面都包含一組類目。將每個面中的一種類目與另一個面中的一種類目組合在一起，即組成一個復合類目。

服裝的分類就是按照面分類法組配的。把服裝用的面料、款式、穿著用途分為三個互相之間沒有隸屬關系的「面」，每個「面」又分成若干個類目。使用時，將有關類目組配起來。如：純毛男式西裝，純棉女式連衣裙等。

面分類法應遵循的基本原則：

1. 根據需要，應將分類對象的本質屬性作為分類對象的標志。

2. 不同面的類目之間不能相互交叉，也不能重復出現。

3. 每個面有嚴格的固定位置。

4. 面的選擇以及位置的確定應根據實際需要而定。

面分類法的優缺點：

Ø 優點：具有較大的彈性，可以較大量地擴充新類目，不必預先確定好最後的分組，適用於計算機管理。

Ø 缺點：組配結構太復雜，不便於手工處理，其容量也不能充分利用。

信息編碼是將某一類信息賦予一定的符號，為了滿足實際業務應用，編碼需要具備以下基本原則：

1. 唯一性:編碼必須保證每一個編碼對象對應僅有一個代碼。

2. 可擴展性: 代碼結構必須能夠適應編碼對象不斷增加的需要

3. 簡單性：在不影響代碼的容量和可擴展性的情況下, 代碼盡量簡短明確,以減少差錯, 方便閱讀、抄錄

4. 一貫性: 同一級代碼類型、結構以及編寫格式必須統一, 一直沿用代碼格式，不要中途變化格式。

5. 可操作性: 代碼應盡可能反映編碼對象的特點, 有助記憶,便於填寫。少使用其他符號，如『#』、『-』、『*』等。

6. 穩定性: 代碼不宜頻繁變動,應考慮其變化的可能性,盡可能保持代碼系統的相對穩定。

在當前的企業應用中，編碼的方式主要有以下幾種：

1 英文字母法：英文字母法是指將某項物資用特定的一個字母或一組字母來表示。

2 數字法：指將某項物資用特定的一個數字或一組數字來表示的方法。數字法還可考慮以下幾種編碼方法。

a) 連續數字法，首先要求將所有物資進行分類，並按一定的規律先後排列，然後自1號起依順序編排流水號，此方法優點是代號連貫，但未來新增類別時，不能在中間穿插，只能在後面添加。

b) 階梯式數字法，首先要求將所有物資分成若干大類，其次再將各大類按其次級類別分成若干中類。

c) 區段數字法，是介於連續數字法與階梯式數字法之間的一種表示方法。

d) 國際十進制分類法，是指將所有物資分為十大類，分別以0-9之間的數字代表；然後每大類再劃分為十個中類，並分別再以0－9之間的數字代表，如此進行下去。

3 暗示法：是指根據物資的特性，採用特定的數字或符號使之能代表物資特性的方法，又可分為數字暗示和符號暗示法。

4 混合法：是指將英文字母和數字結合起來使用的方法。

根據以上編碼原則與方法，下面將根據企業資產管理過程中需要進行編碼的內容進行舉例說明，簡單直觀的了解編碼過程中的關鍵因素。

1.客戶管理信息（混合法）

X X XXXX XXXXXX

第四層：郵政編碼

第三層：客戶代碼

第二層：客戶類別

第一層：客戶信息類目：

編碼：110BSF200137

1-客戶管理，1-直接客戶，0BSF-巴斯夫公司，200137-郵政編碼

2.物料分類信息（國際十進制分類法）

6 應用科學

62． 工業技術

621． 機械的工業技術

621．8 動力傳動

621．88 挾具

621．882． 螺絲、螺帽

621．882．2 各種小螺絲

621．882．21 金屬用小螺絲

621．882．215 丸螺絲

621．682．215.3 平螺絲

信息編碼是企業資產管理的基礎性工作, 是實現企業信息共享和交互的前提和基礎，總結信息編碼的作用可以歸結如下：

B. 數據挖掘中常見的分類方法有哪些

判別分析、規則歸納、決策樹、神經網路、K最近鄰、基於案例的推理、遺傳演算法等等挺多的，這個問題范圍太大了，雲速數據挖掘分類挺多。

C. 計算機處理數據分析分類方法有哪些

1．按信息的形式和處理方式可分類：
（1）電子數字計算機：所有信息以二進制數表示。
（2）電子模擬計算機：內部信息形式為連續變化的模擬電壓，基本運算部件為運算放大器。
（3）混合式電子計算機：既有數字量又能表示模擬量，設計比較困難。

2．按使用可分類為：
（1）通用機：適用於各種應用場合，功能齊全、通用性好的計算機。
（2）專用機：為解決某種特定問題專門設計的計算機，如工業控制機、銀行專用機、超級市場收銀機（POS）等。

3．按計算機系統的規模和處理性能分類為：
所謂計算機系統規模主要指計算機的速度、容量和功能。一般可分巨型機、大型機、中小型機、微型機和工作站等。其中工作站（Workstation）是介於小型機和微型機之間的面向工程的計算機系統。

D. 分類數據的圖示方法有哪些

數據分類就是把具有某種共同屬性或特徵的數據歸並在一起，通過其類別的屬性或特徵來對數據進行區別。為了實現數據共享和提高處理效率，必須遵循約定的分類原則和方法，按照信息的內涵、性質及管理的要求，將系統內所有信息按一定的結構體系分為不同的集合，從而使得每個信息在相應的分類體系中都有一個對應位置。換句話說，就是相同內容、相同性質的信息以及要求統一管理的信息集合在一起，而把相異的和需要分別管理的信息區分開來，然後確定各個集合之間的關系，形成一個有條理的分類系統。[1]
數據分類的目的是根據新數據對象的屬性，將其分配到一個正確的類別中。分類分析用預測方法預測給定數據對象的類標號，被廣泛地應用到信譽證實、醫療診斷及選擇購物等領域。[2]
我們都知道調研分析的基礎是數據，而數據的類型可以分為：
連續性的變數：比如，身高，體重，化驗值等等，這些變數的特點可以有小數點，可以直接錄入；
2. 分類變數：其變數值是定性的，表現為互不相容的類別或屬性。實際上在調研當中運用最多的就是分類變數，可分為無序變數和有序變數兩類。
①無序分類變數是指所分類別或屬性之間無程度和順序的差別，例如二項分類，性別（男、女），葯物反應（陰性、陽性）等。例如多項分類，血型（ O、A、B、AB），職業（工、農、商、學、兵）等。

E. 數據模型的分類有哪些，各有什麼特點

數據模型按不同的應用層次分成概念數據模型、邏輯數據模型、物理數據模型。

1、概念數據模型

特點是面向用戶、面向現實世界的數據模型，描述一個單位的概念化結構；具有較強的語義表達能力，能夠方便、直接地表達應用中的各種語義知識；簡單、清晰、易於用戶理解；概念模型是充滿主觀色彩的工件。

2、邏輯數據模型

特點是直接反映出業務部門的需求，對系統的物理實施有著重要指導作用；可以通過實體和關系勾勒出企業的數據藍圖；邏輯模型提供用戶定義完整性約束條件的機制，以反映具體應用所涉及的數據必須遵守的特定的語義約束條件。

3、物理數據模型

特點是具有以實物或畫圖形式直觀的表達認識對象的特徵；每一種邏輯數據模型在實現時都有其對應的物理數據模型；描述數據在儲存介質上的組織結構，不但與具體的DBMS有關，而且還與操作系統和硬體有關。

(5)數據的分類方法有哪些特點擴展閱讀：

數據模型結構主要分為數據結構、數據操作、數據約束。

1、數據結構主要描述數據的類型、內容、性質以及數據間的聯系等。數據類型，如DBTG網狀模型中的記錄型、數據項、關系模型中的關系等。數據結構是數據模型的基礎，不同的數據結構具有不同的操作和約束。

2、數據操作主要描述在相應的數據結構上的操作類型和操作方式。是操作算符的集合，包括若干操作和推理規則，用以對目標類型的有效實例所組成的資料庫進行操作。

3、數據約束主要描述數據結構內數據間的語法、詞義聯系、他們之間的制約和依存關系，以及數據動態變化的規則，以保證數據的正確、有效和相容。約束條件可以按不同的原則劃分為數據值的約束和數據間聯系的約束；靜態約束和動態約束；實體約束和實體間的參照約束等。

F. 數據分析有哪些分類

​按數據分析面對的問題不同分類：戰略、運營

戰略分析：是為了解決公司戰略方向問題，回答要向哪裡去的問題。

此類分析通常比較宏觀，需要分析者有大局觀、有戰略思維；

所用的數據除了公司內部的數據，還需要競品數據、行業數據。

戰略分析的方法：需要從競品及行業數據中發現行業發展趨勢及競品的戰略定位，同時結合公司內部數據，可以發現相對於行業和競品發展，內部在哪些地方存在不足，以此制定進攻和防守策略

運營分析：不同於戰略分析，運營分析以解決實際運營問題為目標，比較微觀。

需要分析者對公司業務模式、運營細節有深入的了解；

使用的數據以公司內部數據為主。

此類分析最重要的是，分析結果要能夠與運營結合，並能有效落地

按數據分析服務的部門不同分類：業務、數據

業務分析：此類分析由業務部門發起，提交給分析師執行，最終結果交付給業務部門。此類分析一般在最終的價值發現環節效率較高，問題的針對性較強。

數據分析：此類分析由數據部門發起，最終結果視具體情況可能提高給業務部門或者管理層。由於此類分析的視角不同於業務分析，在最終的價值發現和實現環節需要與業務部門的深入溝通。同時，也正是由於視角不同，會經常發現業務部門沒有發現或者忽視的問題。

數據分析按分析的范圍不同分類：行業、公司、部門、業務環節

行業分析：目的是總結和預測整個行業的過去和未來的發展趨勢，時間窗口一般在1年以上。使用場景較多的是在投資公司中或者很多公司的市場宣傳稿中會出現。行業分析的對象是商業模式或者業務形態，關注的是資金、市場格局、用戶需求的變化和各企業的應對。最有價值和最難的是要提前預測行業的增長爆發點和衰退的轉折點。

公司分析：目的是結合行業分析對公司業務發展做出診斷，給公司發展提供決策建議。時間窗口一般在一年以內，在公司戰略決策會發揮較大的作用。SWOT等方法適合在公司分析中使用。分析者首先要認清企業的商業模式，要與公司的管理者同步公司的短期和長期目標，了解企業的盈利來源和運作方式，通過公司內外部數據的對比發現運營中的問題和商機。在這個過程中，了解市場和競品的動態是非常重要的。

部門分析：目的是對部門職能范圍內的業務發展做出正確的診斷並給出適當的建議。前提是能充分理解部門在整個公司中的角色和地位、該部門與其他部門的協作關系、在工作流程中的上下游關系。基於以上理解，以配合公司業務發展為目的，以提升部門KPI或某個關鍵任務為分析目標，利用公司和部門運營數據去做分析。此類分析中，理解公司業務、有產品和業務思維很重要，指標的分解、對比，數據變化的歸因往往是常用的分析方法。

業務環節分析：這是數據分析在業務最細粒度的應用。分析者只需要關注非常具體的某個業務環節，讓大家感興趣的是這個業務環節數據的變化原因和改善方式。此時分析的指標經常是確定的，目標也很直接。但所謂牽一發動全身，這個環節的變化通常是由其他環節的變化引起的。所以萬萬不能走入一葉障目不見泰山的誤區。

數據分析按項目的階段不同分類：咨詢、實施

咨詢分析：以前有過跟咨詢公司合作的經歷。在項目開始階段，乙方通常需要花很多時間討論項目立項的必要性、收益等，以此來說服甲方老闆，你懂的。但是，我要說的是，即使是公司自行研發的項目，在立項階段，數據分析需要做的是樹立目標。通過數據分析，可以對業務有一個全面的診斷，發現問題，提出項目需要改善的主要指標，並預測出項目上線後的收益。立項是需要管理層批準的，因此這個階段的分析需要簡明扼要、一針見血，分析結果的呈現起著至關重要的作用。

實施分析：項目開始後，數據分析需要做的是過程式控制制。除了項目目標涉及的主要指標需要持續關注之外，還需要關注過程類指標。所謂過程類指標，是指能夠反映出項目執行內容的數據。因為主要指標的表現通常是滯後的，而且是若干因素影響的結果，過程指標是為了明確各影響因素的作用效果。比如項目目標是提升使用時長，項目內容可能包括提升新用戶和老用戶的使用時長，那麼則應該把新老用戶的時長作為指標單獨監控和分析。

G. 專題數據分類的主要方法有哪些分級的主要方法有

分類的主要方法:在大類下劃分中類，在中類下劃分小類。
分級的主要方法:《保密法》規定了不同領域各類科學數據的保密等級：絕密、機密、秘密、公開

H. 數據分類是什麼意思

數據分類是數據保護工作中的一個關鍵部分，是建立統一、准確、完善的數據架構的基礎，是實現集中化、專業化、標准化數據管理的基礎。行業機構按照統一的數據分類方法，依據自身業務特點對產生、採集、加工、使用或管理的數據進行分類，可以全面清晰地了解數據資產，對數據資產實現規范化管理，並有利於數據的維護和擴充。數據分類為數據分級管理奠定基礎。安華金和最近對於數據分類分級說的比較多，你可以找他們交流下。