数据的分类方法有哪些特点

A. 信息分类的方法有哪些

信息分类常见的分类方法有两种：

线分类法

线分类法又称层级分类法，是指将分类对象按所选定的若干分类标志，逐次地分成相应的若干层级类目，并排列成一个有层次逐级展开的分类体系。分类体系的一般表现形式是大类、中类、小类等级别不同的类目逐级展开，体系中各层级所选用的标志不同，同位类构成并列关系，上下位类构成隶属关系。由一个类目直接划分出来的下一级各类目之间存在着并列关系，不重复，不交叉。

线分类法应遵循的基本原则：

1. 在线分类法中，由某一上位类类目划分出的下位类类目的总范围应与上位类类目范围相同（都属于家具）。

2. 当一个上位类类目划分成若干个下位类类目时，应选择一个划分标志（按照制作原料）。

3. 同位类类目之间不交叉、不重复，并只对应于一个上位类（木椅、木凳、木桌、木箱、木架）。

4. 分类要依次进行，不应有空层或加层。

线分类法的优缺点：

Ø 优点：层次性好，能较好地反映类目之间的逻辑关系，使用方便，既适合于手工处理信息的传统习惯，又便于计算机处理信息。

Ø 缺点：线分类体系存在着分类结构弹性差（分类结构一经确定，不易改动）、效率较低（当分类层次较多时，代码位数较长，影响数据处理的速度）。

面分类法

面分类法又称平行分类法，它是将拟分类的商品集合总体，根据其本身的属性或特征，分成相互之间没有隶属关系的面，每个面都包含一组类目。将每个面中的一种类目与另一个面中的一种类目组合在一起，即组成一个复合类目。

服装的分类就是按照面分类法组配的。把服装用的面料、款式、穿着用途分为三个互相之间没有隶属关系的“面”，每个“面”又分成若干个类目。使用时，将有关类目组配起来。如：纯毛男式西装，纯棉女式连衣裙等。

面分类法应遵循的基本原则：

1. 根据需要，应将分类对象的本质属性作为分类对象的标志。

2. 不同面的类目之间不能相互交叉，也不能重复出现。

3. 每个面有严格的固定位置。

4. 面的选择以及位置的确定应根据实际需要而定。

面分类法的优缺点：

Ø 优点：具有较大的弹性，可以较大量地扩充新类目，不必预先确定好最后的分组，适用于计算机管理。

Ø 缺点：组配结构太复杂，不便于手工处理，其容量也不能充分利用。

信息编码是将某一类信息赋予一定的符号，为了满足实际业务应用，编码需要具备以下基本原则：

1. 唯一性:编码必须保证每一个编码对象对应仅有一个代码。

2. 可扩展性: 代码结构必须能够适应编码对象不断增加的需要

3. 简单性：在不影响代码的容量和可扩展性的情况下, 代码尽量简短明确,以减少差错, 方便阅读、抄录

4. 一贯性: 同一级代码类型、结构以及编写格式必须统一, 一直沿用代码格式，不要中途变化格式。

5. 可操作性: 代码应尽可能反映编码对象的特点, 有助记忆,便于填写。少使用其他符号，如‘#’、‘-’、‘*’等。

6. 稳定性: 代码不宜频繁变动,应考虑其变化的可能性,尽可能保持代码系统的相对稳定。

在当前的企业应用中，编码的方式主要有以下几种：

1 英文字母法：英文字母法是指将某项物资用特定的一个字母或一组字母来表示。

2 数字法：指将某项物资用特定的一个数字或一组数字来表示的方法。数字法还可考虑以下几种编码方法。

a) 连续数字法，首先要求将所有物资进行分类，并按一定的规律先后排列，然后自1号起依顺序编排流水号，此方法优点是代号连贯，但未来新增类别时，不能在中间穿插，只能在后面添加。

b) 阶梯式数字法，首先要求将所有物资分成若干大类，其次再将各大类按其次级类别分成若干中类。

c) 区段数字法，是介于连续数字法与阶梯式数字法之间的一种表示方法。

d) 国际十进制分类法，是指将所有物资分为十大类，分别以0-9之间的数字代表；然后每大类再划分为十个中类，并分别再以0－9之间的数字代表，如此进行下去。

3 暗示法：是指根据物资的特性，采用特定的数字或符号使之能代表物资特性的方法，又可分为数字暗示和符号暗示法。

4 混合法：是指将英文字母和数字结合起来使用的方法。

根据以上编码原则与方法，下面将根据企业资产管理过程中需要进行编码的内容进行举例说明，简单直观的了解编码过程中的关键因素。

1.客户管理信息（混合法）

X X XXXX XXXXXX

第四层：邮政编码

第三层：客户代码

第二层：客户类别

第一层：客户信息类目：

编码：110BSF200137

1-客户管理，1-直接客户，0BSF-巴斯夫公司，200137-邮政编码

2.物料分类信息（国际十进制分类法）

6 应用科学

62． 工业技术

621． 机械的工业技术

621．8 动力传动

621．88 挟具

621．882． 螺丝、螺帽

621．882．2 各种小螺丝

621．882．21 金属用小螺丝

621．882．215 丸螺丝

621．682．215.3 平螺丝

信息编码是企业资产管理的基础性工作, 是实现企业信息共享和交互的前提和基础，总结信息编码的作用可以归结如下：

B. 数据挖掘中常见的分类方法有哪些

判别分析、规则归纳、决策树、神经网络、K最近邻、基于案例的推理、遗传算法等等挺多的，这个问题范围太大了，云速数据挖掘分类挺多。

C. 计算机处理数据分析分类方法有哪些

1．按信息的形式和处理方式可分类：
（1）电子数字计算机：所有信息以二进制数表示。
（2）电子模拟计算机：内部信息形式为连续变化的模拟电压，基本运算部件为运算放大器。
（3）混合式电子计算机：既有数字量又能表示模拟量，设计比较困难。

2．按使用可分类为：
（1）通用机：适用于各种应用场合，功能齐全、通用性好的计算机。
（2）专用机：为解决某种特定问题专门设计的计算机，如工业控制机、银行专用机、超级市场收银机（POS）等。

3．按计算机系统的规模和处理性能分类为：
所谓计算机系统规模主要指计算机的速度、容量和功能。一般可分巨型机、大型机、中小型机、微型机和工作站等。其中工作站（Workstation）是介于小型机和微型机之间的面向工程的计算机系统。

D. 分类数据的图示方法有哪些

数据分类就是把具有某种共同属性或特征的数据归并在一起，通过其类别的属性或特征来对数据进行区别。为了实现数据共享和提高处理效率，必须遵循约定的分类原则和方法，按照信息的内涵、性质及管理的要求，将系统内所有信息按一定的结构体系分为不同的集合，从而使得每个信息在相应的分类体系中都有一个对应位置。换句话说，就是相同内容、相同性质的信息以及要求统一管理的信息集合在一起，而把相异的和需要分别管理的信息区分开来，然后确定各个集合之间的关系，形成一个有条理的分类系统。[1]
数据分类的目的是根据新数据对象的属性，将其分配到一个正确的类别中。分类分析用预测方法预测给定数据对象的类标号，被广泛地应用到信誉证实、医疗诊断及选择购物等领域。[2]
我们都知道调研分析的基础是数据，而数据的类型可以分为：
连续性的变量：比如，身高，体重，化验值等等，这些变量的特点可以有小数点，可以直接录入；
2. 分类变量：其变量值是定性的，表现为互不相容的类别或属性。实际上在调研当中运用最多的就是分类变量，可分为无序变量和有序变量两类。
①无序分类变量是指所分类别或属性之间无程度和顺序的差别，例如二项分类，性别（男、女），药物反应（阴性、阳性）等。例如多项分类，血型（ O、A、B、AB），职业（工、农、商、学、兵）等。

E. 数据模型的分类有哪些，各有什么特点

数据模型按不同的应用层次分成概念数据模型、逻辑数据模型、物理数据模型。

1、概念数据模型

特点是面向用户、面向现实世界的数据模型，描述一个单位的概念化结构；具有较强的语义表达能力，能够方便、直接地表达应用中的各种语义知识；简单、清晰、易于用户理解；概念模型是充满主观色彩的工件。

2、逻辑数据模型

特点是直接反映出业务部门的需求，对系统的物理实施有着重要指导作用；可以通过实体和关系勾勒出企业的数据蓝图；逻辑模型提供用户定义完整性约束条件的机制，以反映具体应用所涉及的数据必须遵守的特定的语义约束条件。

3、物理数据模型

特点是具有以实物或画图形式直观的表达认识对象的特征；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；描述数据在储存介质上的组织结构，不但与具体的DBMS有关，而且还与操作系统和硬件有关。

(5)数据的分类方法有哪些特点扩展阅读：

数据模型结构主要分为数据结构、数据操作、数据约束。

1、数据结构主要描述数据的类型、内容、性质以及数据间的联系等。数据类型，如DBTG网状模型中的记录型、数据项、关系模型中的关系等。数据结构是数据模型的基础，不同的数据结构具有不同的操作和约束。

2、数据操作主要描述在相应的数据结构上的操作类型和操作方式。是操作算符的集合，包括若干操作和推理规则，用以对目标类型的有效实例所组成的数据库进行操作。

3、数据约束主要描述数据结构内数据间的语法、词义联系、他们之间的制约和依存关系，以及数据动态变化的规则，以保证数据的正确、有效和相容。约束条件可以按不同的原则划分为数据值的约束和数据间联系的约束；静态约束和动态约束；实体约束和实体间的参照约束等。

F. 数据分析有哪些分类

​按数据分析面对的问题不同分类：战略、运营

战略分析：是为了解决公司战略方向问题，回答要向哪里去的问题。

此类分析通常比较宏观，需要分析者有大局观、有战略思维；

所用的数据除了公司内部的数据，还需要竞品数据、行业数据。

战略分析的方法：需要从竞品及行业数据中发现行业发展趋势及竞品的战略定位，同时结合公司内部数据，可以发现相对于行业和竞品发展，内部在哪些地方存在不足，以此制定进攻和防守策略

运营分析：不同于战略分析，运营分析以解决实际运营问题为目标，比较微观。

需要分析者对公司业务模式、运营细节有深入的了解；

使用的数据以公司内部数据为主。

此类分析最重要的是，分析结果要能够与运营结合，并能有效落地

按数据分析服务的部门不同分类：业务、数据

业务分析：此类分析由业务部门发起，提交给分析师执行，最终结果交付给业务部门。此类分析一般在最终的价值发现环节效率较高，问题的针对性较强。

数据分析：此类分析由数据部门发起，最终结果视具体情况可能提高给业务部门或者管理层。由于此类分析的视角不同于业务分析，在最终的价值发现和实现环节需要与业务部门的深入沟通。同时，也正是由于视角不同，会经常发现业务部门没有发现或者忽视的问题。

数据分析按分析的范围不同分类：行业、公司、部门、业务环节

行业分析：目的是总结和预测整个行业的过去和未来的发展趋势，时间窗口一般在1年以上。使用场景较多的是在投资公司中或者很多公司的市场宣传稿中会出现。行业分析的对象是商业模式或者业务形态，关注的是资金、市场格局、用户需求的变化和各企业的应对。最有价值和最难的是要提前预测行业的增长爆发点和衰退的转折点。

公司分析：目的是结合行业分析对公司业务发展做出诊断，给公司发展提供决策建议。时间窗口一般在一年以内，在公司战略决策会发挥较大的作用。SWOT等方法适合在公司分析中使用。分析者首先要认清企业的商业模式，要与公司的管理者同步公司的短期和长期目标，了解企业的盈利来源和运作方式，通过公司内外部数据的对比发现运营中的问题和商机。在这个过程中，了解市场和竞品的动态是非常重要的。

部门分析：目的是对部门职能范围内的业务发展做出正确的诊断并给出适当的建议。前提是能充分理解部门在整个公司中的角色和地位、该部门与其他部门的协作关系、在工作流程中的上下游关系。基于以上理解，以配合公司业务发展为目的，以提升部门KPI或某个关键任务为分析目标，利用公司和部门运营数据去做分析。此类分析中，理解公司业务、有产品和业务思维很重要，指标的分解、对比，数据变化的归因往往是常用的分析方法。

业务环节分析：这是数据分析在业务最细粒度的应用。分析者只需要关注非常具体的某个业务环节，让大家感兴趣的是这个业务环节数据的变化原因和改善方式。此时分析的指标经常是确定的，目标也很直接。但所谓牵一发动全身，这个环节的变化通常是由其他环节的变化引起的。所以万万不能走入一叶障目不见泰山的误区。

数据分析按项目的阶段不同分类：咨询、实施

咨询分析：以前有过跟咨询公司合作的经历。在项目开始阶段，乙方通常需要花很多时间讨论项目立项的必要性、收益等，以此来说服甲方老板，你懂的。但是，我要说的是，即使是公司自行研发的项目，在立项阶段，数据分析需要做的是树立目标。通过数据分析，可以对业务有一个全面的诊断，发现问题，提出项目需要改善的主要指标，并预测出项目上线后的收益。立项是需要管理层批准的，因此这个阶段的分析需要简明扼要、一针见血，分析结果的呈现起着至关重要的作用。

实施分析：项目开始后，数据分析需要做的是过程控制。除了项目目标涉及的主要指标需要持续关注之外，还需要关注过程类指标。所谓过程类指标，是指能够反映出项目执行内容的数据。因为主要指标的表现通常是滞后的，而且是若干因素影响的结果，过程指标是为了明确各影响因素的作用效果。比如项目目标是提升使用时长，项目内容可能包括提升新用户和老用户的使用时长，那么则应该把新老用户的时长作为指标单独监控和分析。

G. 专题数据分类的主要方法有哪些分级的主要方法有

分类的主要方法:在大类下划分中类，在中类下划分小类。
分级的主要方法:《保密法》规定了不同领域各类科学数据的保密等级：绝密、机密、秘密、公开

H. 数据分类是什么意思

数据分类是数据保护工作中的一个关键部分，是建立统一、准确、完善的数据架构的基础，是实现集中化、专业化、标准化数据管理的基础。行业机构按照统一的数据分类方法，依据自身业务特点对产生、采集、加工、使用或管理的数据进行分类，可以全面清晰地了解数据资产，对数据资产实现规范化管理，并有利于数据的维护和扩充。数据分类为数据分级管理奠定基础。安华金和最近对于数据分类分级说的比较多，你可以找他们交流下。