有多种分析工具可用于对大量数据集和交易活动进行分析。分析在过去几年中越来越受欢迎,预计在未来十年内仍将保持高于平均水平的增长。随着技术的进步和接受程度的提高,组织一直在收集和存储大量的事务性数据。分析工具...
有多种分析工具可用于对大量数据集和交易活动进行分析。分析在过去几年中越来越受欢迎,预计在未来十年内仍将保持高于平均水平的增长。随着技术的进步和接受程度的提高,组织一直在收集和存储大量的事务性数据。分析工具的目的是使用这些数据来确定模式和趋势。这些信息可用于辅助决策过程

有多种分析工具可用于对大型数据集和交易活动进行分析。分析工具可分为三类:兴趣指标,活动评估和数据选择。尽管许多人认为分析工具是一个新的发展,它们实际上代表了统计和数据管理中一些最古老的概念。互联网的出现以及企业希望跟踪这种工具在联系客户方面的有效性,推动了分析工具的快速增长。为了让任何组织都能确定分配给互联网的资源数量,需要衡量指标来确定投资回报率和该工具的相对有用性

分析工具的目的是使用这些数据来确定数据的模式和趋势。兴趣指标是所有基于web的分析工具中最常见的。一个小程序或脚本添加到网站以跟踪用户活动。最基本的工具可以提供用户来源国、访问时间、使用浏览器、在网站上花费的总时间和参考来源的摘要。更复杂的是,商业产品可以提供准确的互联网协议(IP)地址,同一个人访问过的次数特定时间范围内的网站,他们去了哪里,以及他们在每个页面上花费了多长时间。活动评估工具可以从简单的数据收集到对业务流程的评估。例如,基于web的工具可以提供最常见的访问路径、每个阶段花费的时间以及访问每个数据表的用户的摘要。对于事务性系统,可以使用来自多个表和数据库的信息的组合来完成相同类型的分析。用于此类分析的工具通常是资源密集型,需要大量的硬件和存储空间才能运行。数据选择或数据提取工具包用于将特定标识的数据从事务数据库移动到数据分析仓库或多维数据集中规范必须非常精确,才能为分析工具建立合适的数据集。太多的数据是昂贵的,没有足够的数据将不能提供准确的结果。