1. 분해 테마 분석
일명 분해 테마 분석은 다양한 분석 요구 사항에 따라 초기에 마케팅 테마, 금융 테마, 유연한 테마 등으로 나눌 수 있음을 의미합니다. , 그런 다음 이러한 주요 주제를 다음과 같이 나눕니다. 주제는 분석을 위해 점차적으로 여러 가지 작은 측면으로 세분화됩니다.
2. 드릴 분석
소위 드릴 분석은 차원의 수준을 변경하고 분석의 세분화를 변환하는 것을 의미합니다. 방향에 따라 드릴업과 드릴다운으로 구분됩니다. 드릴업이란 하위 수준의 세부 데이터를 상위 수준의 요약 데이터로 특정 차원으로 요약하거나 차원 수를 줄여 자동으로 요약 행을 생성하는 분석 방법입니다. 드릴다운은 요약 데이터에서 세부 데이터로 이동하여 새로운 차원을 관찰하거나 추가하는 분석 방법입니다.
3. 기존 비교 분석
소위 기존 비교 분석은 시간 추세 분석, 구성 분석, 유사 비교 분석, 다중 비교 분석 등 보다 일반적인 비교 분석 방법을 말합니다. -지표 분석, 상관 분석, 그룹 분석, 사분면 분석 등
4. 대규모 관리 모델 분석
소위 대규모 관리 모델 분석은 성숙하고 검증된 다양한 대규모 관리 모델을 기반으로 문제를 분석하는 방법을 말합니다. . 보다 일반적인 대규모 관리 모델 분석에는 RCV 모델, 아메바 관리, 카테고리 관리 분석 등이 포함됩니다.
5. 재무 및 요인 분석
소위 재무 및 요인 분석은 주로 재무 정보 분석에 요인 분석 방법을 광범위하게 적용하는 것을 의미합니다. 요인분석의 개념은 20세기 초 지능검사의 통계분석에서 유래되었으며, 최소한의 정보손실을 전제로 많은 원래의 변수를 소수의 종합지표로 종합함으로써 데이터 모델링에 참여하는 인원을 크게 줄일 수 있다. . 변수의 개수로 인해 정보가 크게 손실되지 않으며 효과적인 차원 축소가 이루어집니다. 보다 일반적으로 사용되는 재무 및 요인 분석 방법에는 DuPont 분석, EVA 분석, 재무 지표, 재무 비율, 면적 공식, 범주 공식, 흐름 공식 등이 포함됩니다.
6. 주제별 빅데이터 분석
소위 주제별 빅데이터 분석은 특정 대규모 데이터를 분석하는 것을 말합니다. 빅데이터는 정보 폭발 시대에 생성되는 대용량 데이터를 기술하고 정의하며, 이와 관련된 기술 발전과 혁신을 일컫는 용어로 흔히 사용된다. 일반적인 특징은 데이터의 양이 많고 유형이 다양하며 가치 밀도가 낮고 속도가 빠르며 적시성이 낮다는 것입니다. 보다 일반적인 주제별 빅데이터 분석에는 장바구니 분석, 비중 모델, 추천 알고리즘, 가격 민감도 분석, 고객 그룹화 분석 및 기타 분석 방법이 포함됩니다.