기업 관리 정보화의 맥락에서 데이터 분석 기술은 이미 기업 응용의 초점이 되었지만, 역사적인 이유로 대부분의 사람들은 전통적인 통계 분석과 새로운 데이터 마이닝을 이해하지 못하고 모호한 인식을 많이 가지고 있다. (윌리엄 셰익스피어, 윈스턴, 기업, 기업, 기업, 기업, 기업, 기업, 기업, 기업, 기업, 기업) 먼저 통계 방법에 대한 두 가지 일반적인 오해를 말씀드리겠습니다.
통계 분석의 두 가지 오해
통계학은 강한 수학적 배경을 가지고 있기 때문에 일반적인 오해는 통계학자가 수학자와 같고, 수학자는 진경윤과 같고, 진경윤은 고드바흐와 같기 때문에 통계학자는 고드바흐와 같다. 문제는 고드바흐와 기업 데이터 관리의 관계는 무엇입니까? 통계학에 있어서 이런 오해는 정말 큰 불행이다. 저명한 통계학자 조지 벅스는 모든 모형이 틀렸고 어떤 모형은 유용하다는 명언을 가지고 있다. 표면적으로 볼 때, 이런 발언은 다소 방자해 보일지 모르지만, 바로 통계학자들이 실제 문제를 처리할 때 취하는 이런 실속 있는 태도이다. 통계학자는 데이터를 처리하는 엔지니어 그룹이다. 엔지니어들도 대량의 수학 공식과 계산을 사용하지만, 방에 앉아 심오한 수학 정리나 고드바흐의 추측을 증명하는 극객은 아니다.
통계가 회계와 연계된 것 같다는 오해도 있다. 이 말을 하는 사람은 기업 내 통계인의 업무가 회계와 비슷하고, 통계인과 회계의 업무는 통계 분석을 위한 데이터 기반을 제공한다는 것이다. 그러나 우리가 일반적으로 말하는 통계 분석은 수리통계를 바탕으로 발전하는 많은 방법을 가리킨다. 이렇게 통계와 회계를 혼동하면 통계 분석의 난이도와 잠재력을 과소평가하게 된다. 간단히 말해서, 회계 시스템은 비즈니스 활동을 데이터로 변환하며, 데이터 코딩 및 표준화에 있어서 독특합니다. 그것은 기업 관리를 위한 대량의 기초 데이터를 제공하며, 회계 시스템은 양적 관리의 인프라를 구성한다. 통계 방법이 기업의 관리 실무에서 더 큰 역할을 하려면 회계의 이런 표준화된 사고를 배워야 한다. 사용하기 쉽고, 사용자의 이해에 더 가깝고, 한 마디로' 바보' 가 되어야 한다.
기업 의사 결정 지원 시스템을 살펴보십시오.
기업 의사 결정 지원 시스템의 관점에서 다양한 양적 관리 방법의 의미를 평가하다. 이 시점에서 특정 통계 방법 또는 데이터 마이닝 기술을 구현하는 것은 실제로 프로젝트를 구현하는 것과 같습니다. 양적 관리 방법은 매우 다양하며, 통계 방법은 불확실한 환경과 정보가 부족한 상황에서 의사 결정에 특히 적합합니다.
기업은 시스템을 선택할 때 어떻게 해야 합니까? 일반적인 문제 해결 모델은 문제, 사용 가능한 자원 및 기술, 비용 등 일반적인 문제 해결 모델을 설명할 수 있으며, 이 세 가지 측면을 종합적으로 고려하면 비교적 합리적인 해결책을 얻을 수 있습니다. 이런 보편적인 문제 해결 모델은 기업이 정보 경로를 찾는 노력에 당연히 적용된다.
통일된 관점에서 볼 때, 기업의 양적 관리는 데이터 수집 및 처리 시스템을 기반으로 하며, 이를 의사 결정 지원 시스템이라고 합니다. 이 피라미드를 통해 소음에서 데이터, 정보, 지식, 지혜에 이르기까지 한 걸음 더 나아가는 과정을 명확하게 볼 수 있습니다. 결정은 최소한 지식 차원의 처리 결과에 달려 있고 처리되지 않은 원자재는 소음이라고 한다. 이 일반화된 모델에서 우리는 회계를 하나의 정보 시스템으로 볼 수 있으며, 계층 간 인터페이스는 구체적인 방법으로 구체화되어야 하며, 각 인터페이스에서 사용할 수 있는 기술도 다르다.
정보 시스템에는 회계 시스템, 데이터베이스 시스템 및 데이터 분석 시스템이 포함될 수 있습니다. 통계 방법은 데이터의 분석에만 관여한다는 일반적인 오해가 있다. 사실 교묘한 여자는 쌀이 없는 밥을 짓기 어렵고, 통계 방법의 응용 효과는 기초 데이터에 달려 있다. 어떤 종류의 기본 데이터를 수집하고, 데이터 수집 비용을 절감하고, 데이터 수집 중 오류를 줄이는 방법은 어느 정도의 이론적 지침이 필요합니다. 통계학은 이러한 문제들에 대해 많은 효과적인 해결책을 제공한다.
실제 광산과 마찬가지로 은광, 탄광, 금광을 파는 기술은 완전히 다르다. 소음에서 지능에 이르는 과정에는 중간 제품이 포함되며, 증상에 약을 투여하는 문제도 있다. 달성된 비용 및 데이터 분석의 어려움 (예: 데이터 양, 데이터 차원 등) 을 고려합니다. ), 데이터 처리는 쉽게 예술로 이해된다. 통계분석과 데이터 마이닝은 예술이다. 골드러시와 의료처럼 가장 비싼 약이 반드시 최고일 필요는 없다. 기본적으로 정확해야 한다. 예를 들어, 통계 방법과 통계 소프트웨어의 선택은 다릅니다. 중소기업의 정보화는 기본적으로 ACCESS 데이터베이스와 EXCEL 인터페이스를 통해 수행할 수 있다. 대기업의 정보화는 전문 관리 소프트웨어 회사와 협력하여 완성해야 한다. 초기 정보화의 비용과 실패율은 종종 비교적 높은데, 이는 병원을 서두르는 상황과 비슷하다.
어떤 사람은 돈이 있고 병이 있는데, 전형적인 증상은 반드시 귀약을 먹어야 한다는 것이다. 그렇지 않으면 나을 수 없다. 이런 현상은 기업 정보화에서도 볼 수 있다. 예를 들어, 미국 기업의 정보화는 꾸준히 단련하는 반면, 중국 기업의 정보화는 병후 회복과 더 비슷하다. 건강인의 시범 효과 하에서 중국 기업은 특히 초조하고, 정보 시스템의 통합과 자신의 관리 관행에 치중하지 않고, 비싼 것만 사고 옳지 않은 것만 사면 등록금이 많다. 필자는 데이터 분석의 응용이 같은 오해에 빠지지 않기를 바란다.
컴퓨터가 맡은 역할
과거의 경우, 통계 방법의 대규모 보급은 계산 능력의 부단한 향상이나 계산 비용의 대폭 하락에 달려 있다. (윌리엄 셰익스피어, 윈스턴, 통계, 통계, 통계, 통계, 통계, 통계) 칩 제조 기술과 소프트웨어 엔지니어링의 급속한 발전은 사람들에게 깊은 인상을 남겼지만, 데이터의 증가는 줄곧 컴퓨터의 성장보다 앞서고 있다. 이런 무능한 느낌은 역사의 정상적인 상태이다. 수작업으로 계산할 때, 사람들은 다원선형 회귀의 계산이 무섭다고 생각할 것이다. 수동 컴퓨터가 있을 때 주성분 분석을 하는 것은 무섭다. 자, 엄청난 양의 데이터가 왔습니다. 20 년 전만 해도 상상도 할 수 없었던 컴퓨팅 능력을 갖추고 있지만 관련 분석 작업은 여전히 골치 아픈 일이다. 하지만 컴퓨터는 여전히 통계를 따라가게 하고 자신의 영토를 계속 탐구하게 한다. (윌리엄 셰익스피어, 햄릿, 컴퓨터명언) 그래서 통계학은 컴퓨터에 감사해야 하는데, 컴퓨터가 통계학을 진정한 실용학과로 만드는 것이다.
한편, 컴퓨터 과학도 끊임없이 통계학 분야에 침입하여 통계학의 경계를 흐리게 하고 있다. 많은 사람들이 자유롭게 컴퓨터를 사용하고 있고,' 독선적' 으로 데이터 분석이나 이른바 치밀하지 않은 통계 분석을 하고 있으며, 그들은 종종' 통계 전문가' 의 의견을 간과한다. 통계학적으로 문제를 분석하는 많은 사람들은 충분한 통계학 훈련조차 받지 못했다. 많은 전산 수학 전문가들에게 통계학자의 권위는 비교적 낯설다.
하지만 여전히 많은 통계 방법이 이렇게 발전했다. 실제 응용 부문 사람들이 실증적 방법을 제시했고, 다른 비통계학과 사람들이 모방을 시작했다. 마지막으로, 통계학자들이 그 뒤를 이어 통계학적으로 이 방법의 합리성을 설명하여 학계의 요구에 더 잘 부합되도록 하였다. (윌리엄 셰익스피어, 통계학자, 통계학자, 통계학자, 통계학, 통계학, 통계학, 과학명언) 널리 사용되는 방법은 통계학 교과서에 들어가 통계학의 불가분의 일부가 될 것이다. 때때로 통계는 응용 프로그램보다 뒤떨어진다.
현재 엄격한 수학적 가설과 추론에 의존하는 통계 분석 방법은 여전히 통계학의 주류이다. 그러나 문외한들의 자유행동에 직면하여 통계자들은 속수무책이다. 데이터 마이닝은 새로운 침입자, 심지어 경쟁자가 되고 있다. 통계학자들은 자신의 이론과 실제 응용을 구분해야 한다. 결국 통계학자들이 분화하기 시작했고, 점점 더 많은 사람들이 선반을 내려놓는 것은 좋은 일이다. 하지만 많은 전산 과학 출신의 데이터 마이닝 전문가들은 자신의 혁명적 이미지를 부각시키기 위해 자신이 통계학자가 아니라고 주장하고 통계학을 이해할 필요가 없다는 점을 강조하기도 하는데, 이는 허무주의적이고 과도하다.
라벨
우리는 장기적으로 의논할 수 있다. 데이터 변환으로 볼 때 회계는 잘 하고 있다. 데이터 품질에 대한 설명과 요구 사항으로 볼 때, 회계는 더욱 규범적이며, 각종 데이터 분석 방법을 모두 참고할 수 있다. 데이터 분석 경험은 통계 방법이 더 풍부하다는 것이다. 새로운 데이터 분석 방법이 반드시 선을 그어야 한다면, 기존 경험을 충분히 활용하지 못할 것이며, 분명히 더 많은 불필요한 비용을 지불해야 한다. 기업 정보화의 요구에서 기업의 의사 결정 지원 시스템을 전체로 간주하고 가능한 한 기업 전체의 관점에서 기존의 다양한 양적 관리 방법을 선택하고 적용합니다. 요컨대, 어떤 양적 관리 방법도 신격화하지 않는 것이 바른 길이다.