随着商业智能，数据可视化这些概念x越来越多被人们所熟知，有很多热情的朋友提出，分享一些数据领域的知识呢？
说说数据可视化
经典案例
说到商业智能第一经典案例，那我们就必须引出最最著名的故事：啤酒与尿布。
90年代的沃尔玛超市出现了这么一个很有趣的现象：货架上啤酒与尿布竟然放在一起售卖，这看似两者毫不相关的东西，为什么会放在一起售卖呢？
原来，在美国，妇女们经常会嘱咐她们的丈夫下班以后给孩子买一点尿布回来，而丈夫在买完尿布后，大都会顺手买回一瓶自己爱喝的啤酒（由此看出美国人爱喝酒）。
商家通过对一年多的原始交易记录进行详细的分析，发现了这对神奇的组合。于是就毫不犹豫地将尿布与啤酒摆放在一起售卖，通过它们的关联性，互相促进销售。
“啤酒与尿布”的故事一度是营销界的神话，他也成为了商业智能领域传颂的经典，实实在在的让我们体会到数据分析的魅力！
“啤酒与尿布” 这个案例引出的一个概念就是关联分析，而我们将以关联分析作为我们这一系列知识分享的开篇。
什么是关联分析(Affinity Analysis)？
关联分析又称关联挖掘，就是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。
在我们的日常生活中，企业的经营中， 我们常常碰到这样那样的关联性问题：
1. 餐厅里面怎么定义套餐组合？
2. 连接哪两个机场的航线最繁忙和呈现出最高的晚点率？
对于第一个问题，我们就需要用到关联分析的一种典型分析方法 – 购物篮分析。它在零售业，通常用来发现哪些商品在一个事务(transaction)里成交的可能性更大。
首先，让我们举一个简单的例子，来介绍购物篮分析里的关键数据概念：
项集（Items）
在一个购物篮中的一件商品即为一项(Item), 若干项的集合为项集(items), 如{Milk, Bread}构成一个二元项集
支持度(Support)
支持度是指所有项集中同时含有X和Y的概率. 如在全部事务中同时购买了Milk和Bread的概率是2/4=0.5， 即 {Milk->Bread} 的支持度为 50%
置信度(Confidence)
置信度表示在X发生的条件下， Y发生的概率. 如{Milk->Bread} 的置信度为 (2/4)/(3/4)= 0.667
提升度(Lift)
提升度是一个衡量X和Y关联规则强度的重要指标，它反映了商品之间的真实联系。如{Milk->Bread} 的提升度为0.667/(3/4)=0.889
于是，我们可以得到下面的关联模型数据：
接下来就可以看看我们亿信华辰通过数据可视化平台酷屏做出的经典案例，
校情决策支持平台
为了展现学校的实力，分别从学校概况、师资队伍、教学资源、科学研究、学生发展、就业情况和日常运营的角度来展示。学校概况包括办学条件、师生情况、学科专业和师资力量，再通过荣誉称号、教师编制类别、教职工人数、研究生导师数、高层次人才、职称分布、最高学位分布等展示师资队伍，用教学用房面积、教学经费投入、教学科研仪器、图书资料等来表现教学资源，用著作成果、获奖成果、论文与专利等展现科学研究。
（部分内容来源网络，如有侵权请联系删除）
