数据关联分析

随着大数据和数据挖掘技术的发展，现在很多银行已经采用数据对其感兴趣的业务主数据对象进行关联挖掘分析，包括客户、产品甚至供应链，试图寻找其中集合或对象之间的频繁模式、关联、相关性或因果结构，从而为营销、风险或经营管理提供更好的支持。

但在我们利用数据进行对象的关联分析时，有没有想过，对于数据本身是否也可以实现数据之间的智能关联分析呢？

当前随着数据的急速膨胀，业务人员面前开始充斥着繁多的各种图表，开始被各类数据淹没，对于数据背后的原因分析变的越来越急迫。但随着近年来数据规模和多样性的不断增长，传统的数据挖掘方式耗时耗力，已经越来越不能满足需求。

假如数据可以拥有坐标

如果我们设想有一个统一的多维坐标系，所有的数据都投影在这个坐标系中，我们就可以用数学的方式建立起数据和数据之间的关系，快速地、自动地进行数据的关联分析。

这个坐标系中时间也是维度之一，以让我们可以在时间轴上进行数据关联

数据在加工过程中被赋予坐标

数据在整个ETL和数据加工过程中，系统根据被加工数据的模型和加工维度参数，自动赋予在坐标系的维度空间中的投影坐标，并建立统一的字典索引。

实现数据智能关联分析

当用户点击报表中的数据时，数据可以告诉系统它是谁，它来自哪里，它能去哪里。

通过一定的数学算法，用户可以快速的在整个数据多维坐标体系中漫游，从每个坐标轴上进行数据转换，并可以将一些可以总结的分析策略固化下来，保存成TOPIC（主题），将分析的经验共享给其他人。

最妙的是，管理员维护好数据模型和维度后，剩下的一切都是系统自动管理和实现的，系统自主维护了这个坐标化的数据空间。

用户就像是在一张地图上对于数据进行漫游分析，而且这张地图不需要用户人工维护。用户可以直接通过针对数据问题的分支进行钻取，通过快速的比对分析，发现数据问题的原因。

数据智能关联分析前景

数据智能关联分析目前属于新兴的研究领域，其持续发展的前景必将为在数据管理（尤其在数据相关性、重要程度以及核心节点分析）、业务挖掘分析等多个方面提供智能化的支持，极大的利用沉淀数据发挥潜在的价值。