隨著商業智能，數據可視化這些概念x越來越多被人們所熟知，有很多熱情的朋友提出，分享一些數據領域的知識呢？
說說數據可視化
經典案例
說到商業智能第一經典案例，那我們就必須引出最最著名的故事：啤酒與尿布。
90年代的沃爾瑪超市出現了這么一個很有趣的現象：貨架上啤酒與尿布竟然放在一起售賣，這看似兩者毫不相關的東西，為什么會放在一起售賣呢？
原來，在美國，婦女們經常會囑咐她們的丈夫下班以后給孩子買一點尿布回來，而丈夫在買完尿布后，大都會順手買回一瓶自己愛喝的啤酒（由此看出美國人愛喝酒）。
商家通過對一年多的原始交易記錄進行詳細的分析，發現了這對神奇的組合。于是就毫不猶豫地將尿布與啤酒擺放在一起售賣，通過它們的關聯性，互相促進銷售。
“啤酒與尿布”的故事一度是營銷界的神話，他也成為了商業智能領域傳頌的經典，實實在在的讓我們體會到數據分析的魅力！
“啤酒與尿布” 這個案例引出的一個概念就是關聯分析，而我們將以關聯分析作為我們這一系列知識分享的開篇。
什么是關聯分析(Affinity Analysis)？
關聯分析又稱關聯挖掘，就是在交易數據、關系數據或其他信息載體中，查找存在于項目集合或對象集合之間的頻繁模式、關聯、相關性或因果結構。
在我們的日常生活中，企業的經營中， 我們常常碰到這樣那樣的關聯性問題：
1. 餐廳里面怎么定義套餐組合？
2. 連接哪兩個機場的航線最繁忙和呈現出最高的晚點率？
對于第一個問題，我們就需要用到關聯分析的一種典型分析方法 –?購物籃分析。它在零售業，通常用來發現哪些商品在一個事務(transaction)里成交的可能性更大。
首先，讓我們舉一個簡單的例子，來介紹購物籃分析里的關鍵數據概念：
項集（Items）
在一個購物籃中的一件商品即為一項(Item), 若干項的集合為項集(items), 如{Milk, Bread}構成一個二元項集
支持度(Support)
支持度是指所有項集中同時含有X和Y的概率. 如在全部事務中同時購買了Milk和Bread的概率是2/4=0.5， 即 {Milk->Bread} 的支持度為 50%
置信度(Confidence)
置信度表示在X發生的條件下， Y發生的概率. 如{Milk->Bread} 的置信度為 (2/4)/(3/4)= 0.667
提升度(Lift)
提升度是一個衡量X和Y關聯規則強度的重要指標，它反映了商品之間的真實聯系。如{Milk->Bread} 的提升度為0.667/(3/4)=0.889
于是，我們可以得到下面的關聯模型數據：
接下來就可以看看我們億信華辰通過數據可視化平臺酷屏做出的經典案例，
校情決策支持平臺?
為了展現學校的實力，分別從學校概況、師資隊伍、教學資源、科學研究、學生發展、就業情況和日常運營的角度來展示。學校概況包括辦學條件、師生情況、學科專業和師資力量，再通過榮譽稱號、教師編制類別、教職工人數、研究生導師數、高層次人才、職稱分布、最高學位分布等展示師資隊伍，用教學用房面積、教學經費投入、教學科研儀器、圖書資料等來表現教學資源，用著作成果、獲獎成果、論文與專利等展現科學研究。
（部分內容來源網絡，如有侵權請聯系刪除）
