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）。

商家顺利获得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，顺利获得它们的关联性，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。

第一时间，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

接下来就可以看看我们Ezpay顺利获得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、学生开展、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，再顺利获得荣誉称号、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。