数据标准化

http://blog.csdn.net/pipisorry/article/details/52247379 这里主要讲连续型特征归一化的常用方法。 连续型特征还有一种处理方式是，先分桶/分箱（如等频/等距的分）[待写]进行离散化后再使用离散数据的处理方法。 离散数据处理参考[数据预处理：独热编码（One-Hot Encoding）]。 基础知识参考： [均值、方差与协方差矩阵] [...

何为标准化： 在数据分析之前，我们通常需要先将数据标准化（normalization），利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。数...

此外，我们还将加强对数据治理标准体系的宣传和推广，提高员工的认知度和参与度，让大家都能够明确理解并积极参与到数据治理标准体系的建设中来。数据标准就像一座桥梁，连接着不同的数据源和应用场景，让我们的数据更加畅通无阻，为我们的决策和行动提供更加准确、可靠的信息。而通过建立统一的数据指标标准，我们可以规范数据的使用和管理，确保数据的准确性和一致性，提高数据的质量和可用性。接下来，我们要制定和完善数据治理的相关标准，像是数据质量标准、数据安全标准、数据共享标准等，这些都是我们数据治理工作的基础。

其中，针对基础类数标，可以看一下金融行业经常用的数据标准十大主题模型。该模型是以主题组织数据，包括客户、资产、机构、产品等主题。是为满足公司内部管理需要及外部监管要求，在基础性数据基础上按一定统计、分析规则加工后的数据。是企业日常业务开展过程中所产生的具有共同业务特征的基础性数据，如客户、产品、财务等。是公司架构下子公司在业务经营及管理分析中所涉及的特有数据。

导读：学习架构类数据标准中数据目录、数据模型、数据交换、数据服务之间的关系，对于构建高效、安全、可持续的数据体系具有重要意义。这有助于提高数据管理的效率、促进数据共享和协作、保障数据的质量和准确性、支持业务决策和创新以及提升企业的竞争力。本质是将数据从无序资源转化为有序资产，再通过服务化释放业务价值。