1.数据库应用系统设计的四个层次分别包含的内容是什么

需求分析是当前软件工程中的关键问题，需求分析阶段的任务是：在可行性分析的基础上，进一步了解、确定用户需求。准确地回答 “系统必须做什么？” 的问题。获得需求规格说 明书。还涉及到软件系统的目标、软件系统提供的服务、软件系统的约束和软件系统运行的环境。它还涉及到这些因素和系统的精确规格说明，以及系统进化之间的关系。

需求分析的基本任务包括：

(1) 抽取需求 分析现行系统存在需要解决的问题。获取足够多的问题领域的知识，需求抽取的方法一般有问卷法、面谈法、数据采集法、用例法、情景实例法以及基于目标的方法等；还有知识工程方法，例如，场记分析法、卡片分类法、分类表格技术和基于模型的知识获取等 。

(2) 模拟和分析需求 需求分析和模拟又包含三个层次的工作。首先是需求建模。需求模型的表现形式有自然语言、半形式化（如图、表、结构化英语等）和形式化表示等三种。需求概念模型的要求包括实现的独立性：不模拟数据的表示和内部组织等；需求模拟技术又分为企业模拟、功能需求模拟和非功能需求模拟等。

(3) 传递需求 传递需求的主要任务是书写软件需求规格说明。

(4) 认可需求 就是对需求规格说明达成一致，其主要任务是冲突求解，包括定义冲突和冲突求解两方面。常用的冲突求解方法有：协商、竞争、仲裁、强制、教育等，其中有些只能用人的因素去控制。

(5) 进化需求 客户的需要总是不断（连续）地增长，但是一般的软件开发又总是落后于客户需求的增长，如何管理需求的进化（变化）就成为软件进化的首要问题。对于传统的变化管理过程来说，其基本成分包括软件配置、软件基线和变化审查小组。当前的发展是软件家族法 ，即产品线方法。多视点方法也是管理需求变化的一种新方法，它可以用于管理不一致性， 并进行关于变化的推理。

概要设计是在需求分析的基础上通过抽象和分解将系统分解成模块，确定系统功能是实现。

基本任务是：建立软件系统结构（划分模块、定义模块功能、模块间的调用关系、定义模块的接

口、评价模块的质量）、数据结构和数据库的设计（数据结构设计、概念设计、逻辑设计、物理

设计）、编写概要设计文档（概要设计说明书、用户手册、数据库设计说明书、修订测试计

2.数据分析需要哪些知识

CPDA数据分析师师兄告诉你，数据分析师需要掌握的知识，可以划分如下

1.初级分析师初级分析师是数据人员架构的基础组成部分，承担了数据工作中大多数最基础的工作，通常初级分析师的人员比例不应超过20%。初级分析师的定位是数据整理、数据统计和基本数据输出工作，服务的对象包括中、高级分析师和业务方等，对其素质的要求侧重于基本数据技能和业务常识。

•数据工具要求。基本的Excel操作能力和SQL取数能力、与工作相关工具的使用技能，顺利完成数据抽取和整理等工作；基本数据输出能力，包括PPT、邮件、Word等使用能力。

•数据知识要求。理解日常数据体系内涉及的维度、指标、模型，辅助中、高级分析师进行专项工作并承担其中的部分工作。

•业务知识要求。理解基本业务知识，能把业务场景和业务需求分别用数据转换和表达出来。

2.中级分析师中级分析师是数据人员架构中的主干。中级分析师承担着公司的专项数据分析工作，如各业务节点的项目类分析、专题报告等。通常中级分析师的人员比例在40%~60%之间。中级分析师的定位是数据价值挖掘、提炼和数据沟通落地，服务的对象主要是业务方，除此之外还可能参与高级分析师的大型项目并独立承担其中的某个环节。因此要求中级分析师对专项数据技能、业务理解及推动能力的要求较高。

•数据工具要求。熟练使用数据挖掘工具、网站分析工具。

•数据知识要求。了解不同算法和模型的差异点及最佳实践场景，根据工作需求应用最佳的实践方案。

•业务知识要求。深度理解业务知识，具有较强的数据解读和应用推动能力。

3.高级分析师高级分析师职位通常是数据职能架构中的火车头，承担了企业数据方向的领导职能。高级分析师的人员比例在20%~40%之间。高级分析师的定位是企业数据工作方向规则体系建设、流程建设、制度建设等，服务对象通常是业务及企业领导层。因此要求其除了要具备中级分析师的基本能力外，还需要具备宏观规划、时间把控、风险管理、效果管理、成本管理等项目管理能力。

•高级分析师需要能搭建企业数据体系，并根据企业发展阶段提出适合当前需求的数据职能和技术架构方案。 •高级分析师需要规划出所负责领域内数据工作方向、内容、排期、投入、产出等，并根据实际工作进行投入与产出分析，同时做好数据风险管理。

•高级分析师需要实时跟进项目的进度，监督数据项目落地执行，并通过会议、汇报、总结、阶段性目标、KPI等形式做好过程控制和结果控制。低、中、高级不同职位层次数据分析师的能力要求如图所示。注意，图像越向外代表对其相应能力的要求越高，反之则要求越低。

3.如何做好数据的处理和归纳

关键词：数据监管、数据统计、数据指导、数据时效性、数据螺旋式

印证、数据共享

在质量管理体系中，

数据处理作为所有质量目标达成的横向尺码，

是生产状况评价的风向标，

通过的产品的数据分析可以追溯到产品生

产过程中的方方面面，比如，原材料不合格发生情况及成分的波动，

生产设备、工艺缺陷，人员误操作、操作水平的高低，生产技改的科

学性，产品生产成本的可操作性，企业经营利润的最大化等等，通过

原料的不合格发生情况的多少，

可以对原材料使用进行选择性的采购，

通过对过程产品的检验分析可以判定生产主体的工艺、

配方是否合理，

同过关键工艺参数的过程分析可以强化生产过程管理等等。

如果缺少

了数据的处理和分析，

也就意味着生产和安全眉毛胡子一把抓，

导致

主次不分，制约生产

4.谁能详细地简述“社会科学与研究方法”中所讲的测量的四个层次

社会科学研究方法包括三大领域：社会科学研究方法本身、与之相关的统计方法以及计算机统计软件的使用。

本书对此作了翔实的介绍，分四大部分：第一部分介绍了社会科学研究的基础知识。这一部分的第二章是全书提纲挈领的一章，它阐述了社会科学研究中的一些基本概念与社会科学研究的过程。

第二部分介绍了传统的社会科学研究方法中的重要概念与方法，包括研究方案的选用、对抽象概念的量度、选取样本的方法等章节。第三部分着重于常用统计分析方法的应用。

虽然统计公式的运用在这些章节中无可避免，但是，这一部分的重点在于各种统计方法所适合应用的社会情形，而非统计公式的推导。第四部分为社会科学中最为常用的数据分析软件SPSS的运用。

在这些章节中，读者可以自己动手输入数据、处理数据并分析数据。在读者掌握了前述大部分内容的基础上，读者应该能够就计算机输出的数据自行作出诠释与判断。

虽然数据分析归根结底是计算机运用的结果，但是，如果没有关于研究方法与统计方法的系统知识，读者还是不可能正确地运用SPSS统计软件来求得正确的结果。另外，为了帮助读者熟悉社会科学论文的撰写格式，我在附录中安排了一个调查报告的实例。

5.数据的预处理包括哪些内容

数据预处理（datapreprocessing）是指在主要的处理以前对数据进行的一些处理。如对大部分地球物理面积性观测数据在进行转换或增强处理之前，首先将不规则分布的测网经过插值转换为规则网的处理，以利于计算机的运算。另外，对于一些剖面测量数据，如地震资料预处理有垂直叠加、重排、加道头、编辑、重新取样、多路编辑等。

数据预处理的方法：

1、数据清理

数据清理例程通过填写缺失的值、光滑噪声数据、识别或删除离群点并解决不一致性来“清理”数据。主要是达到如下目标：格式标准化，异常数据清除，错误纠正，重复数据的清除。

2、数据集成

数据集成例程将多个数据源中的数据结合起来并 统一存储，建立数据仓库的过程实际上就是数据集成。

3、数据变换

通过平滑聚集，数据概化，规范化等方式将数据转换成适用于数据挖掘的形式。

4、数据归约

数据挖掘时往往数据量非常大，在少量数据上进行挖掘分析需要很长的时间，数据归约技术可以用来得到数据集的归约表示，它小得多，但仍然接近于保持原数据的完整性，并结果与归约前结果相同或几乎相同。

6.财务分析的三个层次是什么

(1)第一个层面：财务报表分析和财务报告，这是一种总结揭示性的分析，通过分析报表数据的比例、趋势、对比过去和同行业、验证逻辑性、发现异常变化和波动等，看看财务报告是否准确地反映了经营情况，看看企业经营的运营态势是否如之前所料，看看能否发现一些问题的初期苗头。

2）第二个层面：经营分析，分析预算、费用、成本、利润、价格、风险等等单项指标或者总体经营指标，找出问题，或者已经知道问题，找出解决问题的方法，或者发现问题的根源 （3）第三个层面：战略决策支持分析，这类分析因牵扯到企业的长期和重大决策，显得很重要，而且必须对企业的资源情况，甚至市场、技术走势，企业实力，企业的前世今生都有所了解，才能作出正确分析。 希望以上回答能帮助你。