6.5数据分析及应用

6.5.1 数据集成（掌握）

        数据集成就是将驻留在不同数据源中的数据进行整合，向用户提供统一的数据视图，使得用户能以透明的方式访问数据。

        

        WebServices技术是一个面向访问的分布式计算模型，它的本质是用一种标准化方式实现不同服务系统之间的互调或集成。

        数据网格是一种用于大型数据集的分布式管理与分析的体系结构。

6.5.2 数据挖掘（掌握）

        数据挖掘是指从大量数据中提取或“挖掘”知识

（1）两者分析对象的数据量有差异

（2）两者运用的分析方法有差异

（3）两者分析侧重有差异

（4）两者成熟度不同

        数据挖掘目标是发现隐藏于数据之后的规律或数据间的关系，从而服务于决策。

        数据挖掘常见的主要任务包括数据总结（目的是对数据进行浓缩，给出它的总体综合描述）、关联分析（置信度度量了关联规则的强度）、分类和预测（根据数据的属性将数据分配到不同的组中）、聚类分析（将数据分成一系列有意义的子集合，每一个集合中的数据性质相近，不同集合点之间的数据性质相差较大）和孤立点分析（从数据库中检测出偏差）

        数据挖掘的流程一般包括确定分析对象、数据准备、数据挖掘、结果评估与结果应用5个阶段，这些阶段在具体实施中可能需要重复多次。

6.5.3 数据服务（掌握）

        数据服务主要包括数据目录服务（用来快捷地发现和定位所需数据资源的一种检索服务，是实现数据共享的重要基础功能服务之一）、数据查询与浏览及下载服务（用户使用的方式有查询数据和下载数据两种）、数据分发服务（数据分发的核心内容包括数据发布、数据发现、数据评价等）。

6.5.4 数据可视化（掌握）

        数据可视化可分为7类：一维数据可视化、二维数据可视化、三维数据可视化、多维数据可视化、时态数据可视化、层次数据可视化和网络数据可视化。

6.6 数据脱敏和分类分级

6.6.1 数据脱敏（掌握）

        数据使用常常需要经过脱敏华处理，即对数据进行去隐私化处理、实现对敏感信息的包含。

1、敏感数据

        个人敏感数据、商业敏感数据、国家秘密数据等

        数据密级等级划分为5个等级：分别是L1（公开）、L2（保密）、L3（机密）、L4（绝密）、L5（私密）

2、数据脱敏

3、数据脱敏方式

        数据脱敏方式包括可恢复与不可恢复两类

        可恢复类指脱敏后可通过一定的方式，恢复成原来的敏感数据，此类脱敏规则主要指各类加解密算法规则。

        不可恢复类脱敏后的数据备脱敏的部分使用任何方式都不能恢复，一般可分为替换算法和生成算法两类。

4、数据脱敏原则

6.6.2 数据分类（掌握）

        数据分类有分类对象和分类依据两个要素

6.6.3 数据分级（掌握）

        数据分级基本框架分为一般数据、重要数据、核心数据3个级别。