對多元數據分類有哪些方法

A. 資料庫元數據的分類

技術元數據是存儲關於數據倉庫系統技術細節的數據，是用於開發和管理數據倉庫使用的數據，它主要包括以下信息：數據倉庫結構的描述，包括倉庫模式、視圖、維、層次結構和導出數據的定義，以及數據集市的位置和內容；業務系統、數據倉庫和數據集市的體系結構和模式；匯總用的演算法，包括度量和維定義演算法，數據粒度、主題領域、聚集、匯總、預定義的查詢與報告；；由操作環境到數據倉庫環境的映射，包括源數據和它們的內容、數據分割、數據提取、清理、轉換規則和數據刷新規則、安全(用戶授權和存取控制)。 業務元數據從業務角度描述了數據倉庫中的數據，它提供了介於使用者和實際系統之間的語義層，使得不懂計算機技術的業務人員也能夠讀懂數據倉庫中的數據。業務元數據主要包括以下信息：使用者的業務術語所表達的數據模型、對象名和屬性名；訪問數據的原則和數據的來源；系統所提供的分析方法以及公式和報表的信息；具體包括以下信息： ；企業概念模型：這是業務元數據所應提供的重要的信息，它表示企業數據模型的高層信息、整個企業的業務概念和相互關系。以這個企業模型為基礎，不懂資料庫技術和SQL 語句的業務人員對數據倉庫中的數據也能做到心中有數。 ；多維數據模型：這是企業概念模型的重要組成部分，它告訴業務分析人員在數據集市當中有哪些維、維的類別、數據立方體以及數據集市中的聚合規則。這里的數據立方體表示某主題領域業務事實表和維表的多維組織形式。 ；業務概念模型和物理數據之間的依賴：以上提到的業務元數據只是表示出了數據的業務視圖，這些業務視圖與實際的數據倉庫或資料庫、多維資料庫中的表、欄位、維、層次等之間的對應關系也應該在元數據知識庫中有所體現。

B. 壯實學數據技術07：元數據

hi，米娜桑，我是大家的怪力少女趙壯實！

又是一個美好的周六的早上，今天我們來聊聊——元數據！

元數據也是近兩年才火熱起來的產品崗位和概念，因為偏向於後側，相比於數據分析、數據BI、用戶分層、歸因等酷炫的名詞下，元數據就像一朵白蓮花。

01   什麼是元數據？

好吧，元數據為什麼可以睥睨一切呢？因為它是「元」數據。

啥是「元數據」——metadata？

壯實見到這個詞語，第一次流下了久別重逢的淚水，甚至有點想笑，莫非，元數據，是一位熟悉現代主義思潮的大佬起的名字？

好的，壯實先從人文視角解釋一下什麼叫做「元」。

元，依舊指的是原始、原初的意思。我們那元敘事、元數據、元小說給大家講講什麼是「元」。

1.「元」+「敘事」=元敘事

對於敘事的完整解釋，即對歷史的意義、經歷和知識的敘述

2.「元」+「數據」=元數據

有關於數據的數據

3.「元」+「小說」=元小說

元小說，作家自覺地暴露小說的虛構過程，產生間離效果，進而讓接受者明白，小說就是虛構，不能把小說當作現實。這樣，虛構在小說中也就獲得了本體的意義。

好吧，簡單來說，元就是這個東西原始的框架、元素。在現代主義大工業的背景下，人類一切進入了「秩序模式」，所以需要「元」。所以就有了萬物「元」化。

是的，大家是不是最近還會聽到一個詞，叫做「元認知」。沒什麼神奇的，套用概念，元認識就是關於認知的認知，也許善友老師「第一性原理」和叫獸「時間的朋友」或許是「元認知」？

那元數據，我們就好理解了，就是「關於數據的數據」，有了元數據，它可以讓我們的數據生產、使用更加秩序化。

數據生產，有的人會叫做「後台元數據」：指導數據清洗裝載工作。

數據使用，有的人會分為「前端元數據」 ：描述性、幫助我們更加流暢的使用報表和查詢工具。

對於元數據的分類，我們可以分為以下三類:

業務元數據  從業務層面描述元數據。

技術元數據  數據技術層面上的各種統計信息，包含數據類型、長度、血緣沿襲、數據剖析結果等。

處理過程元數據  ETL自身執行結果統計信息，如多少行被載入、多少行數據被丟棄以及數據載入時間等。

02    元數據核心理念和關鍵要素

話不多說，我們來上阿里雲官方ppt：

好的，如果你們看不懂，壯實還畫了一個圖：

原來的數據生產-使用流程

涉及的相關的元數據

03    元數據產品

目前國內的元數據管理工具大概有三類。

一是像IBM、CA等公司都提供的專門工具，比如IBM收購Ascential得到的MetaStage，CA的DecisionBase；

二是像DAG的MetaCenter，開源產品Pentaho Metadata，它們不依託於某項BI產品，是一種第三方的元數據管理工具；

開源產品Pentaho Metadata示意圖

三是像普元、石竹這樣的集成商也有自己的元數據管理工具：普元MetaCube、新炬網路元數據管理系統、石竹MetaOne等。

普元元數據驅動的微服務架構：

https://cloud.tencent.com/developer/article/1080067

https://cloud.tencent.com/developer/article/1080078

新炬網路元數據管理系統：

http://www.shsnc.com/index.php?m=content&c=index&a=lists&catid=188

石竹MetaOne產品圖：

專門的元數據管理工具，對自家產品兼容較好，一旦涉及跨系統管理，就不盡如人意了。

04    元數據的功能和價值

如果你問我，元數據的功能和價值在哪裡？目前，業界開展了一些實踐：

      1、血緣分析：向上、向下表級、欄位級別的追溯數據。血緣分析可以讓您輕松知道：「我正在查看的報告數據來源是什麼？」、「數據經過哪些轉換處理？」、「銷售額」從包含稅費更改為不包括稅費，哪些下游欄位受到了影響。血緣分析可以滿足許多行業(包括醫療、金融、銀行和製造業等)對所呈現數據的特殊監管及合規性要求。

     2、指標一致性分析：定期分析指標定義是否和實際情況一致。大佬會上對不齊數據是何等的尷尬。。。。

     3、實體關聯查詢：事實表與維度表的代理鍵自動關聯。

05    後記

打破一切：從人文後現代主義到數據後現代主義。

20世紀60年代，德國、法國、美國等出現了反西方近現代體系哲學傾向的思潮，學術上稱之為「後現代主義」。你也許不知道啥是後現代主義，來一張圖感受一下：

對！就是達利的《記憶的永恆》。

後現代主義就是一種用無序反對有序，用個人囈語反對宏大敘事、用解構反對結構的一種精神。

當代美國活躍的後現代主義者之一格里芬就說：「如果說後現代主義這一詞彙在使用時可以從不同方面找到共同之處的話， 那就是，它指的是一種廣泛的情緒，而不是一種共同的教條———即一種認為人類可以而且必須超越現代的情緒。」

所有理論的背後，都是這個時代的主流認知+情緒。數據也不例外。我們來看看《壯實學數據技術01》中的數據倉庫兩位大佬之爭，就知道人們在反復橫跳在秩序和速度中。

所以，我們今天要考慮，元數據在今天的合理性是什麼？

在雜亂數據被管理起來之後，是不是在復雜、程式化上需要做做減法？

數據多≠信息多。如何把數據變為信息，是每一個數據人需要持續思考的事情。

C. 多元統計分析的簡介

multivariate statistical analysis
研究客觀事物中多個變數（或多個因素）之間相互依賴的統計規律性。它的重要基礎之一是多元正態分析。又稱多元分析 。 如果每個個體有多個觀測數據，或者從數學上說， 如果個體的觀測數據能表為 P維歐幾里得空間的點，那麼這樣的數據叫做多元數據，而分析多元數據的統計方法就舉則叫做多元統計分析 。 它是數理統計學中的一個重要的分支學科。20世紀30年代，R.A.費希爾，H.霍特林，許寶碌以及S.N.羅伊等人作出了一系列奠基性的工作，使多元統計分析在理論上得到迅速發展。50年代中期，隨著電子計算機的發展和普及 ，多元統計分析在地質 、氣象、生物、醫學、圖像處理、經濟分析等許多領域得到了廣泛的應用 ，同時也促進了理論的發展。各種統計軟體包如SAS，SPSS等，使實際工作者利用多元統計分析方法解決實際問題更簡單方便。重要的多元統計分析方法有：多重回歸分析（簡稱回歸分析）、判別分析、聚類分析、主成分分析、對應分析、因子分析、典型相關分析、多元方差分析等。
早在19世紀就出現了處理二維正態總體（見正態分布）的一些方法，但系統地處理多維概率分布總體的統計分析問題，則開始於20世紀。人們常把1928年維夏特分布的導出作為多元分析成為一個獨立學科的標志。20世紀30年代，R.A.費希爾、H.霍特林、許寶祿以及S.N.羅伊等人作出了一系列奠基性的工作，使多元統計分析在理論上得到了迅速的進展。40年代，多元分析在心理、教育、生物等方面獲得了一些應用。由於應用時常需要大量的計算，加上第二次世界大戰的影響，使其發展停滯了相當長的時間。50年代中期，隨著電子計算機的發展和普及，它在地質、氣象、標准化、生物、圖像處理、經濟分析等許多領域得到了廣泛的應用，也促進了理論的發展。
多元分析發展的初期，主要討論如何把一元正態總體的統計理論和方法推廣到多元正態總體。多元正態總體的分布由兩組參數，即均值向量μ（見數學期望）和協方差矩陣（簡稱協差陣）∑ （見矩）所決定，記為Np(μ,∑)(p為分布的維數,故又稱p維正態分布或p 維正態總體)。設X1,X2,…,Xn為來自正態總體Np(μ,∑)的樣本，則μ和∑的無偏估計（見點估計）分別是
和
分別稱之為樣本均值向量和樣本協差陣，它們是在各種多元分析問題中常用的統計量。樣本相關陣R 也是一個重要的統計量，它的元素為
其中υij為樣本協差陣S的元素。S的分布是維夏特分布，它是一元統計中的Ⅹ2分布的推廣。
另一典型問題是：假定兩個多維正態分布協差陣相同,檢驗其均值向量是否相同。設樣本X1，X2，…，Xn抽自正態總體Np（μ1，∑）,而Y1，Y2，…，Ym抽自Np（μ2，∑），要檢驗假設H 0:μ1=μ2(見假設檢驗)。在一元統計中使用t統計量（見統計量）作檢驗;在多元分析中則用T2統計量,
,其中,
,
·
,T2的分布稱為T2分布。這是H.霍特林在1936年提出來的。
在上述問題中的多元與一元相應的統計量是類似的，但並非都是如此。例如,要檢驗k個正態總體的均值是否相等，在一元統計中是導致F統計量,但在多元分析中可導出許多統計量，最著名的有威爾克斯Λ統計量和最大相對特徵根統計量。研究這些統計量的精確分布和優良性是近幾十年來多元統計分析的重要理論課題。
多元統計分析有狹義與廣義之分，當假定總體分布是多元正態分布時，稱為狹義的，否則稱為廣義的。近年來，狹義多元分析的許多內容已被推廣到更廣的分布之中，特別是推廣到一種稱為橢球等高分布族之中。
按多元分析所處理的實際問題的性質分類，重要的有如下幾種。 簡稱回歸分析。其特點是同時處理多個因變數。回歸系數和常數的計算公式與通常的情況相仿，只是由於因變數不止一個，原來的每個回歸系數在此都成為一個向量。因此，關於回歸系數的檢驗要用T2統計量；對回歸方程的顯著塵昌性檢驗要用Λ統計量。
回歸分析在地質勘探的應用中發展了一種特殊的形式，稱為趨勢面分析，它以各種元素的含量作為因變數，把它們對地理坐標進行回歸（選用一次、二次或高次的多項式）,回歸方程稱為趨勢面,反映了含量的趨勢。殘差分析是趨勢面分析的重點，找出正的殘差異常大的點，在這些點附近，元素的含量特別高，這就有可能形成可採的礦位。這一方法在其他領域也有應用。 由 k個不同總體的樣本來構造判別函數，正兄棚利用它來決定新的未知類別的樣品屬於哪一類，這是判別分析所處理的問題。它在醫療診斷、天氣預報、圖像識別等方面有廣泛的應用。例如，為了判斷某人是否有心臟病，從健康的人和有心臟病的人這兩個總體中分別抽取樣本，對每人各測兩個指標X1和X2，點繪如圖 。可用直線A將平面分成g1和g2兩部分，落在g1的絕大部分為健康者，落在g2的絕大部分為心臟病人,利用A的垂線方向l=(l1,l2)來建立判別函數
y=l1X1+l2X2,可以求得一常數с，使 y<с 等價於（X1，X2）落在g1，y>с等價於（X1，X2）落在g2。由此得判別規則：若，l1X1+l2X2<c
判,即此人為健康者;若，l1X1+l2X2>C
判，
即此人為心臟病人;若，l1X1+l2X2=c則為待判。此例的判別函數是線性函數,它簡單方便,在實際問題中經常使用。但有時也用非線性判別函數，特別是二次判別函數。建立判別函數和判別規則有不少准則和方法，常用的有貝葉斯准則、費希爾准則、距離判別、回歸方法和非參數方法等。
無論用哪一種准則或方法所建立的判別函數和判別規則，都可能產生錯判，錯判所佔的比率用錯判概率來度量。當總體間區別明顯時，錯判概率較小；否則錯判概率較大。判別函數的選擇直接影響到錯判概率，故錯判概率可用來比較不同方法的優劣。
變數（如上例中的X1和X2）選擇的好壞是使用判別分析的最重要的問題，常用逐步判別的方法來篩選出一些確有判別作用的變數。利用序貫分析的思想又產生了序貫判別分析。例如醫生在診斷時,先確定是否有病,然後確定是哪個系統有病，再確定是什麼性質的病等等。 又稱數值分類。聚類分析和判別分析的區別在於，判別分析是已知有多少類和樣本來自哪一類，需要判別新抽取的樣本是來自哪一類；而聚類分析則既不知有幾類,也不知樣本中每一個來自哪一類。例如,為了制定服裝標准，對 N個成年人，測量每人的身高(x1)、胸圍(x2)、肩寬(x3)、上體長(x4)、手臂長(x5)、前胸(x6)、後背(x7)、腰圍(x8)、臀圍(x9)、下體長(x10)等部位，要將這N個人進行分類,每一類代表一個號型；為了使用和裁剪的方便，還要對這些變數(x1,x2,…,x10)進行分類。聚類分析就是解決上述兩種分類問題。
設已知N個觀測值X1,X2,…,Xn,每個觀測值是一個p維向量（如上例中人的身高、胸圍等）。聚類分析的思想是將每個觀測值Xi看成p維空間的一個點,在p維空間中引入「距離」的概念，則可按各點間距離的遠近將各點（觀測值）歸類。若要對 p個變數（即指標）進行分類，常定義一種「相似系數」來衡量變數之間的親密程度，按各變數之間相似系數的大小可將變數進行分類。根據實際問題的需要和變數的類型，對距離和相似系數有不同的定義方法。
按距離或相似系數分類,有下列方法。①凝聚法:它是先將每個觀察值{Xi}看成一類，逐步歸並，直至全部觀測值並成一類為止，然後將上述並類過程畫成一聚類圖（或稱譜系圖），利用這個圖可方便地得到分類。②分解法：它是先將全部觀測值看成一類，然後逐步將它們分解為2類、3類、…、N類,它是凝聚法的逆過程。③動態聚類法：它是將觀測值先粗糙地分類，然後按適當的目標函數和規定的程序逐步調整，直至不能再調為止。
若觀察值X1,X2,…,Xn之間的次序在分類時不允許打亂，則稱為有序分類。例如在地質學中將地層進行分類，只能將互相鄰接的地層分成一類，不能打亂上下的次序。用於這一類問題中的重要方法是費希爾於1958年提出的最優分割法。
聚類分析也能用於預報洪水、暴雨、地震等災害性問題，其效果比其他統計方法好。但它在理論上還很薄弱，因為它不象其他方法那樣有確切的數學模型。 又稱主分量分析，是將多個變數通過線性變換以選出較少個數重要變數的一種方法。設原來有p個變數x1,x2,…,xp,為了簡化問題，選一個新變數z，
,
要求z盡可能多地反映p個變數的信息，以此來選擇l1,l2,…,lp,當l1,l2,…,lp選定後,稱z為x1,x2,…,xp的主成分（或主分量）。有時僅一個主成分不足以代表原來的p個變數，可用q(<p)個互不相關的呈上述形式的主成分來盡可能多地反映原p個變數的信息。用來決定諸系數的原則是，在
的約束下，選擇l1,l2,…,lp使z的方差達到最大。
在根據樣本進行主成分分析時又可分為R型分析與Q型分析。前者是用樣本協差陣（或相關陣）的特徵向量作為線性函數的系數來求主成分；後者是由樣品之間的內積組成的內積陣來進行類似的處理，其目的是尋找出有代表性的「典型」樣品，這種方法在地質結構的分析中常使用。 它是由樣本的資料將一組變數
y2，……yp）
分解為一些公共因子f與特殊因子s的線性組合,即有常數矩陣A使у=Af+s。公共因子f 的客觀內容有時是明確的,如在心理研究中,根據學生的測驗成績（指標）來分析他的反應快慢、理解深淺（公共因子）；有時則是不明確的。為了尋求易於解釋的公共因子，往往對因子軸進行旋轉，旋轉的方法有正交旋轉,斜旋轉,極大變差旋轉等。
從樣本協差陣或相關陣求公共因子的方法有廣義最小二乘法、最大似然法與不加權的最小二乘法等。通常在應用中，最方便的是直接利用主成分分析所得的頭幾個主成分，它們往往是對各個指標影響都比較大的公共因子。 它是尋求兩組變數各自的線性函數中相關系數達到最大值的一對，這稱為第一對典型變數，還可以求第二對，第三對，等等，這些成對的變數，彼此是不相關的。各對的相關系數稱為典型相關系數。通過這些典型變數所代表的實際含意，可以找到這兩組變數間的一些內在聯系。典型相關分析雖然30年代已經出現，但至今未能廣泛應用。
上述的各種方法可以看成廣義多元分析的內容，在有些方法中，如加上正態性的假定，就可以討論一些更深入的問題，例如線性模型中有關線性假設檢驗的問題，在正態的假定下，就有比較系統的結果。 多元分析也可按指標是離散的還是連續的來區分，離散值的多元分析實質上與列聯表分析有很大部分是類似的，甚至是一樣的。
非數量指標數量化的理論和方法也是廣義多元分析的一個重要的研究課題。

D. 怎樣對Excel表格中的數據進行分類匯總

按部門對Excel表格中數據進行分類匯總的方法

分類匯總是Excel的一項重要功能，它能快速以某一個欄位為分類項，對數據列表中其他欄位的數值進行統計計算。本文以在表格中按照部門來統計數據總和為例介紹Excel表格中數據進行分類匯總的方法的操作方法。

1、啟動Excel並打開工作表，選擇匯總時的分類欄位所在的單元格區域，在「開始」選項卡的「編輯」組中單擊「排序和篩選」按鈕，在打開的菜單中選擇「降序」命令對其進行排序操作，如圖1所示。

圖3對工作表進行分類匯總

E. 數據分析方法有哪些

常用的數據分析方法有：聚類分析、因子分析、相關分析、對應分析、回歸分析、方差分析。

1、聚類分析(Cluster Analysis)

聚類分析指將物理或抽象對象的集合分組成為由類似的對象組成的多個類的分析過程。聚類是將數據分類到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。

2、因子分析(Factor Analysis)

因子分析是指研究從變數群中提取共性因子的統計技術。因子分析就是從大量的數據中尋找內在的聯系，減少決策的困難。因子分析的方法約有10多種，如重心法、影像分析法，最大似然解、最小平方法、阿爾發抽因法、拉奧典型抽因法等等。

3、相關分析(Correlation Analysis)

相關分析(correlation analysis)，相關分析是研究現象之間是否存在某種依存關系，並對具體有依存關系的現象探討其相關方向以及相關程度。

4、對應分析(Correspondence Analysis)

對應分析(Correspondence analysis)也稱關聯分析、R-Q型因子分析，通過分析由定性變數構成的交互匯總表來揭示變數間的聯系。可以揭示同一變數的各個類別之間的差異，以及不同變數各個類別之間的對應關系。對應分析的基本思想是將一個聯列表的行和列中各元素的比例結構以點的形式在較低維的空間中表示出來。

5、回歸分析

研究一個隨機變數Y對另一個(X)或一組(X1，X2，?，Xk)變數的相依關系的統計分析方法。回歸分析(regression analysis)是確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法。


6、方差分析(ANOVA/Analysis of Variance)

又稱「變異數分析」或「F檢驗」，是R.A.Fisher發明的，用於兩個及兩個以上樣本均數差別的顯著性檢驗。由於各種因素的影響，研究所得的數據呈現波動狀。

想了解更多關於數據分析的信息，推薦到CDA數據認證中心看看，CDA（Certified Data Analyst），即「CDA 數據分析師」，是在數字經濟大背景和人工智慧時代趨勢下，面向全行業的專業權威國際資格認證， 旨在提升全民數字技能，助力企業數字化轉型，推動行業數字化發展。 「CDA 數據分析師」具體指在互聯網、金融、零售、咨詢、電信、醫療、旅遊等行業專門從事數據的採集、清洗、處理、分析並能製作業務報告、 提供決策的新型數據分析人才。

F. 如何在excel中對數據分類匯總

一、僅對某列進行分類明帆好匯總
例如上例中需要對各城市的銷售量進行分類匯總，方法如下：
1. 首先對數據按需要分類匯總的列（本例為「城市」列）進行排序。
選擇「城市」列中的任意單元格，在Excel 2003中單擊工具欄中的排序按鈕如「A→Z」。在Excel 2007中，選擇功能區中「數據」選項卡，在「排序和篩選」組中單擊「A→Z」按鈕。
2. 選擇數據區域中的某個單元格，在Excel 2003中單擊菜單「數據→分類匯總」。如果是Excel 2007，則在「數據」選項卡的「分級顯示」組中單擊「分類匯總」。
3. 在彈出的「分類匯總」對話框中，在「分類轎陪欄位」下選擇「城市」，在激鉛「匯總方式」中選擇某種匯總方式，可供選擇的匯總方式有「求和」、「計數」、「平均值」等，本例中選擇默認的「求和」。在「選定匯總項」下僅選擇「銷售額」

G. 幾種常見的元數據類型

元數據是關於信息的信息（ information about information ）。有時候，它也被稱作是關於數據的數據（data aboutdata）。這個術語常用來表示那些可以用來識別、描述和定位某些基於網路的電子資源。元數據最根本的目的就是作為管理內容的工具，提供對某一內容和結構的描述，它有利於提升信息的關聯性、有效性，對於信息的升級和交互操作也具有重要意義。 其主要功能有：（1）管理：通過元數據可以管理信息，比如著作權追蹤，獲得途徑和要求，信息的位置，版本情況等。（2）描述：通過元數據可以描述信息，比如目錄記錄，索引，註解等（3）保存：通過元數據可以保護信息管理，比如對資源的物理狀態的記錄，它們的保存方法等。（4）技術：指的是元數據如何在某個系統中運行，比如需要的軟體和硬體記錄，追蹤和認證情況等。（5）應用：元數據可以記錄信息的類型和適用層次。 根據不同的依據，可以對元數據進行分類： 如果元數據在設計之前經過了周密的考慮，那麼形成的信息管理系統將會高效得多。在傳統的目錄系統中，關鍵詞和元數據被用來查找一本書，一篇文章或一本期刊，而不是為了服務更廣大的用戶和交叉參考。網路作為一種研究工具，一種傳播信息的工具，使得元數據和關鍵詞的精確度和相關性變得尤為重要。 元數據應當具有一定的連續性，以保證它能在不同的應用平台和不同的標准框架中使用。到目前為止，並沒有權威性的原數據標准出現，使得圖書（包括其他類似圖書的產品）產業中出現的不同類型的元數據標准更加繁雜。如何應對這么多有的甚至相互交叉的標准，至今仍然是一個大問題。解決了這一問題，將使得人們能夠更加高效的應用互聯網上的資源。 正確使用元數據和元數據標准，對各種大小企業、政府組織向網路環境發展都是十分關鍵的。日益增加的互聯網用戶和數字化技術也對開發統一的元數據標准提出了嚴峻考驗。一些機構，比如IMS和DublinCore就聯合起來致力於開發一套通用的元數據標准框，以適應不斷增長的互聯網應用的需求，政府機構和各類企業的信息化需求，知識經濟不斷變化的需求和全求畫的需求。 大多數的原數據標准都在不斷的改進之中，包括IMS、MPEG、DublinCore以及其他沒有提到的標准。 創建元數據系統的技術也在不斷變化，這使得那些較為依賴傳統的計算機技術的公司更加難以做出抉擇。 有研究者稱，在十年之內，出版商、印刷商、批發商、物流業、書店和圖書館完全有可能在基於網路技術基礎之上重建的商業環境中相互協作。作者和讀者的經歷也將隨著越來越多的電子裝置和技術的出現而改變。

H. 如何進行多類分類匯總

分類匯總在Excel中起很重要的作用，當我們需要統計某樣資料的時候，就可以用分類匯悄判含總把資料區分統計，下面以例子介紹如何使用分類匯總：

例：如下圖使用分類匯總以日期為分類欄位，求提貨量的總和。

上圖，我們可以看到分別以一天為單位的詳細匯總，提貨量的當天總數和幾天的全部總數，都可以一目瞭然的看得清清楚楚明明白白。

I. 北大青鳥設計培訓：常用的九種數據分析有哪些

數據分析是從數據中提取有價值的信息的過程，過程中需要對源槐汪數據進行各種處理和分類，只有掌握正確的數據分類方法和數據處理模式，才能達到效果，下面電腦培訓為大家介紹數據分析員所需要的幾種數據分析思維模式。
1、分類分類是一種基本的數據分析方式，數據根據其特徵，可以將數據對象分為不同的部分和類型，進一步分析，進一步挖掘事物的本質。
2、回歸回歸主要運用一種廣泛的統計分析方法，可以規定因變數和自變數來確定變數間的因果關系，建立回歸模型，並根據實測數據求出模型的各參數，然後評價回歸模型是否能很好地近似實測數據。
如果能進行很好的擬合，IT培訓建議可以根據自變數進一步預測。
3、聚類所述聚類基於所述數據的固有屬性，所述數據被劃分為多個聚集類，每個聚集類中的元素具有盡可能多的相同特徵，所述不同聚合類別之間的特徵差異盡可能大，所以航天橋北大青鳥發現所述聚類分析也被稱為無指導或無監督學習。
4、統計描述統計描述是根據數據的特點，運用一定的統計指標和指標體系，表明數據反饋明歲的信息，是數據雹仔分析的基礎性處理工作，北大青鳥介紹主要方法：平均指標和變異指標的計算、資料分布形態的圖形表達等。